KR102135210B1 - 가상 머신 추천 방법 및 이를 이용한 가상 머신 추천 시스템 - Google Patents

가상 머신 추천 방법 및 이를 이용한 가상 머신 추천 시스템 Download PDF

Info

Publication number
KR102135210B1
KR102135210B1 KR1020200009020A KR20200009020A KR102135210B1 KR 102135210 B1 KR102135210 B1 KR 102135210B1 KR 1020200009020 A KR1020200009020 A KR 1020200009020A KR 20200009020 A KR20200009020 A KR 20200009020A KR 102135210 B1 KR102135210 B1 KR 102135210B1
Authority
KR
South Korea
Prior art keywords
virtual machine
information
storage
predetermined
cluster
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020200009020A
Other languages
English (en)
Inventor
윤호영
김영광
이찬재
김성구
김민준
Original Assignee
오케스트로 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 오케스트로 주식회사 filed Critical 오케스트로 주식회사
Priority to KR1020200009020A priority Critical patent/KR102135210B1/ko
Priority to KR1020200078475A priority patent/KR102351426B1/ko
Application granted granted Critical
Publication of KR102135210B1 publication Critical patent/KR102135210B1/ko
Assigned to 중소기업은행 reassignment 중소기업은행 근질권설정등록 Assignors: 오케스트로 주식회사
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45504—Abstract machines for programme code execution, e.g. Java virtual machine [JVM], interpreters, emulators
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시예에 따른 가상 머신 추천 방법은, 가상 머신 추천 시스템을 활용하여 물리 서버 상에서 생성되고자 하는 가상 머신인 생성 가상 머신을 추천하는 방법인 가상 머신 추천 방법에 있어서, 상기 가상 머신 추천 시스템의 저장 정보 수집부에 의해, 이전에 생성된 가상 머신인 저장 가상 머신과 관련된 정보인 저장 정보가 수신되는 단계인 저장 정보 수신 단계; 상기 가상 머신 추천 시스템의 클러스터링부에 의해, 상기 저장 정보를 기초로 상기 저장 가상 머신이 미리 정해진 구분 방법에 의해 군집 단위로 구분되는 단계인 클러스터링 단계; 상기 가상 머신 추천 시스템의 군집 선정부에 의해, 미리 정해진 조건이 만족되는 군집이 선정되는 단계인 군집 선정 단계; 및 상기 가상 머신 추천 시스템의 추천 정보 산출부에 의해, 상기 미리 정해진 조건이 만족되는 군집인 선정 군집에 해당되는 상기 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해, 상기 생성 가상 머신의 세부적인 사항과 관련된 정보인 추천 정보가 산출되는 단계인 추천 정보 산출 단계;를 포함할 수 있다.

Description

가상 머신 추천 방법 및 이를 이용한 가상 머신 추천 시스템 {VIRTAUL MACHINE RECOMMENDATION METHOD AND VIRTUAL MACHINE RECOMMENDATION SYSTEM USING THE SAME}
본 발명은 가상 머신 추천 방법 및 이를 이용한 가상 머신 추천 시스템에 대한 것으로서, 물리 서버 상에 생성되고자 하는 가상 머신 인 생성 가상 머신을 추천하는 방법 및 이를 이용한 가상 머신 추천 시스템에 관한 것이다.
전 세계 전력사용량의 약 2%를 차지하는 데이터센터는 단일 건물 중 전력을 가장 많이 사용하는 고밀도 에너지 다소비 건물이지만, 안정성을 최우선시하는 보수적인 운영을 고수하여 비효율적인 운영 현황을 보이고 있다. 향후 사물인터넷, 빅 데이터, 클라우드 기술 등의 확산으로 인해 소규모의 데이터센터는 대규모의 데이터센터인 '하이퍼스케일', '메가' 데이터센터로 통합될 것으로 전망되는바, 인프라 확대에 따른 데이터센터 운영관리의 복잡성 또한 심화될 것으로 전망된다. 여기서, 물리 서버에 한정될 경우 서버의 자원 활용률이 현저히 낮아지기 때문에, 서버 가상화 기술을 활용하여 물리적 한계를 벗어나 서버 자원의 활용률을 높이고 있다.
여기서, 사용자가 가상 머신을 생성하기 위해서는 별도의 가상 머신의 사양 및 설치되는 프로그램을 설정을 하여야 한다. 이는, 가상 머신의 사양을 설정하는 것에 대해서 익숙하지 않은 사람일 경우에는 다소 복잡한 과정일 수 있다. 구체적으로, 만일 원래 사용할 사양보다 가상 머신의 사양이 부족할 경우, 사용자는 이용에 불편함을 느낄 수 있고, 반대로, 원래 사용할 사양보다 가상 머신의 사양이 과잉 되는 경우, 사용자는 불 필요한 가상 머신 활용 과금을 부과할 수 있다.
다만, 최근에 사용자의 목적에 최적화된 가상 머신을 추천받고자 하는 요구는 끊임없이 증가하고 있으나, 이를 제공해 주는 서비스는 없다. 이로 인하여, 적절한 가상 머신을 사용자에게 제공하지 못하여, 상술한 문제를 포함한 각종 문제가 발생되고 있다.
한국공개특허공보 제10-2012-0116773호, 2012.10.23, 공개 (명칭 : 클라우드 컴퓨팅 서비스 센터 추천 방법)
본 발명은 사용자에게 적합한 가상 머신을 추천하는 가상 머신 추천 방법 및 이를 이용한 가상 머신 추천 시스템을 제공하고자 한다.
다만, 본 발명이 해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 가상 머신 추천 방법은, 가상 머신 추천 시스템을 활용하여 물리 서버 상에서 생성되고자 하는 가상 머신인 생성 가상 머신을 추천하는 방법인 가상 머신 추천 방법에 있어서, 상기 가상 머신 추천 시스템의 저장 정보 수집부에 의해, 이전에 생성된 가상 머신인 저장 가상 머신과 관련된 정보인 저장 정보가 수신되는 단계인 저장 정보 수신 단계; 상기 가상 머신 추천 시스템의 클러스터링부에 의해, 상기 저장 정보를 기초로 상기 저장 가상 머신이 미리 정해진 구분 방법에 의해 군집 단위로 구분되는 단계인 클러스터링 단계; 상기 가상 머신 추천 시스템의 군집 선정부에 의해, 미리 정해진 조건이 만족되는 군집이 선정되는 단계인 군집 선정 단계; 및 상기 가상 머신 추천 시스템의 추천 정보 산출부에 의해, 상기 미리 정해진 조건이 만족되는 군집인 선정 군집에 해당되는 상기 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해, 상기 생성 가상 머신의 세부적인 사항과 관련된 정보인 추천 정보가 산출되는 단계인 추천 정보 산출 단계;를 포함할 수 있다.
또한, 상기 가상 머신 추천 시스템의 초기 정보 수집부에 의해 상기 생성 가상 머신의 생성 계획과 관련된 정보인 계획 정보가 수신되는 단계인 초기 정보 수신 단계;를 더 포함하고, 상기 미리 정해진 구분 방법은, 상기 생성 계획에 영향을 미치는 구분 기준을 기초로 상기 저장 가상 머신을 군집 단위로 구분하는 방법일 수 있다.
또한, 상기 미리 정해진 조건은, 상기 생성 계획과 대응되는 조건일 수 있다.
또한, 상기 미리 정해진 산출 방법은, 상기 생성 가상 머신의 세부적인 사양과 관련된 정보인 생성 사양 정보를 산출하는 방법인 제1 산출 방법을 구비하고, 상기 제1 산출 방법은, 상기 선정 군집 상의 상기 저장 가상 머신 중에서 미리 정해진 선정 조건이 만족되는 가상 머신 만을 기초로 미리 정해진 계산 방법에 의해 상기 생성 사양 정보가 산출되는 방법일 수 있다.
또한, 상기 미리 정해진 선정 조건은, 가상 머신의 오류와 관련된 미리 정해진 기준에 상기 저장 가상 머신이 만족되는지에 대한 조건일 수 있다.
또한, 상기 미리 정해진 계산 방법은, 상기 미리 정해진 선정 조건이 만족되는 상기 저장 가상 머신들의 사양에 대해서 평균 내는 방법일 수 있다.
또한, 상기 미리 정해진 산출 방법은, 상기 생성 가상 머신에 설치될 수 있는 프로그램과 관련된 정보인 생성 프로그램 정보를 산출하는 방법인 제2 산출 방법을 구비하고, 상기 제2 산출 방법은, 상기 선정 군집 상의 상기 저장 가상 머신들 중에서 소정 기준 이상의 가상 머신들에 공통적으로 설치되어 있는 프로그램들의 정보인 생성 프로그램 정보를 산출하는 방법일 수 있다.
또한, 상기 제2 산출 방법은, 상기 선정 군집 상의 상기 저장 가상 머신 중에서 미리 정해진 선정 조건이 만족되는 가상 머신 만을 기초로 산출될 수 있다.
본 발명의 일 실시예에 따른 가상 머신 추천 방법은, 가상 머신 추천 시스템을 활용하여 물리 서버 상에서 생성되고자 하는 가상 머신인 생성 가상 머신을 추천하는 방법인 가상 머신 추천 방법에 있어서, 상기 가상 머신 추천 시스템의 초기 정보 수집부에 의해, 상기 생성 가상 머신의 생성 계획과 관련된 정보인 계획 정보가 수신되는 단계인 초기 정보 수신 단계; 생성된 가상 머신인 저장 가상 머신과 관련된 정보인 저장 정보를 기초로 상기 생성 계획과 연관된 구분 기준에 의해 상기 저장 가상 머신이 구분된 군집들 중에서, 상기 가상 머신 추천 시스템의 군집 선정부에 의해 상기 생성 계획과 대응되는 군집이 선정되는 단계인 군집 선정 단계; 및 상기 가상 머신 추천 시스템의 추천 정보 산출부에 의해, 선정된 군집인 선정 군집에 해당되는 상기 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해, 상기 생성 가상 머신의 세부적인 사항과 관련된 정보인 추천 정보가 산출되는 단계인 추천 정보 산출 단계;를 포함할 수 있다.
또한, 상기 미리 정해진 산출 방법은, 상기 생성 가상 머신의 세부적인 사양과 관련된 정보인 생성 사양 정보를 산출하는 방법인 제1 산출 방법 및 상기 생성 가상 머신에 설치될 수 있는 프로그램과 관련된 정보인 생성 프로그램 정보를 산출하는 방법인 제2 산출 방법을 구비할 수 있다.
또한, 상기 제1 산출 방법은, 상기 선정 군집 상의 상기 저장 가상 머신 중에서 가상 머신의 오류와 관련된 조건인 미리 정해진 선정 조건이 만족되는 가상 머신 만을 기초로 미리 정해진 계산 방법에 의해 상기 생성 사양 정보가 산출되는 방법이고, 상기 제2 산출 방법은, 상기 선정 군집 상의 상기 저장 가상 머신들 중에서 소정 기준 이상의 가상 머신들에 공통적으로 설치되어 있는 프로그램들의 정보인 생성 프로그램 정보를 산출하는 방법일 수 있다.
본 발명의 일 실시예에 따른 가상 머신 추천 시스템은, 물리 서버 상에서 생성되고자 하는 가상 머신인 생성 가상 머신을 추천하는 방법인 가상 머신 추천 방법을 수행하는 가상 머신 추천 시스템에 있어서, 생성된 가상 머신인 저장 가상 머신과 관련된 정보인 저장 정보를 수신하는 저장 정보 수집부; 상기 저장 정보를 활용하여 상기 저장 가상 머신을 미리 정해진 구분 방법에 의해 군집 단위로 구분하는 클러스터링부; 미리 정해진 조건이 만족되는 군집을 선정하는 군집 선정부; 및 상기 미리 정해진 조건이 만족되는 군집인 선정 군집에 해단되는 상기 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해 상기 생성 가상 머신의 세부적인 사항과 관련된 정보인 추천 정보를 산출하는 추천 정보 산출부;를 포함할 수 있다.
또한, 상기 생성 가상 머신의 생성 계획과 관련된 정보인 계획 정보를 수신하는 초기 정보 수집부;를 더 포함하고, 상기 미리 정해진 구분 방법은, 상기 생성 계획과 연관된 구분 기준을 기초로 상기 저장 가상 머신을 군집 단위로 구분하는 방법일 수 있다.
본 발명의 일 실시예에 따른 가상 머신 추천 시스템은, 물리 서버 상에서 생성되고자 하는 가상 머신인 생성 가상 머신을 추천하는 방법인 가상 머신 추천 방법을 수행하는 가상 머신 추천 시스템에 있어서, 상기 생성 가상 머신의 생성 계획과 관련된 정보인 계획 정보를 수신하는 초기 정보 수집부; 생성된 가상 머신인 저장 가상 머신과 관련된 정보인 저장 정보를 기초로, 상기 생성 계획과 연관된 구분 기준에 의해 상기 저장 가상 머신이 구분된 군집들 중에서 상기 생성 계획과 대응되는 군집을 선정하는 군집 선정부; 및 선정된 군집인 선정 군집에 해당되는 상기 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해 상기 생성 가상 머신의 세부적인 사항과 관련된 정보인 추천 정보를 산출하는 추천 정보 산출부;를 포함할 수 있다.
본 발명에 따른 가상 머신 추천 방법 및 이를 이용한 가상 머신 추천 시스템은 사용자에게 불필요한 경제적 손실을 예방할 수 있다.
또한, 원활하게 가동될 수 있는 가상 서버를 사용자에게 추천할 수 있다.
다만, 본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 가상 머신 추천 시스템과 관련된 관계도
도 2는 본 발명의 일 실시예에 따른 가상 머신 추천 시스템의 구성 블록도
도 3은 본 발명의 일 실시예에 따른 가상 머신 추천 방법에 대한 순서도
도 4는 본 발명의 일 실시예에 따른 가상 머신 추천 방법의 초기 정보 수신 단계를 설명하기 위한 도면
도 5는 본 발명의 일 실시예에 따른 가상 머신 추천 방법의 클러스터링 단계를 설명하기 위한 도면
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다.
또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 가상 머신 추천 시스템과 관련된 관계도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 가상 머신 추천 시스템(100)은 사용자 장치(10), 물리 서버(20) 및/또는 저장 정보 데이터베이스(30)는 네트워크를 통하여 서로 정보 통신이 가능하도록 연결될 수 있다.
여기서, 네트워크는 무선 또는 유선의 통신망을 통칭하며, 통신망의 종류는 한정되지 않을 수 있다.
사용자 장치(10)는 상기 물리 서버(20) 상에 할당되는 가상 서버를 이용하는 장치를 의미하는 것일 수 있다.
상기 물리 서버(20)는 가상 서버에 대한 이미지를 상기 사용자 장치(10)로 전달할 수 있다.
또한, 상기 물리 서버(20)는 상기 가상 서버가 동작되는데 필요한 연산을 수행하고 필요한 정보를 저장할 수 있다.
일례로, 사용자 장치(10)는 데스트톱(Desktop), 태블릿 컴퓨터(Tablet PC), 노트북, 넷북(Net book), 스마트폰(Smart Phone), 스마트 패드(Smart Pad) 등 일 수 있으며, 특히, 웹 서비스, 이메일 서비스, 동영상 플레이 서비스 등과 같은 서비스를 제공하는 서버(Server) 형태일 수 있다.
물리 서버(20)는 가상 머신이 실행될 수 있는 하드웨어 플랫폼을 의미할 수 있다.
일례로, 상기 물리 서버는 통상적인 데스크톱, 서버 컴퓨터, 랩톱 컴퓨터 또는 휴대 전화 등과 같은 것일 수 있다.
다만, 이에 한정하지 않고 상기 물리 서버는 가상 머신이 실행될 수 있는 모든 수단을 포함하는 개념일 수 있다.
저장 정보 데이터베이스(30)는 상기 물리 서버(20)에 존재하였던 가상 머신에 대한 대한 정보인 저장 정보가 저장되어 있을 수 있다.
저장 정보 데이터베이스(30)는 상기 물리 서버(20)에 생성되었던 가상 머신 및/또는 상기 물리 서버(20)에 생성된 가상 머신에 대한 정보인 저장 정보가 저장되어 있을 수 있다.
이는, 상기 물리 서버(20)에 의해 저장 정보가 상기 저장 정보 데이터베이스(30)에 저장될 수 있다.
다만, 이에 한정하지 않고 상기 가상 머신 추천 시스템(100)에 의해 상기 저장 정보가 상기 저장 정보 데이터베이스(30)에 저장될 수 있다.
또한, 이에 한정하지 않고 별도의 장치에 의해 상기 저장 정보가 상기 저장 정보 데이터베이스(30)에 저장될 수 있다.
저장 정보는 저장 가상 머신의 사양에 대한 정보인 저장 사양 정보 및 저장가상 머신에 설치된 프로그램에 대한 정보인 저장 프로그램 정보를 포함할 수 있다.
일례로, 저장 사양 정보는 가상 머신에 할당된 CPU, MEMORY에 대한 정보일 수 있다.
다만, 이에 한정하지 않고 상기 저장 사양 정보는 통상의 기술자에게 자명한 수준에서, 가상 머신의 사양과 관련된 모든 정보를 포함할 수 있다.
일례로, 저장 프로그램 정보는 가상 머신에 설치된 유틸 프로그램에 대한 정보에 대한 것일 수 있다.
다만, 이에 한정하지 않고 상기 저장 프로그램 정보는 통상의 기술자에게 자명한 수준에서, 가상 머신에 설치된 프로그램과 관련된 모든 정보를 포함할 수 있다.
일례로, 저장 프로그램 정보는 가상 머신에 설치된 시스템 프로그램에 대한 정보에 대한 것일 수 있다.
사용자는 상기 물리 서버(20)에 가상 머신을 생성하고자 할 수 있다.
여기서, 사용자가 물리 서버(20) 상에 만들고자 하는 새로운 가상 머신을 생성 가상 머신이라고 명명할 수 있다.
사용자는 상기 사용자 장치(10)에 가상 머신을 사용하고자 하는 목적(생성 계획)을 입력하고, 상기 생성 계획에 대한 정보(데이터)인 계획 정보는 상기 가상 머신 추천 시스템(100)으로 전달될 수 있다.
도 2는 본 발명의 일 실시예에 따른 가상 머신 추천 시스템의 구성 블록도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 가상 머신 추천 시스템은 물리 서버 상에서 생성되고자 하는 가상 머신인 생성 가상 머신을 추천하는 방법인 가상 머신 추천 방법을 수행하는 가상 머신 추천 시스템에 있어서, 정보 처리 연산을 수행하는 연산부(120), 상기 가상 머신 추천 시스템 이외의 다른 곳으로부터 정보를 송수신하는 송수신부(110) 및 상기 연산부(120)와 상기 송수신부(110)가 기능하는데 필요한 정보가 저장되어 있는 메모리부(130)를 구비할 수 있다.
송수신부(110)는 상기 생성 가상 머신의 생성 계획과 관련된 정보인 계획 정보를 수신하는 초기 정보 수집부(111), 상기 저장 정보 데이터베이스로부터 생성된 가상 머신인 저장 가상 머신과 관련된 정보인 저장 정보를 수신하는 저장 정보 수집부(112) 및 후술하는 추천 정보를 상기 물리 서버 및/또는 상기 사용자 장치로 송신하는 추천 정보 송신부(113)를 구비할 수 있다.
연산부(120)는 상기 저장 정보를 활용하여 상기 저장 가상 머신을 미리 정해진 구분 방법에 의해 군집 단위로 구분하는 클러스터링부(122), 미리 정해진 조건이 만족되는 군집을 선정하는 군집 선정부(121) 및 선정된 군집인 선정 군집에 해당되는 상기 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해 상기 생성 가상 머신의 세부적인 사항과 관련된 정보인 추천 정보를 산출하는 추천 정보 산출부(123)를 구비할 수 있다.
또한, 상기 연산부(120)는 상기 초기 정보 수집부(111)에 의해 전달된 계획 정보를 이용하여 후술하는 구분 기준에 영향을 받는 정보인 도출 계획 정보를 산출하는 계획 정보 도출부(124)를 더 구비할 수 있다.
메모리부(130)는 상기 송수신부(110)가 송/수신한 정보를 저장할 수 있다.
또한, 상기 메모리부(130)는 상기 연산부(120)가 기능하는데 필요하거나 상기 연산부(120)가 산출한 정보들을 저장할 수 있다.
상기 송수신부(110), 상기 연산부(120) 및/또는 상기 메모리부(130)는 서로 정보 통신 가능하게 연결될 수 있다.
상기 송수신부(110), 상기 연산부(120) 및/또는 상기 메모리부(130)가 연결되는 방법은 무선 또는 유선을 모두 포함할 수 있다.
이하, 가상 머신 추천 시스템을 활용하여 가상 머신 추천 방법을 수행하는 방법에 대해서 자세하게 서술하도록 한다.
도 3은 본 발명의 일 실시예에 따른 가상 머신 추천 방법에 대한 순서도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 가상 머신 추천 방법은, 가상 머신 추천 시스템을 활용하여 물리 서버 상에서 생성되고자 하는 가상 머신인 생성 가상 머신을 추천하는 방법인 가상 머신 추천 방법에 있어서, 상기 가상 머신 추천 시스템의 초기 정보 수집부에 의해, 상기 생성 가상 머신의 생성 계획과 관련된 정보인 계획 정보가 수신되는 단계인 초기 정보 수신 단계(S110), 상기 가상 머신 추천 시스템의 저장 정보 수집부에 의해, 이전에 생성된 가상 머신인 저장 가상 머신과 관련된 정보인 저장 정보가 수신되는 단계인 저장 정보 수신 단계(S120), 상기 가상 머신 추천 시스템의 클러스터링부에 의해, 상기 저장 정보를 기초로 상기 저장 가상 머신이 미리 정해진 구분 방법에 의해 군집 단위로 구분되는 단계인 클러스터링 단계(S130), 상기 가상 머신 추천 시스템의 군집 선정부에 의해, 미리 정해진 조건이 만족되는 군집이 선정되는 단계인 군집 선정 단계(S140) 및 상기 가상 머신 추천 시스템의 추천 정보 산출부에 의해, 상기 미리 정해진 조건이 만족되는 군집인 선정 군집에 해당되는 상기 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해, 상기 생성 가상 머신의 세부적인 사항과 관련된 정보인 추천 정보가 산출되는 단계인 추천 정보 산출 단계(S150)를 포함할 수 있다.
또한, 상기 가상 머신 추천 방법은, 상기 송수신부에 의해 상기 추천 정보가 송신되는 단계인 추천 정보 송신 단계(S160)를 더 포함할 수 있다.
이하, 각 단계에 대해서 자세하게 서술하도록 한다.
도 4는 본 발명의 일 실시예에 따른 가상 머신 추천 방법의 초기 정보 수신 단계를 설명하기 위한 도면이다.
초기 정보 수신 단계에서, 물리 서버에 가상 머신을 배정 받고 싶은 사용자는 사용자 장치를 통해 가상 머신을 사용하고자 하는 목적 또는 활용 계획 등을 입력할 수 있다.
가상 서버의 목적 또는 활용 계획을 용이하게 도출하기 위해, 가상 머신 추천 시스템은 상기 사용자 장치로 질문 정보를 전달할 수 있다.
상기 사용자 장치는 상기 질문 정보를 기초로 소정의 이미지는 디스플레이 상에 표시할 수 있다.
일례로, 가상 머신 추천 시스템에서 상기 사용자 장치로 제공하는 채팅 정보를 활용하여 사용자의 가상 머신 활용 계획 등을 파악할 수 있다.
생성 계획이란 사용자가 가상 머신을 생성하려고 하는 목적, 사용 계획 등을 포함하는 것일 수 있다.
채팅 상에서 사용자가 상기 사용자 장치로 입력하는 값에 대한 정보(데이터)를 계획 정보라고 정의할 수 있다.
상기 계획 정보는 상기 사용자 장치를 통해 상기 가상 머신 추천 시스템으로 전달될 수 있다.
도 4를 참조하면, 사용자는 상기 사용자 장치(10)로부터 채팅 프로그램을 활성화시킬 수 있고, 채팅 창(P10)이 사용자 장치에 표시될 수 있다.
상기 가상 머신 추천 시스템이 채팅 정보를 제공할 수 있으며, 채팅 정보를 통해 산출된 이미지 또는 텍스트(T11)가 상기 사용자 장치 디스플레이 상에 표시될 수 있다.
상기 사용자 장치에 활성화된 채팅 프로그램을 통해 사용자의 사용 목적 또는 사용하는 사람의 수 등의 가상 머신 활용과 관련된 계획이 입력될 수 있다.
일례로, 도 4를 참조하면, 사용자가 가상 머신을 생성하려는 목적이 사내 통합 관리 서버를 위함(T12)이고, 사용 인원(T13)이 200인 것을 알 수 있다.
채팅 프로그램을 통해서 사용자가 입력한 것을 통해 산출되는 정보인 계획 정보는 상기 사용자 장치로부터 상기 초기 정보 수집부로 전달될 수 있다.
계획 정보 도출부는 상기 초기 정보 수집부로 전달된 상기 계획 정보를 기초로 후술하는 구분 기준과 연관 있는 도출 계획 정보를 산출할 수 있다.
상기 계획 정보는 사용자가 채팅 프로그램 상에서 입력되는 모든 정보를 포함한다면, 상기 도출 계획 정보는 상기 계획 정보 상에서 생성 계획과 관련되어 있는 정보만을 포함할 수 있다.
상기 도출 계획 정보는 후술하는 구분 기준이 고려되어 상기 계획 정보로부터 산출될 수 있다.
일례로, 구분 기준이 가상 머신 사용 목적이라면, 도출 계획 정보는 구분 기준으로 설정된 사용 목적과 관련된 정보로 산출될 수 있다.
구체적인 일례로서, 구분 기준이 가상 머신 사용 목적으로서 사용 목적으로 기상 서버 운영, 사내 통합 서버 운영, 홈페이지 서버 운영 등으로 설정된다면, 도출 계획 정보는 사용 목적들 중 하나의 정보로 산출될 수 있다.
도 5는 본 발명의 일 실시예에 따른 가상 머신 추천 방법의 클러스터링 단계를 설명하기 위한 도면이다.
저장 정보 수신 단(에서, 상기 저장 정보 수집부는 저장 정보 데이터베이스로부터 상기 저장 정보를 전달 받을 수 있다.
클러스터링 단계에서, 상기 클러스터링부는 상기 저장 정보를 기초로 상기 저장 정보와 대응되는 저장 가상 머신을 미리 정해진 구분 방법을 통해 군집 단위로 구분할 수 있다.
상기 미리 정해진 구분 방법 상기 생성 계획과 연관된 구분 기준을 기초로 상기 저장 가상 머신을 군집 단위로 구분하는 방법일 수 있다.
구분 기준과 생성 계획, 다른 말로 계획 정보, 또 다른 말로 도출 계획 정보가 연관된 거에 대한 자세한 설명은 상술한 내용과 중복되는 한도에서 생략될 수 있다.
도 5를 참조하면, 상기 클러스터링부는 복 수개의 군집으로 구분될 수 있다.
여기서, 구분 기준이 가상 머신의 사용 목적일 경우, 저장 가상 머신은 사용 목적 별로 구분될 수 있다.
일례로, A 군집은 기상 서버 운영을 사용 목적으로 하는 저장 가상 머신의 군집일 수 있고, B 군집은 사내 통합 서버 운영을 사용 목적으로 하는 저장 가상 머신의 군집일 수 있고, C 군집은 홈페이지 서버 운영을 사용 목적으로 하는 저장 가상 머신 군집일 수 있다.
다만, 이에 한정하는 것은 아니고 구분 기준은 사용 목적 이외의 다른 요소일 수 있다.
일례로, 구분 기준은 서버 사용자 수일 수 있다.
군집 선정 단계에서, 생성된 가상 머신인 저장 가상 머신과 관련된 정보인 저장 정보를 기초로 상기 생성 계획과 연관된 구분 기준에 의해 상기 저장 가상 머신이 구분된 군집들 중에서, 상기 가상 머신 추천 시스템의 군집 선정부에 의해 상기 생성 계획과 대응되는 군집이 선정될 수 있다.
군집 선정 단계에서, 상기 군집 선정부는 미리 정해진 조건이 만족되는 군집을 선정할 수 있다.
여기서, 미리 정해진 조건은 상기 생성 계획과 대응되는 조건을 의미할 수 있다.
다른 말로 표현하자면, 상기 미리 정해진 조건은 상기 도출 계획 정보와 대응되는 조건일 수 있다.
대응된다는 것은 서로 일치한다는 것을 의미할 수 있다.
상기 군집 선정부는 상기 도출 계획 정보와 대응되는 군집을 선정하여 후술하는 추천 정보 산출 단계를 수행할 수 있다.
일례로, 사용자의 가상 머신 사용 목적이 사내 통합 서버 운영이라면, 군집 선정부는 B 군집을 선정할 수 있다.
이와 같이, 모든 가상 머신이 아니라 구분 기준에 해당되는 저장 가상 머신만을 기초로 추천 정보를 산출하기 때문에, 더욱 정확하게 사용자 목적에 부합되게 추천 정보를 산출할 수 있다.
구체적으로 설명하자면, 가상 머신 추천 방법을 개발하는 개발자가 모든 인자들을 고려하여 정확한 가상 머신 추천 방법을 개발하기는 다소 어려운 부분이 있다.
따라서, 기존의 가상 머신들의 데이터들을 활용하여 가상 머신을 추천을 하며, 그 중에서도 생성 계획과 대응되는 가상 머신들을 기초로 추천 방법을 산출한다면, 개발자가 고려하지 못한 요소들까지 모두 고려되어, 추천 정보가 산출될 수 있는 장점이 있을 수 있다.
추천 정보 산출 단계에서, 상기 가상 머신 추천 시스템의 추천 정보 산출부에 의해, 선정된 군집인 선정 군집에 해당되는 상기 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해, 상기 생성 가상 머신의 세부적인 사항과 관련된 정보인 추천 정보가 산출될 수 있다.
추천 정보 산출 단계에서, 추천 정보 산출부는 상기 미리 정해진 조건이 만족되는 군집인 선정 군집에 해당되는 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해 상기 추천 정보를 산출할 수 있다.
상기 미리 정해진 산출 방법은 상기 생성 가상 머신의 세부적인 사양과 관련된 정보인 생성 사양 정보를 산출하는 방법인 제1 산출 방법 및 상기 생성 가상 머신에 설치될 수 있는 프로그램과 관련된 정보인 생성 프로그램 정보를 산출하는 방법인 제2 산출 방법을 구비할 수 있다.
여기서, 상기 제1 산출 방법은 상기 선정 군집 상의 상기 저장 가상 머신 중에서 미리 정해진 선정 조건이 만족되는 가상 머신 만을 기초로 미리 정해진 계산 방법에 의해 상기 사양 정보가 산출되는 방법일 수 있다.
미리 정해진 선정 조건은 가상 머신의 오류와 관련된 미리 정해진 기준에 상기 저장 가상 머신이 만족되는지에 대한 조건일 수 있다.
미리 정해진 선정 조건을 고려하는 이유는, 이상 징후가 발생되지 않거나 이상 징후가 발생되지 않을 것으로 예측되는 원활하게 가동되는 가상 머신만을 기초로 산출 방법을 수행하기 위함일 수 있다.
일례로, 미리 정해진 기준은 오류 발생 횟수를 의미하는 것일 수 있다.
다만, 이에 한정하지 않고 상기 미리 정해진 기준은 통상의 기술자에게 자명한 수준에서 다양하게 변형 될 수 잇다.
일례로, 미리 정해진 기준은 워크로드의 활용도가 90% 이상이었던 적이 있었는지에 대한 기준일 수 있다.
미리 정해진 계산 방법은 상기 미리 정해진 선정 조건이 만족되는 상기 저장 가상 머신들의 사양에 대해서 평균 내는 방법일 수 있다.
미리 정해진 계산 방법을 통해 상기 미리 정해진 선정 조건이 만족되는 상기 저장 가상 머신들의 저장 사양 정보를 기초로 생성 사양 정보가 산출될 수 있다.
일례로, B 군집에 저장 가상 머신이 총 10개 있으며, 이 중에서 미리 정해진 선정 조건이 만족되는 저장 가상 머신은 총 3 개로서, 제1 저장 가상 머신, 제2 저장 가상 머신 및 제3 저장 가상 머신이 존재할 수 있다.
여기서, 저장 사양 정보는 가상 머신에 할당된 CPU, MEMORY에 대한 정보로 가정할 수 있다.
여기서, 제1 저장 가상 머신에 할당된 CPU가 3.90 GHz이고, MEMORY가 4.00GB 이고, 제2 저장 가상 머신에 할당된 CPU가 2.90 GHz이고, MEMORY가 3.00GB 이고, 제3 저장 가상 머신에 할당된 CPU가 4.90 GHz이고, MEMORY가 5.00GB 일 수 있다.
이와 같을 경우, 추천될 가상 머신의 사양은 CPU는 3.90 GHz이고, MEMORY가 4.00GB일 수 있으며, 이에 대한 정보가 생성 사양 정보일 수 있다.
다만, 상술한 미리 정해진 계산 방법은 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
일례로, 미리 정해지 계산 방법은 오류 발생률에 대한 가중치를 고려한 저장 가상 머신들의 사양에 대해서 평균 내는 방법일 수 있다.
상기 제2 산출 방법은 상기 선정 군집 상의 상기 저장 가상 머신들 중에서 소정 기준 이상의 가상 머신들에 공통적으로 설치되어 있는 프로그램의 리스트 정보인 생성 프로그램 정보를 산출하는 방법일 수 있다.
여기서, 상기 제2 산출 방법은 상기 선정 군집 상의 상기 저장 가상 머신 중에서 상술한 미리 정해진 선정 조건이 만족되는 가상 머신 만을 기초로 산출될 수 있다.
일례로, 소정 기준은 80 %이상을 의미하는 것 일 수 있다.
다만, 이에 한정하는 것은 아니고 상기 소정 기준은 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
일례로, 미리 정해진 선정 조건이 만족되는 저장 가상 머신이 100개일 경우, 80개 이상의 가상 머신에 설치된 프로그램들에 대한 정보가 생성 프로그램 정보일 수 있다.
추천 정보는 생성 사양 정보와 생성 프로그램 정보를 구비할 수 있다.
상기 추천 정보 송신 단계에서, 상기 추천 정보 송신부가 상기 추천 정보를 상기 사용자 장치로 송신할 수 있다.
상기 사용자 장치는 상기 추천 정보를 기초로 생성 가상 머신의 사양 및 설치되면 용이한 프로그램을 이미지를 통해 추천할 수 있다.
상술한 용어 중에서 정보의 의미는 컴퓨터 상에서 전달되고 저장되는 데이터를 의미할 수 있다.
첨부된 도면은 본 발명의 기술적 사상을 보다 명확하게 표현하기 위해, 본 발명의 기술적 사상과 관련성이 없거나 떨어지는 구성에 대해서는 간략하게 표현하거나 생략하였다.
상기에서는 본 발명에 따른 실시예를 기준으로 본 발명의 구성과 특징을 설명하였으나 본 발명은 이에 한정되지 않으며, 본 발명의 사상과 범위 내에서 다양하게 변경 또는 변형할 수 있음은 본 발명이 속하는 기술분야의 당업자에게 명백한 것이며, 따라서 이와 같은 변경 또는 변형은 첨부된 특허청구범위에 속함을 밝혀둔다.
10 : 사용자 장치 20 : 물리서버
30 : 저장 정보 데이터베이스

Claims (14)

  1. 가상 머신 추천 시스템을 활용하여 물리 서버 상에서 생성되고자 하는 가상 머신인 생성 가상 머신을 추천하는 방법인 가상 머신 추천 방법에 있어서,
    상기 가상 머신 추천 시스템의 저장 정보 수집부에 의해, 이전에 생성된 가상 머신인 저장 가상 머신과 관련된 정보인 저장 정보가 수신되는 단계인 저장 정보 수신 단계;
    상기 가상 머신 추천 시스템의 클러스터링부에 의해, 상기 저장 정보를 기초로 상기 저장 가상 머신이 미리 정해진 구분 방법에 의해 복 수개의 군집 단위로 구분되는 단계인 클러스터링 단계;
    상기 가상 머신 추천 시스템의 초기 정보 수집부에 의해 상기 생성 가상 머신의 생성 계획과 관련된 정보인 계획 정보가 수신되는 단계인 초기 정보 수신 단계;
    상기 초기 정보 수신 단계 후, 상기 가상 머신 추천 시스템의 군집 선정부에 의해, 미리 정해진 조건이 만족되는 군집이 선정되는 단계인 군집 선정 단계; 및
    상기 가상 머신 추천 시스템의 추천 정보 산출부에 의해, 상기 미리 정해진 조건이 만족되는 군집인 선정 군집에 해당되는 상기 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해, 상기 생성 가상 머신의 세부적인 사항과 관련된 정보인 추천 정보가 산출되는 단계인 추천 정보 산출 단계;를 포함하며,
    상기 미리 정해진 구분 방법은,
    상기 생성 계획에 영향을 미치는 구분 기준을 기초로 상기 저장 가상 머신을 복 수개의 상기 저장 가상 머신들로 구분되는 군집 단위로 구분하는 방법이며,
    상기 미리 정해진 조건은,
    상기 생성 계획과 대응되는 조건이며,
    상기 미리 정해진 산출 방법은,
    상기 생성 가상 머신의 세부적인 사양과 관련된 정보인 생성 사양 정보를 산출하는 방법인 제1 산출 방법을 구비하고,
    상기 제1 산출 방법은,
    상기 선정 군집 상의 상기 저장 가상 머신 중에서 미리 정해진 선정 조건이 만족되는 가상 머신 만을 기초로 미리 정해진 계산 방법에 의해 상기 생성 사양 정보가 산출되는 방법이고,
    상기 미리 정해진 선정 조건은,
    가상 머신의 오류와 관련된 미리 정해진 기준에 상기 저장 가상 머신이 만족되는지에 대한 조건인,
    가상 머신 추천 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제1항에 있어서,
    상기 미리 정해진 계산 방법은,
    상기 미리 정해진 선정 조건이 만족되는 상기 저장 가상 머신들의 CPU사용 또는 메모리 사양에 대해서 평균 내는 방법인,
    가상 머신 추천 방법.
  7. 제1항에 있어서,
    상기 미리 정해진 산출 방법은,
    상기 생성 가상 머신에 설치될 수 있는 프로그램의 리스트와 관련된 정보인 생성 프로그램 정보를 산출하는 방법인 제2 산출 방법을 더 구비하고,
    상기 제2 산출 방법은,
    상기 선정 군집 상의 상기 저장 가상 머신들 중에서 소정 기준 이상의 가상 머신들에 공통적으로 설치되어 있는 프로그램의 리스트와 관련된 정보인 생성 프로그램 정보를 산출하는 방법인,
    가상 머신 추천 방법.
  8. 제7항에 있어서,
    상기 제2 산출 방법은,
    상기 선정 군집 상의 상기 저장 가상 머신 중에서 상기 미리 정해진 선정 조건이 만족되는 가상 머신 만을 기초로 산출되는,
    가상 머신 추천 방법.
  9. 가상 머신 추천 시스템을 활용하여 물리 서버 상에서 생성되고자 하는 가상 머신인 생성 가상 머신을 추천하는 방법인 가상 머신 추천 방법에 있어서,
    상기 가상 머신 추천 시스템의 초기 정보 수집부에 의해, 상기 생성 가상 머신의 생성 계획과 관련된 정보인 계획 정보가 수신되는 단계인 초기 정보 수신 단계;
    상기 초기 정보 수신 단계 후, 이전에 생성된 가상 머신인 저장 가상 머신과 관련된 정보인 저장 정보를 기초로 상기 생성 계획과 연관된 구분 기준에 의해 상기 저장 가상 머신이 구분된 군집들 중에서, 상기 가상 머신 추천 시스템의 군집 선정부에 의해 상기 생성 계획과 대응되는 군집이 선정되는 단계인 군집 선정 단계; 및
    상기 가상 머신 추천 시스템의 추천 정보 산출부에 의해, 선정된 군집인 선정 군집에 해당되는 상기 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해, 상기 생성 가상 머신의 세부적인 사항과 관련된 정보인 추천 정보가 산출되는 단계인 추천 정보 산출 단계;를 포함하며,
    상기 미리 정해진 산출 방법은,
    상기 생성 가상 머신의 세부적인 사양과 관련된 정보인 생성 사양 정보를 산출하는 방법인 제1 산출 방법을 구비하고,
    상기 제1 산출 방법은,
    상기 선정 군집 상의 상기 저장 가상 머신 중에서 미리 정해진 선정 조건이 만족되는 가상 머신 만을 기초로 미리 정해진 계산 방법에 의해 상기 생성 사양 정보가 산출되는 방법이며,
    상기 미리 정해진 선정 조건은,
    가상 머신의 오류와 관련된 미리 정해진 기준에 상기 저장 가상 머신이 만족되는지에 대한 조건인,
    가상 머신 추천 방법.
  10. 제9항에 있어서,
    상기 미리 정해진 산출 방법은,
    상기 생성 가상 머신에 설치될 수 있는 프로그램의 리스트와과 관련된 정보인 생성 프로그램 정보를 산출하는 방법인 제2 산출 방법을 더 구비하는,
    가상 머신 추천 방법.
  11. 제10항에 있어서,
    상기 제2 산출 방법은,
    상기 선정 군집 상의 상기 저장 가상 머신들 중에서 소정 기준 이상의 가상 머신들에 공통적으로 설치되어 있는 프로그램의 리스트인 생성 프로그램 정보를 산출하는 방법인,
    가상 머신 추천 방법.
  12. 물리 서버 상에서 생성되고자 하는 가상 머신인 생성 가상 머신을 추천하는 방법인 가상 머신 추천 방법을 수행하는 가상 머신 추천 시스템에 있어서,
    이전에 생성된 가상 머신인 저장 가상 머신과 관련된 정보인 저장 정보를 수신하는 저장 정보 수집부;
    상기 저장 정보를 활용하여 상기 저장 가상 머신을 미리 정해진 구분 방법에 의해 군집 단위로 구분하는 클러스터링부;
    미리 정해진 조건이 만족되는 군집을 선정하는 군집 선정부; 및
    상기 미리 정해진 조건이 만족되는 군집인 선정 군집에 해당되는 상기 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해 상기 생성 가상 머신의 세부적인 사항과 관련된 정보인 추천 정보를 산출하는 추천 정보 산출부;를 포함하고,
    상기 미리 정해진 구분 방법은,
    상기 생성 가상 머신의 생성 계획에 영향을 미치는 구분 기준을 기초로 상기 저장 가상 머신을 복 수개의 상기 저장 가상 머신들로 구분되는 군집 단위로 구분하는 방법이며,
    상기 미리 정해진 조건은,
    상기 생성 계획과 대응되는 조건이며,
    상기 미리 정해진 산출 방법은,
    상기 생성 가상 머신의 세부적인 사양과 관련된 정보인 생성 사양 정보를 산출하는 방법인 제1 산출 방법을 구비하고,
    상기 제1 산출 방법은,
    상기 선정 군집 상의 상기 저장 가상 머신 중에서 미리 정해진 선정 조건이 만족되는 가상 머신 만을 기초로 미리 정해진 계산 방법에 의해 상기 생성 사양 정보가 산출되는 방법이며,
    상기 미리 정해진 선정 조건은,
    가상 머신의 오류와 관련된 미리 정해진 기준에 상기 저장 가상 머신이 만족되는지에 대한 조건인,
    가상 머신 추천 시스템.
  13. 제12항에 있어서,
    상기 생성 가상 머신의 생성 계획과 관련된 정보인 계획 정보를 수신하는 초기 정보 수집부;를 더 포함하고,
    상기 미리 정해진 구분 방법은,
    상기 생성 계획과 연관된 구분 기준을 기초로 상기 저장 가상 머신을 군집 단위로 구분하는 방법인,
    가상 머신 추천 시스템.
  14. 물리 서버 상에서 생성되고자 하는 가상 머신인 생성 가상 머신을 추천하는 방법인 가상 머신 추천 방법을 수행하는 가상 머신 추천 시스템에 있어서,
    상기 생성 가상 머신의 생성 계획과 관련된 정보인 계획 정보를 수신하는 초기 정보 수집부;
    이전에 생성된 가상 머신인 저장 가상 머신과 관련된 정보인 저장 정보를 기초로, 상기 생성 계획과 연관된 구분 기준에 의해 상기 저장 가상 머신이 구분된 군집들 중에서 상기 생성 계획과 대응되는 군집을 선정하는 군집 선정부; 및
    선정된 군집인 선정 군집에 해당되는 상기 저장 가상 머신과 관련된 정보를 기초로 미리 정해진 산출 방법에 의해 상기 생성 가상 머신의 세부적인 사항과 관련된 정보인 추천 정보를 산출하는 추천 정보 산출부;를 포함하며,
    상기 미리 정해진 산출 방법은,
    상기 생성 가상 머신의 세부적인 사양과 관련된 정보인 생성 사양 정보를 산출하는 방법인 제1 산출 방법을 구비하고,
    상기 제1 산출 방법은,
    상기 선정 군집 상의 상기 저장 가상 머신 중에서 미리 정해진 선정 조건이 만족되는 가상 머신 만을 기초로 미리 정해진 계산 방법에 의해 상기 생성 사양 정보가 산출되는 방법이며,
    상기 미리 정해진 선정 조건은,
    가상 머신의 오류와 관련된 미리 정해진 기준에 상기 저장 가상 머신이 만족되는지에 대한 조건인,
    가상 머신 추천 시스템.
KR1020200009020A 2020-01-23 2020-01-23 가상 머신 추천 방법 및 이를 이용한 가상 머신 추천 시스템 Active KR102135210B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200009020A KR102135210B1 (ko) 2020-01-23 2020-01-23 가상 머신 추천 방법 및 이를 이용한 가상 머신 추천 시스템
KR1020200078475A KR102351426B1 (ko) 2020-01-23 2020-06-26 사용 목적에 적합한 가상 머신을 추천하는 방법 및 이를 구현하는 가상 머신 추천 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200009020A KR102135210B1 (ko) 2020-01-23 2020-01-23 가상 머신 추천 방법 및 이를 이용한 가상 머신 추천 시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020200078475A Division KR102351426B1 (ko) 2020-01-23 2020-06-26 사용 목적에 적합한 가상 머신을 추천하는 방법 및 이를 구현하는 가상 머신 추천 시스템

Publications (1)

Publication Number Publication Date
KR102135210B1 true KR102135210B1 (ko) 2020-07-17

Family

ID=71832382

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020200009020A Active KR102135210B1 (ko) 2020-01-23 2020-01-23 가상 머신 추천 방법 및 이를 이용한 가상 머신 추천 시스템
KR1020200078475A Active KR102351426B1 (ko) 2020-01-23 2020-06-26 사용 목적에 적합한 가상 머신을 추천하는 방법 및 이를 구현하는 가상 머신 추천 시스템

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020200078475A Active KR102351426B1 (ko) 2020-01-23 2020-06-26 사용 목적에 적합한 가상 머신을 추천하는 방법 및 이를 구현하는 가상 머신 추천 시스템

Country Status (1)

Country Link
KR (2) KR102135210B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024143637A1 (ko) * 2022-12-27 2024-07-04 오케스트로 주식회사 가상머신 최적배치 추천 장치 및 이를 포함하는 서버 운영 시스템
KR102569877B1 (ko) * 2022-12-27 2023-08-23 오케스트로 주식회사 가상머신 최적배치 추천 장치 및 이를 포함하는 서버 운영 시스템
KR102607458B1 (ko) * 2023-03-31 2023-11-29 오케스트로 주식회사 사용패턴에 기반한 클라우드 자원 추천 장치 및 이를 포함하는 서버 운영 시스템

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011170787A (ja) * 2010-02-22 2011-09-01 Nippon Telegraph & Telephone West Corp リソース割当装置、リソース割当方法、およびリソース割当制御プログラム
JP2011186701A (ja) * 2010-03-08 2011-09-22 Nec Corp リソース割当装置、リソース割当方法、およびリソース割当プログラム
KR20120116773A (ko) 2011-04-13 2012-10-23 주식회사 케이티 클라우드 컴퓨팅 서비스 센터 추천 방법
JP2016057898A (ja) * 2014-09-10 2016-04-21 富士通株式会社 負荷分散管理装置、制御方法およびプログラム
KR20170081404A (ko) * 2016-01-04 2017-07-12 한국전자통신연구원 가상 머신 추천 장치 및 방법
KR101867487B1 (ko) * 2016-12-23 2018-07-18 경희대학교 산학협력단 클라우드 환경에서 퍼지기반의 마이그레이션 시스템 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5767480B2 (ja) * 2011-01-31 2015-08-19 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 情報処理装置、情報処理システム、配置構成決定方法、プログラムおよび記録媒体
KR101916447B1 (ko) * 2014-10-20 2018-11-07 건국대학교 산학협력단 가상 클러스터 시스템 제공 방법 및 가상 클러스터 시스템 제공 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011170787A (ja) * 2010-02-22 2011-09-01 Nippon Telegraph & Telephone West Corp リソース割当装置、リソース割当方法、およびリソース割当制御プログラム
JP2011186701A (ja) * 2010-03-08 2011-09-22 Nec Corp リソース割当装置、リソース割当方法、およびリソース割当プログラム
KR20120116773A (ko) 2011-04-13 2012-10-23 주식회사 케이티 클라우드 컴퓨팅 서비스 센터 추천 방법
JP2016057898A (ja) * 2014-09-10 2016-04-21 富士通株式会社 負荷分散管理装置、制御方法およびプログラム
KR20170081404A (ko) * 2016-01-04 2017-07-12 한국전자통신연구원 가상 머신 추천 장치 및 방법
KR101867487B1 (ko) * 2016-12-23 2018-07-18 경희대학교 산학협력단 클라우드 환경에서 퍼지기반의 마이그레이션 시스템 및 방법

Also Published As

Publication number Publication date
KR102351426B1 (ko) 2022-01-14
KR20210095535A (ko) 2021-08-02

Similar Documents

Publication Publication Date Title
Long et al. A game-based approach for cost-aware task assignment with QoS constraint in collaborative edge and cloud environments
US10719769B2 (en) Systems and methods for generating and communicating application recommendations at uninstall time
KR102135210B1 (ko) 가상 머신 추천 방법 및 이를 이용한 가상 머신 추천 시스템
Mulia et al. Cloud workload characterization
Cheng et al. Resilient edge service placement under demand and node failure uncertainties
Koch et al. A cost analysis of cloud computing for education
JP2007241394A (ja) 分割処理管理装置及び分割処理管理システム及び演算処理実行システム及び分割処理管理方法
Zhao et al. MAESP: Mobility aware edge service placement in mobile edge networks
CN117707797A (zh) 基于分布式云平台的任务调度方法、装置及相关设备
Kim Reward-based allocation of cluster and grid resources for imprecise computation model-based applications
Zhang et al. Service pricing and selection for IoT applications offloading in the multi-mobile edge computing systems
Kaur et al. Real‐time trust aware scheduling in fog‐cloud systems
US8819239B2 (en) Distributed resource management systems and methods for resource management thereof
Ye et al. EdgeStreaming: Secure computation intelligence in distributed edge networks for streaming analytics
Hao et al. Evaluation of nine heuristic algorithms with data‐intensive jobs and computing‐intensive jobs in a dynamic environment
Shenbaga Moorthy et al. Optimal provisioning and scheduling of analytics as a service in cloud computing
US10594620B1 (en) Bit vector analysis for resource placement in a distributed system
CN112306406A (zh) 智能存储自动分级的方法、装置、存储介质及电子设备
Kang et al. An efficient scheme to ensure data availability for a cloud service provider
Liu et al. Near-data prediction based speculative optimization in a distribution environment
Cheng et al. Two-stage distributionally robust edge node placement under endogenous demand uncertainty
Huang et al. CRESP: Cost-aware recommendation-oriented edge service provision
Krishna Priya et al. Crossover-based improved sine cosine algorithm for multimedia content distribution in cloud environment
Mekala et al. ASXC $^{2} $ approach: A service-X cost optimization strategy based on edge orchestration for IIoT
JP2025513660A (ja) ネットワークにおけるスマートエネルギー管理を促進するためのシステム及び方法

Legal Events

Date Code Title Description
PA0109 Patent application

St.27 status event code: A-0-1-A10-A12-nap-PA0109

PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

PA0302 Request for accelerated examination

St.27 status event code: A-1-2-D10-D17-exm-PA0302

St.27 status event code: A-1-2-D10-D16-exm-PA0302

D13-X000 Search requested

St.27 status event code: A-1-2-D10-D13-srh-X000

D14-X000 Search report completed

St.27 status event code: A-1-2-D10-D14-srh-X000

E13-X000 Pre-grant limitation requested

St.27 status event code: A-2-3-E10-E13-lim-X000

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

St.27 status event code: A-1-2-D10-D22-exm-PE0701

A107 Divisional application of patent
PA0107 Divisional application

St.27 status event code: A-0-1-A10-A17-div-PA0107

St.27 status event code: A-0-1-A10-A16-div-PA0107

A107 Divisional application of patent
PA0107 Divisional application

St.27 status event code: A-0-1-A10-A18-div-PA0107

St.27 status event code: A-0-1-A10-A16-div-PA0107

GRNT Written decision to grant
PR0701 Registration of establishment

St.27 status event code: A-2-4-F10-F11-exm-PR0701

PR1002 Payment of registration fee

St.27 status event code: A-2-2-U10-U11-oth-PR1002

Fee payment year number: 1

PG1601 Publication of registration

St.27 status event code: A-4-4-Q10-Q13-nap-PG1601

P14-X000 Amendment of ip right document requested

St.27 status event code: A-5-5-P10-P14-nap-X000

S20-X000 Security interest recorded

St.27 status event code: A-4-4-S10-S20-lic-X000

R17-X000 Change to representative recorded

St.27 status event code: A-5-5-R10-R17-oth-X000

R18-X000 Changes to party contact information recorded

St.27 status event code: A-5-5-R10-R18-oth-X000

P14-X000 Amendment of ip right document requested

St.27 status event code: A-5-5-P10-P14-nap-X000

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 4

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 5

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 6

U11 Full renewal or maintenance fee paid

Free format text: ST27 STATUS EVENT CODE: A-4-4-U10-U11-OTH-PR1001 (AS PROVIDED BY THE NATIONAL OFFICE)

Year of fee payment: 6