자율 컴퓨팅

Autonomic computing

자율 컴퓨팅(AC)은 자가 관리 특성을 가진 분산 컴퓨팅 리소스이며, 운영자와 사용자에게 내재된 복잡성을 숨기면서 예측할 수 없는 변화에 적응합니다.2001년에 IBM에 의해 시작된 이 이니셔티브는 궁극적으로 자기 관리가 가능한 컴퓨터 시스템을 개발하고, 빠르게 증가하는 컴퓨팅 시스템 관리의 복잡성을 극복하고, 복잡성이 추가적인 [1]성장에 미치는 장벽을 줄이는 것을 목표로 했습니다.

묘사

AC 시스템 개념은 높은 수준의 정책을 사용하여 적응형 의사결정을 하도록 설계되어 있습니다.상태를 지속적으로 확인하고 최적화하며 변화하는 조건에 자동으로 적응합니다.자율 컴퓨팅 프레임워크는 서로 상호작용하는 자율 컴포넌트(AC)로 구성됩니다.AC는 센서(자기 모니터링용), 이펙터(자기 조정용), 자가 및 환경 인식에 기반한 정책 활용을 위한 지식 및 플래너/어댑터를 갖춘 두 가지 주요 제어 체계(로컬 및 글로벌)의 관점에서 모델링할 수 있습니다.이 아키텍처는 Monitor-Analyze-Plan-Execute(MAPE)라고도 불립니다.

이러한 비전에 의해, 「자율 규제」자율 요소에 근거하는 다양한 아키텍처 프레임워크가 최근 제안되고 있다.이와 매우 유사한 경향은 최근 다중 에이전트 시스템 분야에서 중요한 연구를 특징으로 하고 있습니다.다만, 이러한 어프로치의 대부분은, 통상은 집중형 또는 클러스터 베이스의 서버 아키텍쳐를 염두에 둔 것으로, 복잡한 소프트웨어 시스템을 유효하게 하거나 혁신적인 서비스를 제공하는 것이 아니라, 관리 코스트의 삭감의 요구에 대응하고 있습니다.일부 자율 시스템은 느슨하게 결합된 통신 메커니즘을 [2]통해 상호작용하는 모바일 에이전트를 포함합니다.

자율성 지향 계산은 2001년 Jiming Liu가 제안한 패러다임으로 사회적 동물의 집단 행동을 모방한 인공 시스템을 사용하여 어려운 계산 문제를 해결합니다.예를 들어, 개미 군집의 최적화는 이 [3]패러다임에서 연구될 수 있다.

복잡성 증대 문제

예측에 따르면 사용 중인 컴퓨팅 디바이스는 연간 38[4]% 증가하며 각 디바이스의 평균 복잡도는 [4]증가하고 있습니다.현재 이 양과 복잡성은 고도의 기술을 가진 사람이 관리하고 있지만 숙련된 IT 인력에 대한 수요는 이미 공급을 앞지르고 있으며 인건비가 기기 비용을 최대 18:[5]1까지 초과하고 있습니다.컴퓨팅 시스템은 속도와 자동화의 큰 이점을 가져다 주었지만, 이제는 유지보수를 자동화해야 하는 엄청난 경제적 요구가 있습니다.

2003년 IEEE Computer 기사에서 Kephart와[1] Chess는 컴퓨팅 시스템과 디바이스의 상호접속성에 대한 꿈은 건축가가 상호작용의 복잡성을 예측, 설계 및 유지할 수 없는 "퍼베이시브 컴퓨팅의 악몽"이 될 수 있다고 경고했습니다.이들은 자율 컴퓨팅의 본질은 시스템 자체 관리이며, 관리자는 낮은 수준의 작업 관리에서 벗어나고 시스템 동작을 개선하는 데 있다고 말합니다.

현대 분산 컴퓨팅 시스템의 일반적인 문제점은 복잡성, 특히 관리의 복잡성이 향후 개발의 중요한 제약 요인이 되고 있다는 것입니다.대기업과 기관은 통신과 계산을 위해 대규모 컴퓨터 네트워크를 사용하고 있습니다.이러한 컴퓨터 네트워크에서 실행되는 분산 애플리케이션은 다양하고 내부 제어 프로세스에서 웹 콘텐츠 제공 및 고객 지원에 이르기까지 많은 작업을 처리합니다.

게다가 모바일 컴퓨팅은 이러한 네트워크에 급속히 보급되고 있습니다.즉, 종업원은 사외에 있는 동안에도 사내와 통신할 필요가 있습니다.다양한 형태의 무선 테크놀로지를 탑재한 노트북, 퍼스널 디지털 어시스턴트, 또는 휴대 전화를 사용하고, 기업의 데이터에 액세스 합니다.

이로 인해 컴퓨터 네트워크 전체가 매우 복잡해지기 때문에 작업자가 수동으로 제어하기 어렵습니다.수동 제어는 시간과 비용이 많이 들고 오류가 발생하기 쉽습니다.증가하는 네트워크 컴퓨터 시스템을 제어하기 위해 필요한 수동 작업은 매우 빠르게 증가하는 경향이 있습니다.

인프라스트럭처에서 발생하는 이러한 문제의 80%는 클라이언트 고유의 애플리케이션 및 데이터베이스 [citation needed]계층에서 발생합니다.대부분의 '자율' 서비스[who?] 공급자는 기본 배관 계층(전력, 하드웨어, 운영 체제, 네트워크 및 기본 데이터베이스 매개 변수)까지만 보장합니다.

자율 시스템의 특성

생각할 수 있는 해결책으로는 현대의 네트워크 컴퓨팅 시스템이 사람의 직접적인 개입 없이 스스로 관리할 수 있도록 하는 것이 있습니다.ACI(Autonomous Computing Initiative)는 자율 시스템의 기반을 제공하는 것을 목표로 합니다.그것은 [6]인체의 자율신경계에서 영감을 얻습니다.이 신경계는 의식적인 개입 없이 중요한 신체 기능(호흡, 심박수, 혈압 등)을 조절합니다.

자기관리형 자율시스템에서 인간 오퍼레이터는 시스템을 직접 제어하는 대신 자기관리 프로세스를 안내하는 일반적인 정책과 규칙을 정의하는 새로운 역할을 수행합니다.이 프로세스를 위해 IBM은 self-star(self-*, self-x 또는 auto-*라고도 함) 속성이라고 하는 다음 네 가지 유형을 정의했습니다.[7]

  1. 자기 설정:컴포넌트 자동 설정
  2. 셀프 힐링:결함 [8]자동 검출 및 수정
  3. 자기 최적화:정의된 요건에 대해 최적의 기능을 보장하기 위한 자원의 자동 감시 및 제어
  4. 자기 보호: 임의의 공격으로부터 프로 액티브한 식별과 보호를 실시합니다.

Poslad[7], Nami 및[9] Sharifi와 같은 다른 제품들은 다음과 같이 셀프 스타 세트를 확장했습니다.

  1. 자율 규제:예를 들어 QoS(Quality of Service)와 같은 일부 매개변수를 외부 제어 없이 재설정 범위 내에서 유지하기 위해 작동하는 시스템
  2. 자기학습:시스템은 외부 제어를 필요로 하지 않는 비지도 학습과 같은 기계 학습 기술을 사용한다.
  3. 자기 인식(자기 검사 및 자기 결정이라고도 함):시스템은 그 자체를 알아야 합니다.자체 자원의 범위와 링크된 자원을 알아야 합니다.시스템은 내부 컴포넌트와 외부 링크를 제어 및 관리하기 위해 인식해야 합니다.
  4. 자기 정리:시스템 외부의 명시적 압력이나 개입 없이 물리 유형 모델에 의해 구동되는 시스템 구조
  5. 셀프 생성(셀프 어셈블리, 셀프 복제라고도 함):시스템 외부의 명시적인 압력이나 개입 없이 생태적 및 사회적 유형 모델에 의해 구동되는 시스템.시스템의 구성원은 지속적으로 변화하는 전략적 요구에 대한 창의적 대응으로 복잡성과 질서를 창출하는 자기 동기 부여 및 자기 주도형입니다.
  6. 자기관리(일명 자기관리):외부 개입 없이 스스로 관리하는 시스템입니다.관리 대상은 시스템과 애플리케이션에 따라 다를 수 있습니다.자기관리란 하나의 자기스타 프로세스가 아니라 자율컴퓨팅과 같은 일련의 자기스타 프로세스를 말합니다.
  7. 자기설명(자기설명 또는 자기표현이라고도 함):시스템은 스스로 설명한다.그것은 더 이상의 설명 없이도 이해될 수 있다.
    참고 항목: 반사(컴퓨터 프로그래밍)

IBM은 자율 [10][11]시스템을 정의하는 8가지 조건을 제시했습니다.

시스템은 다음과 같이 해야 합니다.

  1. 어떤 리소스에 액세스할 수 있는지, 그 기능과 제한 사항이 무엇인지, 다른 시스템과 어떻게 연결되어 있는지, 왜 연결되어 있는지 등을 스스로 파악한다.
  2. 변화하는 컴퓨팅 환경에 따라 자동으로 구성 및 재구성할 수 있습니다.
  3. 퍼포먼스를 최적화하여 가장 효율적인 컴퓨팅 프로세스를 보장할 수 있습니다.
  4. 자체 복구 또는 라우팅 기능을 통해 발생한 문제를 회피할 수 있습니다.
  5. 시스템 전체의 보안과 무결성을 유지하기 위해 다양한 유형의 공격을 검출, 식별 및 보호한다.
  6. 주변 시스템과 상호 작용하고 통신 프로토콜을 확립하면서 환경에 적응한다.
  7. 오픈 스탠다드에 의존하며 독점적인 환경에는 존재할 수 없습니다.
  8. 사용자에게 투명성을 유지하면서 리소스에 대한 수요를 예측합니다.

자율 시스템의 목적과 행동은 시스템마다 다르지만, 모든 자율 시스템은 그 목적을 달성하기 위해 최소한의 속성을 나타낼 수 있어야 한다.

  1. 자동:이는 본질적으로 내부 기능과 작동을 스스로 제어할 수 있음을 의미합니다.따라서, 자율 시스템은 자급자족해야 하며 수동 개입이나 외부의 도움 없이 시작 및 작동할 수 있어야 합니다.시스템 부트스트랩에 필요한 지식(노하우)은 시스템 고유의 것이어야 합니다.
  2. 적응형:자율 시스템은 작동(즉, 구성, 상태 및 기능)을 변경할 수 있어야 합니다.이를 통해 시스템은 장기적(환경 맞춤/최적화) 또는 단기적(악의적 공격, 결함 등 예외적 조건) 운영 컨텍스트의 시간적 및 공간적 변화에 대처할 수 있습니다.
  3. 인식: 자율 시스템은 현재 운영이 목적에 부합하는지 여부를 평가할 수 있도록 내부 상태와 운영 컨텍스트를 모니터링(감지)할 수 있어야 합니다.인식은 상황 또는 상태 변화에 대응하여 운영 행동의 적응을 제어합니다.

진화적 수준

IBM은 자율 시스템 구축을 위해 다음과 같은 5가지 진화 수준 또는 자율 구축 모델을 정의했습니다.

  • 레벨 1은 시스템이 기본적으로 수동으로 관리되는 현재 상황을 나타내는 기본 레벨입니다.
  • 레벨 2~4에서는 관리기능의 자동화가 증가하고 있습니다.
  • 레벨 5는 자율적이고 자기 제어적인 [12]시스템의 궁극적인 목표를 나타냅니다.

설계 패턴

자율 시스템의 설계 복잡성은 모델-뷰-컨트롤러(MVC) 패턴과 같은 설계 패턴을 활용하여 단순화할 수 있으며 기능적 문제를 [13]캡슐화함으로써 관심 분리를 개선할 수 있습니다.

제어 루프

자율 시스템에서 적용될 기본 개념은 폐쇄 제어 루프입니다.이 잘 알려진 개념은 프로세스 제어 이론에서 비롯되었습니다.기본적으로 자기관리 시스템의 폐쇄형 제어 루프는 일부 자원(소프트웨어 또는 하드웨어 컴포넌트)을 감시하고 파라미터를 원하는 범위 내에서 자동으로 유지하려고 합니다.

IBM에 따르면, 이러한 제어 루프 중 수백에서 수천 개가 대규모 자가 관리 컴퓨터 시스템에서 작동할 것으로 예상됩니다.

개념 모델

AutonomicSystemModel.png

자율 시스템의 기본 구성 요소는 시스템이 외부 작동 컨텍스트를 관찰할 수 있는 감지 기능(센서i S)입니다.자율 시스템에는 목적(의도)에 대한 지식과 외부 개입 없이 스스로 작동하는 노하우(부트스트랩, 구성 지식, 감각 데이터 해석 등)가 내재되어 있습니다.자율 시스템의 실제 작동은 목적에 부합하는 올바른 결정을 내릴 책임이 있는 로직과 작동 컨텍스트 관찰(센서 입력에 기반)에 의해 결정됩니다.

이 모델은 자율 시스템의 작동이 목적 지향적이라는 사실을 강조합니다.여기에는 그 임무(예: 그것이 제공해야 할 서비스), 정책(예: 기본 행동을 정의하는 정책), 그리고 "생존 본능"이 포함됩니다.제어 시스템으로 볼 경우, 이는 피드백 오류 함수로 부호화되거나 운영 공간을 제한하는 휴리스틱스와 결합된 알고리즘으로 휴리스틱 지원 시스템에서 부호화된다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ a b Kephart, J.O.; Chess, D.M. (2003), "The vision of autonomic computing", Computer, 36: 41–52, CiteSeerX 10.1.1.70.613, doi:10.1109/MC.2003.1160055
  2. ^ Padovitz, Amir; Arkady Zaslavsky; Seng W. Loke (2003). Awareness and Agility for Autonomic Distributed Systems: Platform-Independent Publish-Subscribe Event-Based Communication for Mobile Agents. Proceedings of the 14th International Workshop on Database and Expert Systems Applications (DEXA'03). pp. 669–673. doi:10.1109/DEXA.2003.1232098. ISBN 978-0-7695-1993-7. S2CID 15846232.
  3. ^ Jin, Xiaolong; Liu, Jiming (2004), "From Individual Based Modeling to Autonomy Oriented Computation", Agents and Computational Autonomy, Lecture Notes in Computer Science, vol. 2969, p. 151, doi:10.1007/978-3-540-25928-2_13, ISBN 978-3-540-22477-8
  4. ^ a b Horn. "Autonomic Computing:IBM's Perspective on the State of Information Technology" (PDF). Archived from the original (PDF) on September 16, 2011.
  5. ^ '기술 동향', 미국 캘리포니아 버클리 대학, 2002년 3월 조사
  6. ^ http://whatis.techtarget.com/definition/autonomic-computing
  7. ^ a b Poslad, Stefan (2009). Autonomous systems and Artificial Life, In: Ubiquitous Computing Smart Devices, Smart Environments and Smart Interaction. Wiley. pp. 317–341. ISBN 978-0-470-03560-3. Archived from the original on 2014-12-10. Retrieved 2015-03-17.
  8. ^ S-Cube Network. "Self-Healing System".
  9. ^ Nami, M.R.; Sharifi, M. (2007). "A survey of autonomic computing systems". Intelligent Information Processing III. Third International Conference on Autonomic and Autonomous Systems (ICAS'07). IFIP International Federation for Information Processing. Vol. 228. pp. 26–30. doi:10.1007/978-0-387-44641-7_11. ISBN 978-0-387-44639-4. S2CID 6974127.
  10. ^ "IBM Research Autonomic Computing Overview The 8 Elements". Archived from the original on 2004-08-12. Retrieved 2021-12-27.
  11. ^ "What is Autonomic Computing? Webopedia Definition". 22 June 2004.
  12. ^ "IBM Unveils New Autonomic Computing Deployment Model". IBM. 2002-10-21.
  13. ^ Curry, Edward; Grace, Paul (2008), "Flexible Self-Management Using the Model–View–Controller Pattern", IEEE Software, 25 (3): 84, doi:10.1109/MS.2008.60, S2CID 583784

외부 링크