earticle

영어

In container-based microservice architectures, resource allocation can often become inefficient due to workload variability, or resource bottlenecks may occur due to underprediction. This paper proposes a novel cloud resource prediction engine that combines genetic algorithms with Bayesian neural networks. The proposed technique predicts the amount of resources used by workloads on containers, considering the resource usage characteristics of CPU and memory, based on interval distributions learned from historical data. Simulations demonstrate that our approach significantly improves prediction accuracy of resource utilization compared to traditional ARIMA and exponential smoothing methods, particularly in reducing the risk of underprediction.

한국어

컨테이너 기반의 마이크로서비스 아키텍쳐에서는 워크로드의 변동으로 인해 자원이 비효율적으로 할당되거나 과소 예측으로 자원 병목이 발생하는 경우가 빈번하다. 본 논문에서는 유전 알고리즘과 베이지안 신경망을 결합한 새로 운 클라우드 자원 예측 엔진을 제안한다. 제안한 기법은 CPU와 메모리의 자원 사용 특성을 고려해서 과거 데이터로 학습된 구간 분포를 바탕으로 컨테이너 상의 워크로드가 사용하는 자원량을 예측한다. 시뮬레이선을 통해 제안 기법이 기존의 ARIMA 및 지수 평활화 기법 대비 자원 사용률에 대한 예측 정확도가 뛰어나며, 특히 과소 예측의 위험을 완화할 수 있는 것으로 확인되었다.