본 논문에서는 복잡하고 비선형적인 특성을 가진 웹 클러스터링 시스템의 모델링을 위해 퍼지-뉴럴 네트워크 구조를 응용하여 효율적인 최적의 부하분산 알고리즘 모델을 제안한다. 기본적으로 리눅스 환경의 웹 클러스터 시스템을 바탕으로 하였으며 이는 부하를 실제 서버(리얼서버)로 분배해주는 로드밸런서와 그 하단에 실제 부하를 처리하는 여러 대의 리얼서버로 구성된다. 기존의 부하분산 방법에서는 각각의 리얼서버들에 대한 접속수 등 단편적인 판단정보를 기준으로 부하분산을 결정하였다. 즉, 리얼서버의 네트워크 처리량 중 입력에 관련된 정보만으로 부하분산을 결정하였으므로 실제 시스템 성능 향상에 적당하지 않다. 이에 대한 대안으로 리얼서버의 시스템 상태 정보로 네트워크 부하량의 입 출력 두 가지 측면 모두를 기준으로 판단한다. 즉, 로드밸런서가 리얼서버에게 요청을 전달할 때의 리얼서버 상태(접속수) 및 그 요청에 대해 클라이언트에게 응답을 보낼 때의 리얼서버 상태 등을 종합적으로 고려한다. 또한 그에 따른 시스템의 CPU 상태로만 한정하여 부하분산을 결정하지 않고 각 리얼서버의 CPU 및 메모리 상태를 모두 고려하여 보다 효과적인 부하분산 스케줄링 방법을 제안한다. 본 연구에서 제안된 방법이 기존의 방법과 비교하여 좀 더 향상된 최적화 모델을 구축하며 보다 나은 지능형 로드밸런서 모델을 생성함을 시뮬레이션을 통하여 비교 분석하였다.
This paper suggests a method to effectively apply an application model of fuzzy-neural network to the optimal load distribution algorithm, considering the complication and non-linearity of the web server environment. We use the clustering web server in the linux system and it consists of a load balancer that distributes the network loads and some of real servers that processes the load and responses to the client. The previous works considered only with the scrappy decision information such as the connections. That is, since the distribution algorithm depends on the input of the whole network throughput, it was proved inefficient in terms of performance improvement of the web server. With the proposed algorithm, it monitors the whole states of both network input and output. Then, it infers CPU and memory states of each real server and effectively distributes the requests of the clients. In this paper, the proposed model is compared with the previous method through simulations and we analysis the results to develop the optimal and intelligent load balancing model.
