Earticle

현재 위치 Home

인터넷방통융합

컨테이너 환경에서 딥러닝 워크로드의 성능 분석
Performance Analysis of Deep Learning Workloads in Containerized Environments

첫 페이지 보기
  • 발행기관
    국제인공지능학회(구 한국인터넷방송통신학회) 바로가기
  • 간행물
    한국인터넷방송통신학회 논문지 KCI 등재 바로가기
  • 통권
    제25권 제2호 (2025.04)바로가기
  • 페이지
    pp.69-75
  • 저자
    박소연, 반효경
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A466881

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
The execution of deep learning workloads in containerized environments has become increasingly common. While containers offer lower overhead and greater portability compared to virtual machines, they may lead to inefficiencies in system resource utilization during workload execution. This paper investigates the overhead and inefficiencies associated with containerized execution of deep learning workloads by collecting and analyzing system call and event traces. In particular, a comparative analysis was conducted to quantitatively evaluate the overheads related to resource consumption and interference by executing identical workloads directly on the host machine and within a containerized environment. The analysis identifies periodic storage flush operations as a key source of performance bottlenecks in containerized deep learning workloads. Furthermore, it was observed that resource contention exacerbates these issues in multi-tenant environments. The findings of this study are expected to provide valuable insights for designing cloud and edge systems to optimize the execution of deep learning workloads in containerized environments.
한국어
최근 딥러닝 워크로드가 컨테이너 환경에서 실행되는 사례가 늘고 있다. 컨테이너는 가상머신에 비해 낮은 오버 헤드와 높은 이식성을 제공하지만, 딥러닝 워크로드의 실행 시 시스템 자원의 비효율적 활용 문제가 발생할 수 있다. 본 논문에서는 컨테이너 환경에서 딥러닝 워크로드 실행으로 인한 오버헤드와 비효율성을 분석하기 위해 시스템콜 및 이벤트 추적 트레이스를 수집 및 분석하였다. 특히, 동일한 워크로드를 호스트 머신에서 직접 실행한 경우와 컨테이너 환경에서 실행한 경우를 비교하여 자원 소비 및 간섭과 관련된 컨테이너 환경의 오버헤드를 정량적으로 확인하였다. 분 석 결과 딥러닝 워크로드의 컨테이너 실행 시 성능 병목을 초래하는 주요 원인으로 주기적인 스토리지 플러시 작업이 확인되었으며, 다중 테넌트 환경에서는 자원 경합으로 인해 이러한 문제가 더욱 심화됨을 확인하였다. 본 연구의 결과는 컨테이너 환경에서 딥러닝 워크로드를 효율적으로 실행하기 위한 클라우드 및 엣지 시스템 설계에 중요한 인사이트를 제공할 수 있을 것으로 기대된다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 실험 방법
Ⅲ. 결과 및 분석
Ⅳ. 결론
References

키워드

컨테이너 딥러닝 성능 가상화 워크로드 container deep learning performance virtualization workload

저자

  • 박소연 [ Soyeon Park | 준회원, 이화여자대학교 컴퓨터공학과 대학원생 ] 제1저자
  • 반효경 [ Hyokyung Bahn | 정회원, 이화여자대학교 컴퓨터공학과 교수 ] 교신저자

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제인공지능학회(구 한국인터넷방송통신학회) [The International Association for Artificial Intelligence]
  • 설립연도
    2000
  • 분야
    공학>전자/정보통신공학
  • 소개
    인터넷방송, 인터넷 TV , 방송 통신 네트워크 및 관련 분야에 대한 국내는 물론 국제적인 학술, 기술의 진흥발전에 공헌하고 지식 정보화 사회에 기여하고자 한다.

간행물

  • 간행물명
    한국인터넷방송통신학회 논문지 [The Journal of the Institute of Internet, Broadcasting and Communication]
  • 간기
    격월간
  • pISSN
    2289-0238
  • eISSN
    2289-0246
  • 수록기간
    2001~2025
  • 십진분류
    KDC 326 DDC 380

이 권호 내 다른 논문 / 한국인터넷방송통신학회 논문지 제25권 제2호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.