Earticle

Assuming a symmetric two-country economy with labor migration and efficiencywages, we investigate which of the two regimes, non-cooperation or inter-government cooperation, is advantageous. We show that not only the utility of thepolicy authority but also that of the workers is higher under inter-governmentcooperation than under non-cooperation, provided that migration flows aresufficiently sensitive to changes in real-consumption wage differentials. Our resultis in contrast to the one derived by Agiomirgianakis (1998); according to him, ina two-country economy with labor migration and labor unions, only the policyauthority can attain the higher utility under inter-government cooperation.JEL classification: F42, F22, J41, F41

실시간 마이그레이션은 데이터 센터 내에서 자원을 효율적으로 관리할 수 있도록 하는 기술이다. 그러나 대부분의 연구는 마이그레이션 Metric간 Trade-off를 고려하고 있지 않아 Qos저하의 우려가 있기 때문에 서비스 목적에 따라 다수의 Metric을 고려해야한다. 마이그레이션 시 고려되는 요소들을 분류하고 이를 복합적으로 고려할 수 있는 퍼지이론 기반의 마이그레이션 기법을 제시하고자 한다. 또한 향후 연구에 대해서도 논의한다.

실시간 마이그레이션은 데이터 센터 내에서 자원을 효율적으로 관리할 수 있도록 하는 기술이다. 그러나 대부분의 연구는 마이그레이션 Metric간 Trade-off를 고려하고 있지 않아 Qos저하의 우려가 있기 때문에 서비스 목적에 따라 다수의 Metric을 고려해야한다. 마이그레이션 시 고려되는 요소들을 분류하고 이를 복합적으로 고려할 수 있는 퍼지이론 기반의 마이그레이션 기법을 제시하고자 한다. 또한 향후 연구에 대해서도 논의한다.

최근 사물 인터넷(IoT)의 발전으로 계산 집약적이거나 지연시간에 민감한 태스크가 증가하면서, 모바일 엣지 컴퓨팅 기술이 주목받고 있지만 지상에 고정되어 있는 MEC 서버는 사용자의 요구사항 변화에 따라 서버의 위치를 변경하거나 유연하게 대처할 수 없다. 이 문제를 해결하기 위해 UAV(Unmanned Aerial Vehicle)를 추가로 이용해 엣지 서비스를 제공하는 기법이 연구되고 있다. 그러나 UAV는 지상 MEC와는 달리 배터리 용량이 제한되어 있어 태스크 마이그레이션을 통해 에너지 사용량을 최소화하는 것이 필요하다. 본 논문에서는 MEC 서버들 사이의 로드 밸런싱과 UAV MEC 서버의 에너지 효율성을 최적화하기 위해 강화학습 기법인 Q-learning을 이용한 태스크 마이그레이션 기법을 제안한다. 제안 시스템의 성능을 평가하기 위해 UAV의 개수에 따라 실험을 진행하여 잔여 에너지와 로드 밸런싱 측면에서 성능을 분석한다.

클라우드 컴퓨팅 환경은 다수의 가상서버 처리요청으로 인해 필요 자원을 충분히 제공하지 못한 경우, 특정 서버에 부하가 걸리는 문제가 발생할 수 있다. 이주관리자는 물리서버 내에 존재하는 가상서버들의 이주 효율성 향상을 위해 각 물리서버의 자원 정보를 모니터링 시스템으로부터 전달받고, 시뮬레이션 결과 값을 토대로 이주 목적지 물리서버를 결정한다. 하지만 모든 물리서버의 미래 자원 사용량을 예측하여 시뮬레이션 과정을 거쳐 이주 목적지 물리서버를 결정하는 것은 소수의 서버 네트워크 컴퓨팅 환경보다 거대하고 복잡한 클라우드 컴퓨팅 환경에서는 오버헤드가 크다. 본 논문에서는 퍼지로직 기반 이주 결정 모델(FPLM)을 제안하고 DEVS 형식론을 적용하여 이주 발생 횟수 및 성능을 비교 측정하였다. FPLM은 이주 발생 횟수 및 이주 목적지 결정 오버헤드를 감소시킴으로써 이주 발생으로 인한 물리서버 자원 사용 효율성을 증가시킨다.

If the cloud computing environment is not sufficiently provide the required resources due to the number of virtual server to process the request, may cause a problem that the load applied to the specific server. Migration administrator receive the resources of each physical server for improving the efficiency of the virtual server that exists in the physical servers, and determines the migration destination based on the simulation results. But, there is more overhead predicting the future resource consumption of all the physical server to decide the migration destination through the simulation process in large and complex cloud computing environments. To solve this problem, we propose an improved prediction method with the simulation-based approach. The proposed method is a fuzzy-logic based priority model for VM migration. We design a proposed model with the DEVS formalism. And we also measure and compare a performance and migration count with existing simulation-based migration method. FPLM shows high utilization.