Earticle

서버리스 컴퓨팅은 서버 관리가 필요 없이 애플리케이션을 개발하고 실행시킬 수 있는 새로운 컴퓨팅 패러다임이다. 최근, 엔터프라이즈 애플리케이션 아키텍처가 컨테이너와 마이크로서비스로 전환됨에 따라, 서버리스 컴퓨팅 기반 의 클라우드 서비스는 운영과 관리가 어려운 마이크로 서비스의 확장과 배포가 용이하게 되었다. 이에 따라, 본 논 문에서는 서버리스 컴퓨팅을 구현할 수 있는 대표적인 3가지 오픈소스 플랫폼인 OpenFaaS, Kubeless 및 Fission 기술들을 비교하고, 배포된 함수를 이용하여 평균 응답 시간 및 응답 성공률 측정 실험을 수행하였다.

Serverless computing is a new computing paradigm which can develop and execute the application program without server management overhead. Recently, as the enterprise application architectures are evolved to container and micro-services, serverless-based cloud services make it easy to expand and distribute the micro-services. In this regard, we compared the technologies and performed an experiment to measure average response time and response success rate of distributed functions for the three typical serverless open source frameworks: OpenFaaS, Kubeless and Fission.

서비스 메시(Service mesh)는 마이크로 서비스 아키텍처(Micro Service Architecture)에서 내부 서비스들의 상 호간 서비스 호출을 가능하게 하는 기술로, 마이크로 서비스 아키텍처의 기능을 클라우드 환경에 구현한 서버리스 프레임워크에서 많이 사용되고 있다. 그러나 내부 서비스 간 서비스 호출의 증가는 전체 서비스 응답 속도를 지연시 키는 문제가 있어, 프레임워크 내부에서의 잦은 서비스 호출을 지양해야 한다. 이에 본 논문에서는 서버리스 프레임 워크의 전체 성능 저하 없는 서비스 매시의 활용 방안을 제시하였으며, 이를 위해 gRPC를 적용한 오픈소스 기반의 서버리스 프레임워크인 OpenFx를 활용하여 구현된 서비스 매시의 성능 및 기능을 검증하였다. 이는 서버리스 프 레임워크를 대상으로 서비스 배포 및 관리를 위한 서비스 개발자에게 도움이 될 것이다.

Service mesh is a technology that enables service calls between internal services in a micro service architecture, and is widely used in a serverless framework that implements the functions of a micro service architecture in a cloud environment. However, the increase in service calls between internal services has a problem of delaying the overall service response speed, so frequent service calls within the framework should be avoided. Therefore, in this paper, a method of using service mesh without deteriorating the overall performance of the serverless framework was proposed, and for this purpose, the performance and function of the implemented service mesh was verified using OpenFx, an open source based serverless framework applying gRPC. This will be helpful to service developers for service distribution and management targeting serverless frameworks.

With the advent of serverless computing, cloud customers no longer needed to maintain and manage server environments directly. Instead, cloud service providers took on that role, managing and maintaining the server environment according to customer requests, a concept known as Function as a Service (FaaS). This service demonstrated improvements in operational costs and resource utilization over traditional cloud computing, offering various advantages such as enhanced scalability. However, a delay occurred in processing and returning results to user requests, a phenomenon referred to as the cold start problem. This paper proposed the Time Warming Allocation Engine (TWAE) to improve resource management and mitigate the cold start problem in Function as a Service. The proposed engine comprised a collection module, a learning module, a classification module, and an allocation module. Additionally, it utilized a list called Pre-Warming. Through this approach, it suggested directions for improving cold start issues and resource utilization according to different time periods.

최근 딥러닝(Deep Learning) 기술의 발전에 따라 컴퓨터 비전(Computer Vision) 분야의 이미지 인식 성능이 향상되고 있으며, 또한 Serverless Computing이 이벤트 기반의 클라우드 애플리케이션 개발 및 서비스를 위한 차세대 클라우드 컴퓨팅 기술로 각광받고 있어 딥러닝과 Serverless Computing 기술을 접목하여 실생활에 이미지 인식 서비스를 사용하고자 하는 시도가 증가하고 있다. 따라서 본 논문에서는 Serverless Computing 기술을 활용하여 효율적인 딥러닝 기반 이미지 인식 서비스 시스템 개발 방법을 기술한다. 제안하는 시스템은 Serverless Computing 기반 AWS Lambda Server를 이용하여 적은 비용으로 대형 신경망 모델을 사용자에게 서비스할 수 있는 방법을 제안한다. 또한 AWS Lambda Server의 단점인 Cold Start Time 문제와 용량제한 문제를 해결하여 효과적으로 대형 신경망 모델을 사용하는 Serverless Computing 시스템을 구축할 수 있음을 보인다. 실험을 통해 AWS Lambda Serverless Computing 기술을 활용하여 본 논문에서 제안한 시스템이 비용 절감뿐만 아니라 처리 시간 및 용량제한 문제를 해결하여 대형 신경망 모델을 서비스하기에 효율적인 성능을 보임을 확인하였다.

Recent advances in deep learning technology have improved image recognition performance in the field of computer vision, and serverless computing is emerging as the next generation cloud computing technology for event-based cloud application development and services. Attempts to use deep learning and serverless computing technology to increase the number of real-world image recognition services are increasing. Therefore, this paper describes how to develop an efficient deep learning based image recognition service system using serverless computing technology. The proposed system suggests a method that can serve large neural network model to users at low cost by using AWS Lambda Server based on serverless computing. We also show that we can effectively build a serverless computing system that uses a large neural network model by addressing the shortcomings of AWS Lambda Server, cold start time and capacity limitation. Through experiments, we confirmed that the proposed system, using AWS Lambda Serverless Computing technology, is efficient for servicing large neural network models by solving processing time and capacity limitations as well as cost reduction.

클라우드 환경에서 복잡한 가상 환경을 관리할 필요 없이 애플리케이션 본연의 작업에 집중하기를 원하는 사용자의 요구는 서버리스 컴퓨팅이라는 새로운 컴퓨팅 모델을 탄생시켰다. 서버리스 컴퓨팅 모델에서 사용자는 서버에서의 자원 할당이나 기타 서버 관리를 서비스 제공자에게 위임하고, 자신은 애플리케이션 코드 개발에만 집중하여 클라우드 서비스를 사용하는 것이 가능해졌다. 서버리스 컴퓨팅은 클라우드 서비스 사용자의 부담을 감소시킴으로써 클라우드 컴퓨팅의 활용도를 한 단계 업그레이드시켰으며, 향후 클라우드 컴퓨팅의 기반 모델로 자리 잡을 것으로 예상된다. 서버리스 플랫폼은 사용자를 대신하여 클라우드 가상 환경에 대한 관리를 담당하며, 애플리케이션을 구성하는 서버리스 함수를 클라우드 환경에서 실행시키는 역할을 담당한다. 사용하는 자원에 비례하여 사용자 과금이 이루어지는 서버리스 컴퓨팅의 특징을 고려 할 때 서버리스 플랫폼의 효율성은 사용자와 서비스 제공자 모두에게 매우 중요한 요소라고 볼 수 있다. 본 논문에서는 서버리스 컴퓨팅 성능에 영향을 미치는 다양한 요소를 판별하고, 관련된 최신 연구 동향을 분석하고자 한다. 그리고 분석 결과를 바탕으로 향후 서버리스 컴퓨팅의 발전 방향과 관련된 연구 방향을 논의한다.

The demand of users, who want to focus on the core functionality of their applications without having to manage complex virtual environments in the cloud environment, has created a new computing model called serverless computing. Within the serverless paradigm, resource provisioning and server administration tasks are delegated to cloud services, facilitating application development exclusively focused on program logic. Serverless computing has upgraded the utilization of cloud computing by reducing the burden on cloud service users, and it is expected to become the basic model of cloud computing in the future. A serverless platform is responsible for managing the cloud virtual environment on behalf of users, and it is also responsible for executing serverless functions that compose applications in the cloud environment. Considering the characteristics of serverless computing in which users are billed in proportion to the resources used, the efficiency of the serverless platform is a very important factor for both users and service providers. This paper aims to identify various factors that affect the performance of serverless computing and analyze the latest research trends related to it. Drawing upon the analysis, the future directions for serverless computing that address key challenges and opportunities in serverless computing are proposed.

반도체 디스플레이 기술과 정보통신 기술의 발전으로 디지털 사이니지는 기존의 단순 옥외 광고매체에서 탈피하여 이용자 맞춤 광고나 정보를 제공 및 스마트폰과 연동하여 콘텐츠 제공 가능한 시스템으로 발전하고 있다. 본 연구에서 디지털 사이니지의 작동오류의 위험성을 낮추며 비용절감을 할 수 있도록 제어 서버의 역할을 축소시키고 엣지 영역으로 서버의 역할을 최대한 분담하는 서버리스 기반 디지털 사이니지 시스템 구축 가능성에 대해 연구한다.

서버리스 컴퓨팅에는 가상머신보다 가벼운 장점을 지닌 컨테이너 기술이 많이 사용되었다. 하지만 여러 사용자들의 어플리케이션이 하나의 서버 인스턴스를 공유해서 사용하기 때문에, 취약점으로 인해서 여러 문제점이 생길 수 있다. 이에 서버리스 컴퓨팅 제공자들은 서버리스 컴퓨팅에 적합하며 보안을 강조한 기술들을 발표하고 있다. 대표적으로 구글에서 개발한 샌드박스 형태의 컨테이너 런타임을 제공하는 gVisor 와 오픈스택 재단에서 개발한 Kata Containers 가 있다. 본 논문에서는 미리 준비된 라이브러리를 공유하여 서버리스 컴퓨팅의 콜드 스타트를 완화시키는 관점에서, gVisor와 Kata Containers 환경에서 라이브러리를 불러올 때 기존의 도커 컨테이너 환경과의 차이를 비교하고 분석한다.