ISSN 2383-630X(Print) / ISSN 2383-6296(Online)

Journal of KIISE, Vol. 42, No. 5, pp. 580-590, 2015. 5

http://dx.doi.org/10.5626/JOK.2015.42.5.580

†

††

비 회 원

종신회원

:

:

한양 학교 컴퓨터공학과

lcalmsky@gmail.com

babytaiji@hanyang.ac.kr

한양 학교 컴퓨터공학과 교수(Hanyang Univ.)

kimjs@hanyang.ac.kr

(Corresponding author임)

심사완료 : 2015년 3월 13일

(Accepted 13 March 2015)

CopyrightⒸ2015 한국정보과학회ː개인 목 이나 교육 목 인 경우, 이 작물

의 체 는 일부에 한 복사본 혹은 디지털 사본의 제작을 허가합니다. 이 때,

사본은 상업 수단으로 사용할 수 없으며 첫 페이지에 본 문구와 출처를 반드시

명시해야 합니다. 이 외의 목 으로 복제, 배포, 출 , 송 등 모든 유형의 사용행

를 하는 경우에 하여는 사 에 허가를 얻고 비용을 지불해야 합니다.

정보과학회논문지 제42권 제5호(2015. 5)

논문 수 : 2014년 3월 31일

(Received 31 March 2014)

논문수정 : 2015년 3월 10일

(Revised 10 March 2015)

데이터센터 내 효율 인 력 리를 한 온톨로지 기반 모니터링 기법

(Ontology-based Monitoring Approach for Efficient Power

Management in Datacenters)

이 정 민† 이 진

† 김 정 선

††

(Jungmin Lee) (Jin Lee) (Jungsun Kim)

요 약 최근 그린 컴퓨 의 일환으로 데이터센터의 효율 인 력 리가 부각되고 있으며, 이러한 효

율 인 데이터센터의 력 리를 해서는 서버 모니터링이 필수 이다. 하지만 기존 서버 모니터링 기법

은 주로 데이터베이스만을 이용해 리하 기 때문에, 리자는 데이터센터 데이터베이스의 구조를 명

확하게 알고 있어야 하고, 측한 데이터 간 상 계를 분석해야 한다. 한 리자는 데이터베이스에 명

시되지 않은 부분에 한 모니터링이 불가능하다. 이에 본 논문에서는 효율 인 데이터센터 내 력 리를

한 온톨로지 기반의 모니터링 기법을 제안한다. 제안된 기법은 서버 리를 한 도메인 온톨로지를 구축

하고, 구축한 온톨로지를 시맨틱 어노테이션 기술을 통해 데이터베이스와 연동하 으며, 서버의 상태 질

의문 생성에 한 규칙을 정의하 다. 그리고 제안하는 기법의 유효성 입증을 해 온톨로지 기반 모니터

링 시스템 아키텍처를 설계하고, 지식 체계를 구축하 으며, 일럿 시스템을 구 하여 검증을 실시하 다.

키워드: 데이터센터, 력 리, 온톨로지, 모니터링 기법

Abstract Recently, the issue of efficient power management in datacenters as a part of green

computing has gained prominence. For realizing efficient power management, effective power moni-

toring and analysis must be conducted for servers in a datacenter. However, an administrator should

know the exact structure of the datacenter and its associated databases, and is required to analyze

relationships among the observed data. This is because according to previous monitoring approaches,

servers are usually managed using only databases. In addition, it is not possible to monitor data that

are not indicated in databases. To overcome these drawbacks, we proposed an ontology-based moni-

toring approach. We constructed domain ontology for management servers at a datacenter, and mapped

observed data onto the constructed domain ontology by using semantic annotation. Moreover, we

defined query creation rules and server state rules. To demonstrate the proposed approach, we

designed an ontology based monitoring system architecture, and constructed a knowledge system.

Subsequently, we implemented the pilot system to verify its effectiveness.

Keywords: datacenter, power management, ontology, monitoring approach

데이터센터 내 효율 인 력 리를 한 온톨로지 기반 모니터링 기법 581

1. 서 론

세계 으로 IT서비스가 발 함에 따라 데이터센터의

규모와 수가 기하 수 으로 증가하고 있다[1]. 한 데

이터센터의 규모가 커짐에 따라 데이터센터 리에

한 요성이 부각되고 있다.

2007년에 네트워크 에머슨 워사가 15개국 2천여 명

의 데이터센터 리자를 상으로 실시한 설문조사에

따르면, 데이터센터 리의 문제 이 가용성(29%), 에

지 효율(24%), 열 도(19%), 데이터센터 통합(15%),

력소비(14%) 순으로 나타났다[2]. 이러한 문제 을 바탕

으로 데이터센터 내 장비들의 에 지 효율 력 소

모, 고객에게 보장된 서비스를 제공하는 것이 데이터센

터 리에 요한 요소라고 할 수 있다.

데이터센터 내의 장비 , 리의 향을 가장 많이

받는 것은 단연 서버이다. 하지만 실제 데이터센터에서

사용되는 서버의 약 10%는 사용되지 않고 있고, 사용되는

서버의 경우도 약 5～20%의 효율로 동작하고 있다[3].

이러한 서버들은 서버 자체 주변 설비들의 불필요한

력 소모를 유발하기 때문에 효율 인 리를 해서

는 서버에 한 모니터링이 필수 으로 선행되어야 한다.

하지만 기존의 데이터센터 리를 한 서버 모니터

링은 CPU, 메모리 사용량 등과 같은 요소들에 한 모

니터링이 각각 따로 이루어졌고, 서버 기기 자체의 효율

이나 리 정책 수립과 같은 부분에 을 두고 있다.

게다가 서버에서 측된 데이터는 주로 데이터베이스를

이용하여 모니터링 되었기 때문에 리자는 데이터의

찰 분석에 한 책임을 가진다. 데이터의 찰

분석을 해선 데이터의 검색이 선행되어야 하는데 데

이터센터 내 서버의 개별 인 요소에 한 질의를 해

서는 리자가 데이터베이스의 구조를 명확하게 알고

있어야 한다. 그 뿐만 아니라 서버와 랙의 상 계에

의해 유추할 수 있는 정보와 같이 데이터베이스에 직

명시되어 있지 않은 데이터 획득이 어렵고, 데이터베이

스는 구축한 사람에 따라 메타 정보가 달라질 수 있기

때문에 추가 인 정보 없이 의미와 용도를 악하기 힘

든 경우도 있다.

이러한 문제를 해결하기 해 본 논문에서는 데이터

센터 내 효율 인 력 리를 한 온톨로지 기반 모니

터링 기법을 제안한다. 제안하는 기법은 온톨로지를 사

용하여 력 리를 해 서버에 한 코어 도메인

온톨로지를 구축하고, 시맨틱 어노테이션 기술을 이용해

도메인 온톨로지와 데이터베이스의 칼럼을 연동한다. 그

결과 리자가 데이터베이스와 연동된 온톨로지를 명세

서로 사용할 수 있게 되어 데이터베이스의 구조를 알

필요가 없어진다. 한 서버와 랙(rack), 열(row) 간의

상 계를 반구조화 데이터로 정의하여 보다 복잡한

질의를 가능하게 해주고, 규칙을 정의할 수 있는 온톨로지

기반 언어인 SWRL(Semantic Web Rule Language)과

온톨로지에 질의할 수 있는 언어인 SQWRL(Semantic

Query-enhanced Web Rule Language)로 서버상태

악 규칙과 질의문 생성 규칙을 정의해 모니터링에 편의

를 제공한다[4].

본 논문의 2장에서는 데이터센터 리를 한 서버

모니터링과 온톨로지 기반의 근법들에 한 련 연

구들을 알아보고, 3장에서는 서버 모니터링을 한 온톨

로지 모니터링에 필요한 규칙들을 정의한다. 그리고

4장에서는 제안하는 모니터링 기법의 시스템 아키텍처

를 설명한 후 5장에서 일럿 시스템의 구 을 통해 그

실효성을 검증한다. 마지막으로 6장에서는 결론을 맺고

향후 과제를 제시한다.

2. 련 연구

이 장에서는 본 논문에서 제안하는 기법과 련된 몇

가지 선행연구들을 소개한다. 2.1 에서는 기존에 실시

되었던 서버 모니터링을 통한 효율 인 데이터센터

리를 한 연구들을 살펴보고, 2.2 에서는 온톨로지 기

반의 모니터링 기법에 한 연구 살펴본다.

2.1 서버 모니터링을 통한 데이터센터 리

동 으로 서버를 모니터링 하여 유휴 서버를 단하

고, 유휴 서버에서 소모하는 력을 차단하여 쓸모없는

력 소모를 이기 한 연구[1,5], 서버의 서비스 품질

효율 개선을 해 서버에 가해지는 부하를 자동 으

로 조정하여 리소스를 분배하는 연구[6,7] 등이 진행되

었다. 한 소 트웨어 인 에서 데이터센터의 IT

장비 리를 한 연구[8]가 진행되었다.

데이터센터 구조는 물리 으로 몇 개의 서버들이 모여

랙을 구성하고 논리 으로 몇 개의 랙들이 한 로 나열

되어 열을 구성하고 있다. 그 기 때문에 데이터센터

리자는 데이터센터의 황을 서버 단 , 랙 단 그리고

열 단 악한다. 그러나 실제로 데이터센터에서는 데

이터센터의 황을 악할 수 있는 CPU 사용량, 력

사용량과 같은 데이터를 서버 단 로만 수집하고 있으며

랙 단 , 열 단 로 악하고 싶을 때는 리자가 수집

된 서버들의 데이터를 통해 직 계산한 후에 악할 수

있다. 데이터센터의 황을 모니터링 할 때, 간에 리

자에 의한 계산이 개입되기 때문에 계산착오 같은 오류

가 발생할 여지를 내포하고 있으며, 이는 데이터의 신뢰

성을 떨어트리는 결과를 래한다. 기존 연구에서는 서

버단 모니터링만을 연구하고 있기 때문에, 의 문제

을 선행 연구를 통해서 해결하기에는 어렵다.

본 논문에서는 서버, 랙, 열 단 의 데이터를 모니터

582 정보과학회논문지 제42권 제5호(2015. 5)

그림 2 서버 모니터링을 한 온톨로지 모델

Fig. 2 Ontology model for server monitoring

링하기 한 데이터 센터 구조를 나타내는 반구조화 데

이터와 데이터 센터의 개념을 표 하는 온톨로지, 리

자의 개입 없이 데이터센터의 황을 악할 수 있도록

SWRL을 정의하 다.

2.2 온톨로지 기반 모니터링 기법

온톨로지는 정형화된 명세서로 특정 도메인의 스키마

로서의 역할을 할 수 있고, 시맨틱 어노테이션은 이질

인 데이터간의 통합이 가능하게 한다. 본 에서는 이러

한 장 들을 제안된 기법에 용하기 하여 온톨로지

가 용된 다른 도메인의 선행연구를 조사하 다.

스마트 홈 도메인에 온톨로지를 용하여 홈에 한

지식 체계를 구축하고, 구축한 지식 체계를 기반으로 모

니터링 하여 IT 장비의 에 지 효율을 높이고 력

감을 도모하는 연구가 활발히 진행되고 있다[9,10]. 한

건물의 에 지 리를 해 도메인 온톨로지를 구축하

고, 건물의 에 지 사용을 모니터링 하여 조명이나 냉난

방시설 등의 상태를 정의하는 규칙을 통해 소모 력을

이기 한 연구가 이루어지고 있다[11].

다른 도메인에서는 온톨로지를 용한 모니터링에

한 연구가 활발히 진행되고 있지만 데이터센터 도메인

에 온톨로지를 용한 연구는 활발히 이루어지지 않고

있다. 그러나 선행연구들은 본 논문에서 해결하고자 하

는 이질 데이터베이스의 통합에 해서는 다루고 있

지 않기 때문에 온톨로지 기반 모니터링 기법에 바로

용하기 어렵다.

그 기 때문에, 본 논문에서는 이질 인 데이터 집합

들의 통합을 해 시맨틱 어노테이션을 용하는 OBOE

(Extension OBservation Ontology)라는 코어 온톨로지

임워크[12]를 응용하여 데이터센터 서버 모니터링에

합한 온톨로지 기반의 시스템을 설계하고 구 하 다.

3. 서버 모니터링을 한 온톨로지 서버 모

니터링 규칙

본 논문에서 제안하는 온톨로지 기술이 용된 서버

그림 1 온톨로지 기반의 서버 모니터링 기법

Fig. 1 Ontology-based server monitoring approach

모니터링 기법의 구성은 그림 1과 같다. 서버 모니터링

모델을 한 온톨로지에는 코어 온톨로지 모델과 이 코

어 모델을 따라 구축된 도메인 온톨로지 모델 인스

턴스가 존재한다. 이 온톨로지와 SWRL, SQWRL을 이

용해 정의된 서버 모니터링 규칙을 이용해서 지식 추론

기가 동작하여 서버 모니터링 결과를 추론한다.

3.1 서버 모니터링을 한 온톨로지

서버 모니터링을 한 코어 온톨로지 모델은 OBOE

임워크에서 필요한 부분만을 상속받아 데이터센터

도메인에 합한 형태로 정의한다. OBOE 임워크는

측이 가능한 모든 도메인에 용할 수 있는 코어 온

톨로지를 제공하고 있어 생태계의 수많은 도메인에서

측 된 데이터들의 통합이 가능하다. 하지만 본 논문에

서는, 데이터센터 도메인 내에서 서버로부터 측할 수

있는 특징 값에 해서만 표 할 것이기 때문에,

OBOE 임워크를 상속은 받되, 필요한 핵심 부분만

간소화하여 정의한다. 그림 2의 검은색 바탕 클래스는

서버 모니터링을 한 코어 온톨로지를 나타낸다.

코어 온톨로지의 Entity 클래스는 데이터센터 내

측 상인 열, 랙 서버를 나타내는 클래스의 상 클래스

이다. Characteristic은 장치가 가지는 고유한 특성인

Permanent Characteristic과 센서를 통해 시간에 따라

측정될 수 있는 Temporal Characteristic의 상 클래

데이터센터 내 효율 인 력 리를 한 온톨로지 기반 모니터링 기법 583

표 1 서버 모니터링을 한 기본 인 질의문 생성을 한 규칙

Table 1 Basic query state creation rules for server monitoring

Query Rules SQWRL Expression

Permanent Characteristic

Rules

dc1):Server(?sv) ̂ dc:hasCharacteristic(?sv, ?c) ^ dc:<Permanent Characteristic>(?c) ^

dc:hasValue(?c, ?v) → select(?sv, ?v)

Temporal

Characteristic

Rules

Serverdc:Server(?sv) ^ dc:hasCharacteristic(?sv, ?c) ^ dc:<Temporal Characteristic>(?c) ̂

temporal2):hasValidTime(?c, ?t) ^ dc:hasValue(?c, ?v) → select(?sv, ?v, ?t)

Rack

dc:Rack(?rk) ^ dc:Contains(?rk, ?sv) ^ dc:Server(?sv) ̂ dc:hasCharacteristic(?sv, ?c) ^

dc:<Temporal Characteristic>(?c) ̂ temporal:hasValidTime(?c, ?t) ^ dc:hasValue(?c, ?v) ^

sqwrl:makeSet(?s, ?v) ^ <SQWRL built-in>(?o, ?s) → select(?rk, ?o, ?t)

Row

dc:Row(?rw) ^ dc:Contains(?rw, ?rk) ^ dc:Rack(?rk) ^ dc:Contains(?rk, ?sv) ^ dc:Server(?sv) ̂

dc:hasCharacteristic(?sv, ?c) ^ dc:<Temporal Characteristic>(?c) ^ temporal:hasValidTime(?c, ?t)

^ dc:hasValue(?c, ?v) ^ sqwrl:makeSet(?s, ?v) ^ <SQWRL built-in>(?o, ?s) → select(?rw, ?o, ?t)

1) dc: 데이터센터 도메인을 나타내는 네임스페이스(namespace)

2) temporal: 미리 정의된 시간 련 도메인 온톨로지에 한 네임스페이스

스이다. Permanent Characteristic은 서버가 가질 수

있는 기술 인 정보, 하드웨어 정보, 네트워크 정보 등

을 나타낸다. Temporal Characteristic은 센서나 장비

를 통해 시간에 따라 측되는 특징을 나타내기 때문에

시간에 한 Time 도메인 온톨로지[13]를 포함하여

력소모량 자원사용량을 나타낸다. Entity와 Charac-

teristic사이엔 hasCharacteristic 계가 성립하기 때문

에 데이터센터 내 장치가 고유의 특징이나 측정된 값을

가진다는 것을 알 수 있다. hasCharacteristic 객체 속

성(object property)의 정의역(domain)은 Entity, 치역

(range)은 Characteristic으로 정의된다.

코어 온톨로지를 상속받아 확장한 도메인 온톨로지

모델은 력 리를 한 서버 모니터링 지식 표 모델

이며 그림 2의 흰색 바탕 클래스로 표 된다. 도메인 온

톨로지의 Row, Rack, Server 클래스는 코어 온톨로지

의 Entity 클래스를 상속받으며 실제 데이터센터의 열

과 랙, 서버는 포함 계를 가지므로 이 클래스들 사이엔

containedIn 계(역으로 contains)가 성립한다. contai-

nedIn 객체 속성의 정의역은 Entity, 치역은 Entity로

정의된다. 도메인 온톨로지 모델은 코어 온톨로지를 상

속받았기 때문에 하 클래스가 추가되더라도 그 계

가 유지되므로 확장에 한 유연성을 가진다.

3.2 추론을 한 질의문 생성 SQWRL 규칙

본 논문에서 제안하는 기법을 통해 서버 모니터링 결

과를 추론하기 해서 크게 두 가지의 기본 인 질의문

생성규칙을 정의하 다. 이 규칙은 Permanent Charac-

teristic 규칙과 Temporal Characteristic 규칙으로 나

수 있고, 특히 Temporal Characteristic 규칙은 서버,

랙, 열에 한 세 가지 규칙으로 구성된다. Temporal

Characteristic의 경우 시간에 따라 서버에서 측되는

특징이기 때문에 열, 랙, 서버의 포함 계만 악하게

되면 데이터베이스에 표 되지 않는 개체에 해서도

생된 값을 얻을 수 있다. 를 들면, 랙에 포함된 서

버들의 력 사용량을 구해 합한 값으로 랙의 력 사

용량을 신할 수 있다. 이 때 랙 자체에서 소모되는

력은 측정되지 않는다고 가정한다.

데이터센터 내 서버의 모니터링을 해서 표 1과 같

은 기본 인 질의문 생성을 한 규칙을 SQWRL을 이

용해 정의하 다.

3.3 서버 모니터링을 한 서버상태 SWRL 규칙

본 에서는 네 가지 사례를 통해 여러 가지 서버의

상태를 나타낼 수 있는 규칙을 정의하 다.

∙유휴 서버가 발생시키는 력 소모는 CPU를 최 로

활성화시켜서 서비스 인 서버의 약 50～60%로 비효

율 인 력소모 추가 인 냉각 비용을 발생시킴

∙스토리지는 데이터 용량의 3배 이상을 미리 서버에 할

당하기 때문에 용량 력 낭비를 래함

∙임계값 이상의 과도한 CPU, 메모리, 력 사용량이 과

부하를 발생시킴

∙웹 서비스를 제공하는 서버의 속자 수 증 혹은

격한 업/다운로드 발생으로 서비스 속도가 하됨

첫 번째 사례는 유휴 서버를 단해 원을 꺼주게

되면 불필요하게 낭비되는 력 소모를 여 에 지를

효율 으로 사용할 수 있음을 시사한다. 두 번째 사례는

스토리지 서버에서 쓰이지 않는 디스크 역들을 이

고 사용되지 않는 서버의 원을 꺼주면 불필요한 스토

리지 사용과 력낭비를 일 수 있음을 나타낸다. 이

사례들을 통해서 IdleServer 규칙을 정의한다.

세 번째 사례는 과부하 서버에 해 리자가 더 이

상 추가 인 요청을 받지 않거나 다른 서버로 마이그

이션 시켜주는 등의 조치를 취해 과부하를 해소시킬 수

있음을 시사한다. 세 번째 사례를 통해서 과부하 서버를

추론할 수 있는 OverloadedServer 규칙과 마이그 이

션 시킬 서버들의 후보군을 추론할 수 있는 Migration-

CandidateServer 규칙을 정의한다.

마지막 사례의 경우 서비스 제공 속도의 개선을 해

584 정보과학회논문지 제42권 제5호(2015. 5)

표 2 서버상태에 해 SWRL로 정의한 규칙

Table 2 Defined rules for server state using SWRL

Rules SWRL Expression

Idle

Server

dc:Server(?sv) ∧ dc:hasCharacteristic(?sv, ?c) ∧ dc:<Temporal Characteristic>(?c) ∧

temporal:hasValidTime(?c, ?t) ∧ dc:hasValue(?c, ?v) ∧swrlb:lessThanOrEqual(?v, ?threshold) →

dc:IdleServer(?sv)

dc:Server(?sv) ∧ dc:hasCharacteristic(?sv, ?c) ∧ dc:<Temporal Characteristic>(?c) ∧ dc:hasValue(?c, ?v)

∧ temporal:ValidInstant(?x) ∧ temporal:after(?x, ?t1, temporal:Minutes) ∧ temporal:ValidInstant(?x) ∧

temporal:before(?x, ?t2, temporal:Minutes) ∧ <SQWRL built-in>(?v) ∧ swrlb:lessThan(?v, ?threshold)

→ dc:IdleServer(?sv)

Migration

Candidate

Server

dc:Server(?sv) ∧ dc:hasCharacteristic(?sv, ?c) ∧ dc:<Temporal Characteristic> ∧

temporal:hasValidTime(?c, ?t) ∧ dc:hasValue(?c, ?v) ∧swrlb:lessThanOrEqual(?v, ?threshold) →

dc:MigrationCandidateServer(?sv)

Overloaded

Server

dc:Server(?sv) ∧ dc:hasCharacteristic(?sv, ?c) ∧ dc:<Temporal Characteristic>(?c) ∧

temporal:hasValidTime(?c, ?t) ∧ dc:hasValue(?c, ?v) ∧swrlb:greaterThanOrEqual(?v, ?threshold) →

dc:OverloadedServer(?sv)

Reallocation

Candidate

Server

dc:Server(?sv) ^ dc:hasCharacteristic(?sv, ?c) ^ dc:<Temporal Characteristic>(?c) ^

temporal:hasValidTime(?c, ?t) ^ dc:hasValue(?c, ?v) ^ swrlb:greaterThanOrEqual(?v, ?threshold) →

dc:ReallocationCandidateServer(?sv)

dc:Server(?sv) ^ dc:hasCharacteristic(?sv, ?c) ^ dc:<Temporal Characteristic>(?c) ^ hasValue(?c, ?v) ^

temporal:ValidInstant(?x) ^ temporal:after(?x, ?t1, temporal:Minutes) ^ temporal:ValidInstant(?x) ^

temporal:before(?x, ?t2, temporal:Minutes) ^ <SQWRL built-in>(?v) ^ swrlb:greaterThanOrEqual(?v,

?threshold) → dc:ReallocationCandidateServer(?sv)

속자 요청의 재분배와 같은 조치를 통해 속도

하를 방지할 수 있음을 암시한다. 따라서 재분배시킬 서

버들의 상태를 단하여 후보군을 추론할 수 있는 Real-

locationCandidateServer를 정의하 다. 데이터센터의

서버들의 상태에 따른 한 조치를 취하기 해 서버

상태 규칙을 SWRL을 이용해 표 2와 같이 정의하 다.

서버상태에 한 규칙의 <Temporal Characteristic>

자리에는 그 규칙에 해당하는 코어 온톨로지의 Temporal

Characteristic을 상속받은 도메인 온톨로지의 클래스

하나를 입해 완성한다. 한 이 규칙들은 두 개 이상의

매개변수를 요하기 때문에 시간에 한 정보와 임계값을

설정해 주어야 한다. 서버상태에 한 규칙은 특정 시간

이나 기간에 따라 두 가지 유형으로 나뉜다. 특정 시간에

한 규칙은 서버가 가지는 Characteristic이 특정 시간

에 어떤 값을 가지는지 추론해 임계값과 비교하여 서버

의 상태를 단하게 된다. 특정 기간에 한 규칙은 서버

가 가지는 Characteristic이 특정 기간 동안 어떤 값들을

가졌는지 악하고 SQWRL 빌트인(built- in)에서 제공

하는 연산(합, 평균 등)을 이용하여 그 값을 구하여 임계

값과 비교해 서버의 상태를 단한다. 이러한 서버상태

규칙을 이용해 서버의 다양한 상태를 정의할 수 있다.

본 논문의 온톨로지 기술은 서버 모니터링을 한 코

어 온톨로지, 도메인 온톨로지 인스턴스, 서버 모니

터링 규칙이 각각 분리되어 있어 각 부분을 수정하거나

확장하기가 용이하기 때문에 모듈성을 확보하 다. 서버

모니터링을 한 코어 온톨로지는 메타모델로 정의되어

TBox를 이루며 크게 변화하지 않는다. 새로운 데이터

센터 환경에 맞춰 생성된 도메인 온톨로지 모델 인

스턴스는 ABox에 추가된다. 한 새로운 서버 모니터링

규칙이 필요할 경우 모든 규칙들은 SWRL과 SQWRL

로 정의되어 있기 때문에 쉽게 추가할 수 있다.

4. 온톨로지 기반 서버 모니터링 시스템 아키텍처

본 장에서는 서버 모니터링을 한 온톨로지 서버

모니터링 규칙을 기반으로 하는 서버 모니터링 시스템

아키텍처를 제안한다. 제안된 아키텍처는 그림 3에 표

되었으며 크게 지식 표 모델(Knowledge Represen-

tation Model)과 지식 컨트롤러(Knowledge Controller)

로 나 어진다. 그리고 사용자는 인터페이스를 통해 시

스템과 상호작용 할 수 있다.

4.1 지식 표 모델 데이터베이스

시스템을 구성하는 컴포 트 지식 표 모델은 그

림 3의 우측에 치한 Domain Ontology Model, Relation

Model, Semantic Annotation Model, Observation DB

Metadata Model을 나타낸다. 3.1 에서 언 된 서버

모니터링을 한 온톨로지 모델인 Domain Ontology

Model은 력 리를 해 서버에 한 도메인 온톨로

지를 나타내는 지식 표 모델로써 그림 2에 표 된다.

Relation Model은 데이터센터를 구성하는 서버, 랙,

열의 계를 반구조화 데이터로 나타낸 것이다. 데이터

센터에서 서버는 랙에 배치되고, 이러한 랙이 나열된 것

을 열이라고 부른다. 따라서 데이터센터 내 개체간의 상

데이터센터 내 효율 인 력 리를 한 온톨로지 기반 모니터링 기법 585

그림 3 시스템 아키텍처

Fig. 3 System architecture

그림 4 Relation Model의

Fig. 4 Example of Relation Model

계는 열이 랙을 포함하고, 랙이 서버를 포함한다.

그림 4는 Relation Model을 XML로 표 한 이다.

Relation Model에서 루트 노드(Relation)의 하 는 순

서 로 각각 열, 랙, 서버이고, 속성(attribute)으로는 각

개체에 한 id와 property를 갖는다. property는 상

노드와의 계를 나타내는데, 포함 계를 나타내는

“contained”, 연결 계를 나타내는 “connected”, 그룹

화 되었음을 나타내는 “grouped”를 가질 수 있다. 그림

3에서 데이터센터는 1개의 열과 2개의 랙에 3개의 서버

가 존재하고, 서버는 랙에, 랙은 열에 포함됨을 알 수

있다. 데이터베이스에는 서버에서 측된 정보만 장되

고 열이나 랙 단 에 해 명시되어 있지 않아 련 정

보를 얻기 어렵다. 따라서 Relation Model을 통해 개체

들의 계층 구조 정보를 얻어 온톨로지에 계를 표 해

뒤 온톨로지에 질의하게 되면, 계 추론을 통해 명

그림 5 칼럼정보 메타데이터의

Fig. 5 Example of column information metadata

시되지 않은 부분에 한 질의가 가능하다.

Observation DB Metadata Model은 Observation

DB의 구조화된 정보를 분석, 분류하고 부가 정보를

추가하기 한 지식 표 모델이다. Observation DB는

재 가용 서버의 장치 정보를 나타내는 테이블과 측

데이터를 장하는 테이블로 구성되어 있다. 본 논문에

서는 온톨로지의 클래스와 DB의 칼럼간의 매핑을 해

메타데이터를 사용하기 때문에 칼럼에 한 정보를 메

타데이터로 이용하 다. 그림 5는 서버 련 데이터에

한 칼럼정보를 XML을 이용해 메타데이터로 표 한

이다. dc 데이터베이스의 테이블 IT_DEVICE는 칼럼

을 하나 가지고 있으며, 칼럼을 식별하는 id는 col01로

표 하고 있다. 이 칼럼은 실제 데이터베이스 테이블에

서 SVR_SEQ 칼럼을 나타내며 테이블의 기본키로 사

용된다. 이 칼럼의 데이터 타입은 null값이 아닌

bigint(20)이다. 이 정보는 시맨틱 어노테이션 기술을

용하기 해 사용된다.

586 정보과학회논문지 제42권 제5호(2015. 5)

그림 6 Semantic Annotation Model의

Fig. 6 Example of Semantic Annotation Model

Semantic Annotation Model은 온톨로지 클래스와

데이터베이스 칼럼간의 의미 차이를 이기 한 매핑

정보를 나타낸다. 그림 6은 시맨틱 어노테이션을 XML

로 작성한 를 나타낸다. 그림의 윗부분은 시맨틱 템

릿(semantic template)으로 온톨로지 클래스에 한 어

노테이션 정보를 표 한다. 아랫부분은 시맨틱 템 릿에

기술된 정보와 데이터베이스의 데이터 집합을 연결하는

시맨틱 맵(semantic map)을 나타낸다. 시맨틱 템 릿

부분에서는 도메인 온톨로지의 Characteristic에 고유의

식별자를 부여하기 해 이블링(labeling)을 하고, 온

톨로지와 데이터베이스의 데이터 타입을 통일하는데 사

용되는 타입(type)을 하 노드로 갖는다. 그리고 시맨

틱 맵에서는 데이터베이스의 해당 테이블의 칼럼 정보

를 시맨틱 템 릿에서 지정하 던 이블과 매핑하는

정보를 담고 있다.

그림 6에서는 USAGE_STATE 테이블의 col01을 Server

의 ID로 매핑하고 있고, col02는 CPUUsage로 매핑하

여 해당 칼럼이 어떤 의미를 가지는지 나타내고 있다.

본 논문에서는 하나의 데이터베이스만을 사용하 기 때

문에 그림 6과 같은 를 제시하 지만, 이질 인 데이

터베이스 정보를 포함(import)하는 방식으로 사용하게

되면 그림 7과 같이 서로 다른 스키마를 가진 데이터베

이스에 같은 의미를 가지는 칼럼끼리 매핑할 수 있다.

A 데이터베이스의 SVR_SEQ와 B 데이터베이스의 SV_

ID는 서버 ID를 의미하는 것으로 서로 ID로 매핑되고

있으며, A 데이터베이스의 MODEL_NAME과 B 데이

터베이스의 MODEL_INFO는 Model을 의미하는 칼럼

으로 매핑되고 있다. 이와 같이 이질 인 데이터베이스

들의 다른 이름을 사용하고 있는 동일 개념의 칼럼들을

시맨틱 어노테이션을 통해 통합할 수 있다.

그림 7 서로 다른 데이터베이스들을 도메인 온톨로지에

매핑시키는

Fig. 7 Example of mapping different databases onto domain

ontology

4.2 지식 컨트롤러

지식 컨트롤러는 그림 3의 간에 치한 모듈들을

나타내며 역할에 따라 크게 계, 데이터베이스, 온톨로

지를 처리하는 세 부분으로 나 수 있다.

계 트(Relation Part)는 Relation Engine 모듈로

구성된다. Relation Engine은 Relation Model을 이용하

여 열, 랙, 서버간의 계를 악하고 개체가 포함하는

서버 는 해당 서버의 목록을 반환한다.

데이터베이스 트(DB Part)는 DB Engine, Semantic

Annotation Mapper, DB Query Builder, DB Query

Executor 모듈들로 구성된다. DB Engine은 DB 트

를 구성하는 모듈들에게 명령을 달하는 책임을 갖는

다. Semantic Annotation Mapper는 지식표 모델

Observation DB Metadata Model과 Semantic Anno-

tation Model을 이용하여 데이터베이스의 칼럼정보를

온톨로지의 클래스와 매핑하고, 매핑된 칼럼 정보를 반

환한다. DB Query Builder는 사용자가 입력한 정보와

매핑된 칼럼정보를 이용하여 데이터베이스에 질의하기

한 질의문을 생성하여 반환한다. 마지막으로 DB Query

Executor는 생성된 질의문을 이용해 데이터베이스에 질

의하고 결과를 얻는다.

온톨로지 트(Ontology Part)는 Ontology Engine,

Ontology Creator, Ontology Query Builder, Ontology

Query Executor 모듈들로 구성된다. Ontology Engine

은 시스템에서 온톨로지 조작과 련된 모든 명령을

리하는 책임을 갖는다. Ontology Creator는 지식표

모델 Domain Ontology Model을 이용하여 도메인

온톨로지를 메모리에 할당하고, 데이터베이스에 질의해

얻은 결과집합을 이용해 인스턴스를 생성하는 책임을

갖는다. Ontology Query Builder는 사용자가 입력한

정보를 이용해 온톨로지에 질의하기 한 질의문을 생

성한다. 생성된 질의문은 Ontology Query Executor에

달되고 Ontology Query Executor는 직 온톨로지

에 질의하여 결과 집합을 Ontology Engine에 반환한다.

데이터센터 내 효율 인 력 리를 한 온톨로지 기반 모니터링 기법 587

그림 8 시스템의 차를 나타낸 커뮤니 이션 다이어그램

Fig. 8 Communication diagram for representing operating procedure of system

4.3 온톨로지 기반 서버 모니터링 시스템 차

그림 8은 모니터링 시스템의 차를 커뮤니 이션 다

이어그램으로 표 한 것이다. 사용자는 Monitoring Sys-

tem Interface를 통해 얻고자 하는 정보(entity, IDs,

characteristics, date)를 입력 한다. 그 정보 일부

(entity, IDs)를 RelationEngine에 달하여(1) 서버

련 개체간의 계를 로드해(1.1) 서버, 랙, 열 목록

ID를 반환한다. 반환된 정보를 온톨로지의 인스턴스로

나타내기 해서 Monitoring System Interface는

Ontology Engine을 통해 인스턴스를 생성한다(2). 내부

으로 Ontology Engine은 인스턴스 생성을 Ontology

Creator에게 임하고(2.1), Ontology Creator는 Domain

Ontology Model을 불러와 인스턴스를 생성한다(2.1.1).

인스턴스 생성이 완료가 되면, Monitoring System Inter-

face는 실제 측된 값을 얻기 해 사용자 입력정보를

DB Engine에 달하고(3), DB Engine은 온톨로지의

클래스에 해당하는 데이터베이스의 칼럼 정보를 얻기

해 Semantic Annotation Mapper로 characteristic정

보를 달한다(3.1). Semantic Annotation Mapper는

Semantic Annotation Model을 이용해 데이터베이스의

칼럼정보를 얻어 DB Engine에게 결과를 반환한다(3.1.1).

사용자가 입력한 정보를 DB에 질의하기 한 정보(ser-

verList, IDs, columnInfo, date)로 변환한 후 DB Query

Builder를 통해 질의문을 생성한다(3.2). 생성된 질의문

은 DB Query Executor에게 달하여 데이터베이스에

질의한 후 결과를 DB Engine에 반환한다(3.3). 반환된

결과는 Monitoring System Interface에 달되고 Onto-

logy Engine을 통해 미리 생성해둔 인스턴스에 실제 값

을 채운다(4). 마지막으로 Monitoring System Inter-

face은 사용자가 입력한 정보를 온톨로지에 질의한다.

이 질의명령은 Ontology Engine에 달되어(5) Ontology

Query Builder를 통해 질의문을 생성한다(5.1). 생성된

질의문을 가지고 Ontology Query Executor는 온톨로

지에 사용자 명령을 질의한다(5.2). 질의 후 결과값은

사용자게 반환한다.

5. 일럿 시스템

제안하는 모니터링 시스템 아키텍처와 구축한 지식표

을 이용해 일럿 시스템을 직 구 하 다. 데이터

센터 테스트 베드는 두 개의 열에 네 개의 랙이 포함되

어 있고, 각 랙에는 3～5개의 서버가 총 17 배치하

다. 시스템에서 사용되는 데이터베이스는 장치 정보를

나타내는 테이블과 센서에 의해 서버에서 측된 값을

장하는 테이블로 이루어져 있다.

일럿 시스템은 사용자에게 인터페이스를 제공한다.

모니터링 하고자 하는 상을 선택하고 시간을 입력한

588 정보과학회논문지 제42권 제5호(2015. 5)

그림 9 일럿 시스템 인터페이스 기본 인 질의 결과

Fig. 9 Pilot system interface and result of a basic query

뒤 기본 인 질의 규칙 용이 가능하다. 그림 9는

일럿 시스템의 인터페이스 재 설정 값에 한

결과를 보여주고 있다. 서버 ID 101, 102, 103을 선택하

고, Characteristics는 NetOutBps와 NetInBps 두 가지

를 선택하 으며, 모니터링 날짜는 2013년 9월 24일 20

시로 설정 후 모니터한다. 그 결과 각 서버들의 NetOut-

Bps는 “856862.625”, “2371.080078125”, “2517.929931640625”

결과 값이 나왔으며, NetInBps는 “69418.890625”, “83472.

6796875”, “52708.46875” 결과 값이 나왔다.

기본 인 질의문 생성을 한 규칙의 검증을 해 그

림 9에서는 서버에 한 질의를 하 고 그 결과를 확인

할 수 있었다. 그림 10은 랙에 한 질의한 결과를 나타

낸다. 랙 ID 01에는 서버101, 102, 103이 포함되어 있

다. 따라서 랙 ID 01에 한 질의 결과는 그림 9에서의

질의 결과의 합(NetOutBps 합 : 861751.6350097656, Net-

InBps 합 : 205600.0390625)과 같아야 한다. 그림 10을 통

해 Rack01의 NetOutBps 값이 861751.630097656과 Net-

InBps 값이 205600.0390625로 정확하게 나온 것을 확인

할 수 있다. 이와 같이 온톨로지 클래스 간 계 추론을

통해 데이터베이스에 명시되지 않은 랙이나 열에 한

정보를 얻을 수 있음을 검증하 다.

서버의 상태 규칙을 검증하기 해 서버의 다양한 상

태에 한 규칙을 용해 보았다. 그림 11은 서버상태

규칙 CPU 사용량의 임계값을 1.0%로 설정해 Idle

Server를 단하는 규칙과 디스크 사용량을 30.0%로

설정해 Migration Candidate Server를 단하는 규칙

을 용한 결과이다. 다른 규칙들도 마찬가지로 사용자

가 임계값과 시간을 설정해주면 용 할 수 있다. 이러

한 규칙들을 통해 사용자는 서버의 다양한 상태를 악

할 수 있고 진단 결과에 따라 상황에 맞는 단을 내릴

데이터센터 내 효율 인 력 리를 한 온톨로지 기반 모니터링 기법 589

그림 10 랙에 기본 인 질의를 한 결과

Fig. 10 Result of a basic query for a rack

그림 11 서버상태 규칙을 용한 결과

Fig. 11 Result of adapting server state rules

수 있기 때문에 데이터센터 내 서버들에 해 보다 편

리하고 효율 인 리가 가능하다.

6. 결 론

본 논문에서는 데이터센터 내 효율 인 력 리를

해 도메인 온톨로지를 구축하고, 시맨틱 어노테이션

기술을 이용해 데이터베이스의 칼럼과 연동하여 서버를

모니터링 할 수 있는 기법을 제안하 다. 그리고 제안하

는 기법의 유효성을 검증하기 해 시스템 아키텍처를

설계하고, 일럿 시스템을 직 구 하여 검증을 실시

하 다.

본 논문에서 제안하는 기법을 용하면, 데이터베이스

에 명시되지 않은 정보에 한 질의가 가능하고, 이질

인 데이터베이스들의 구조를 리자가 일일이 악할

필요가 없다. 한 지식이나 시스템 자체의 변경에도 강

건한 특징을 가지게 된다. 그리고 질의 생성 규칙과 서

버상태 규칙을 통해 보다 편리하게 의미 있는 정보를

획득 하여 모니터링을 할 수 있다.

재는 로토타입이기 때문에 력 리에 가장 큰

향을 끼치는 서버 련 컴포 트에 한 리만 언

하 지만, 후에 데이터센터 내 다른 컴포 트들을 추가

하여 확장할 수 있다.

하지만 시스템에서 온토롤지를 사용하기 해서는 온

톨로지가 메모리에 상주하고 있어야하기 때문에 방 한

측 데이터들을 실시간으로 데이터베이스에 질의하고

그 결과를 다시 온톨로지 인스턴스로 생성하는 작업은

많은 시간이 소모된다. 일럿 시스템은 사용자가 질의

한 부분에 한 측데이터만 온톨로지 인스턴스로 생

성하는 방식을 취하고 있어 작업 시간을 많이 단축시켰

지만, 추가 으로 온톨로지 기반 데이터의 효율 인 표

등을 용하면 온톨로지에 인스턴스를 생성하고 질

의하는 시간을 일 수 있다. 한 모니터링이 재

590 정보과학회논문지 제42권 제5호(2015. 5)

는 과거의 측 데이터 분석을 통해 수동 으로 이루어

지고 있지만, 측 알고리즘을 용하여 미래의 측 데

이터에 한 측 분석이 가능하다면, 시스템은 자동

인 모니터링이 가능하다. 따라서 이 부분에 한 향후

연구가 필요하다.

References

[ 1 ] L. Liu, H. Wang, et al., "GreenCloud: A New Archi-

tecture for Green datacenter," Proc. of ACM ICAC-

INDST, pp. 29-38, 2009.

[ 2 ] G. Song, T. Shin, "A Study on the Introduction of

Green IT Based on the Cases of Implementing

Green Internet datacenter," Information Systems

Review, Vol. 11, No. 2, pp. 147-164, 2009. (in Korean)

[ 3 ] J. Jung, D. Kang, "Green Power Management Sys-

tem for Server Power Saving at datacenter,"

Journal of KIISE, Vol. 39, No. 1, pp. 253-255, 2012.

(in Korean)

[ 4 ] M. J. O’Connor, A. K. Das, "SQWRL: a Query

Language for OWL," Proc. of OWLED, 2009.

[ 5 ] J. Torres, D. Carrera, K. Hogan, "Reducing Wasted

Resources to Help Achieve Green datacenters,"

Proc. of IEEE IPDPS, pp. 1-8, 2008.

[ 6 ] J. S. Chase, D. C. Anderson, et al., "Managing

Energy and Server Resources in Hosting Centers,"

Proc. of ACM SOSP, pp. 103-116, 2001.

[ 7 ] G. Chen, W. He, et al., "Energy-Aware Server

Provisioning and Load Dispatching for Connection-

Intensive Internet Services," Proc. of USENIX NSDI,

pp. 337-350, 2008.

[ 8 ] W. Chedid, C. Yu, et al., "Power Analysis and

Optimization Techniques for Energy Efficient Com-

puter Systems," Advances in Computers, Vol. 63,

pp. 129-164, 2005.

[ 9 ] Y. Cheong, Y. Kim, et al., "An Ontology-Based

Reasoning Approach towards Energy-Aware Smart

Homes," Proc. of IEEE CCNC, pp. 9-12, 2011.

[10] V. Ricquebourg, D. Durand, et al., "Context inferring

in the Smart Home an SWRL approach," Proc. of

IEEE AINAW, Vol. 2, pp. 290-295, 2007.

[11] J. Han, Y. Jeong, et al., "Efficient Building Energy

Management System Based on Ontology, Inference

Rules, and Simulation," Proc. of CSIT, Vol. 5, pp. 295-

299, 2011.

[12] J. Madin, S. Bowers, et al., "An ontology for descri-

bing and synthesizing ecological observation data,"

Ecological Informatics, Vol. 2, No. 3, pp. 279-296, 2007.

[13] W3C, (2006, Sep 27), Time Ontology in OWL, W3C

Working Draft 27,[Online] Available:http://www.w3.

org/TR/owl-time/ (downloaded 2013, Oct 21)

이 정 민

2012년 한양 학교 컴퓨터공학과 학사

2014년 한양 학교 컴퓨터공학과 석사

2014년～ 재 (주)헤리트 부설연구소 연

구원. 심분야는 소 트웨어 아키텍처,

IoT 임워크 솔루션 개발

이 진

2009년 국립목포해양 학교 해양 자통

신공학부 학사. 2009년～ 재 한양 학

교 컴퓨터공학과 석박사통합과정. 심분

야는 소 트웨어 아키텍처, 모델 구동 개

발, 임베디드 시스템, 모바일 응용

임워크

김 정 선

1986년 서울 학교 컴퓨터공학과 학사

1988년 Iowa State University 기

컴퓨터공학과 석사. 1994년 Iowa State

University 기 컴퓨터공학과 박사. 1994

년～1996년 한국 자통신연구원(ETRI) 선

임연구원. 1996년～ 재 한양 학교 컴

퓨터공학과 교수. 심분야는 병렬/분산 처리, 분산 객체 컴

퓨 , 모바일 응용 임워크, 컴포 트기반 개발