분산컴퓨팅연구실에서는 고성능컴퓨팅 태스크 (High-Performance Computing Task) 및 대규모의 대화형 태스크 (Interactive Task)를 성능 및 에너지 효율적으로 처리하기 위한 클러스터 자원 관리 기술을 연구합니다. 이와 관련하여 다음과 같은 세부 주제를 연구합니다.

1. 클라우드 컴퓨팅 기술 연구

- 클라우드란 컴퓨팅 서버를 구성하는 CPU, GPU, Memory, Storage 등을 가상화된 인스턴스 (virtual machine instance) 로 분할하여 다중 사용자 (multi Tenants) 가 접근할 수 있도록 하는 기술입니다. 초기에는 Xen Hypervisor 및 KVM Hypervisor를 기반으로 호스트 운영체제 (host OS) 위에 게스트 운영체제 (guest OS)를 얹는 방식으로 가상화를 구현하였습니다. 이러한 방식은 이중 운영체제 관리로 인한 성능 저하를 발생시킵니다. 최근에는 게스트 운영체제 없이 프로세스 격리만으로 가상화를 구현하는 도커 (Docker) 기술이 각광을 받고 있습니다. 본 연구실에서는 도커를 기반으로 하여 이종 컴퓨팅 자원을 통합하고 다양한 응용 처리 서비스를 제공할 수 있는 클러스터 관리 프레임워크 개발 연구를 진행하고 있습니다.

2. AI 및 빅데이터 응용 처리를 위한 GPU 컴퓨팅 기술 연구

- 그래픽 프로세싱 유닛 (GPU) 은 고수준의 병렬성 (high parallelism)을 기반으로 하여 기계학습과 같은 인공지능 (AI: artificial intelligence) 응용 및 빅데이터 처리 속도를 크게 향상시킬 수 있습니다. 그러나 GPU 의 스트리밍 다중 프로세서 (SM: streaming multiprocessors)는 고속 응용 처리 성능을 제공함과 동시에, 높은 전력 소비량 (thermal device power)을 발생시키는 문제를 가지고 있습니다. 본 연구실에서는 GPU 의 SM 할당 및 주파수 조정 (frequency scaling) 을 통해 전력 소비를 줄이면서도 AI 응용 처리 성능을 최대화하는 기법을 연구하고 있습니다. 또한 제한된 이종 컴퓨팅 자원 (CPU-GPU) 환경에서 최대의 성능-비용 효율을 낼 수 있는 태스크 할당 기법을 연구합니다.

3. 분산 최적화 모델링 기술 연구

- 분산 최적화란 높은 차원수 (high dimensionality) 를 가지는 최적화 문제 (optimization problem) 의 해를 찾는데 걸리는 긴 풀이 시간을 줄이기 위한 분할 계산 이론입니다. 이중성 (duality) 을 이용하면 원 문제를 분할 가능한 형태로 변형할 수 있습니다. 이를 기반으로 본 연구실에서는 수백 대 이상의 서버를 포함하는 클러스터 환경에서 확장 가능한 (scalable) 자원 관리 및 작업 할당 기법을 설계하는 연구를 진행하고 있습니다.