A Rule's Reasoning and Case-Based Learning Method for Efficient Dynamic Workload Balancing of VoD Systems

VoD 시스템의 효율적인 동적 작업부하조정을 위한 규칙 추론 및 사례기반 학습 방법

The agent system that can adjust the workload dynamically through thc periodical monitoring of the VoD system comprises the agency part interfacing the VoD system and the intelligence part reasoning or learning the facts required for the adjustment of workload. This paper proposes a learning method that can apply to the intelligence part of the agent system. The proposed method can adjust the workload more efficiently by the rule's reasoning process and case-based learning process. An experiment of implementing a simulator was conducted to see whether or not application of the proposed method to VoD systems is efficient. As a result of the experiment, it was found that the throughput and the average waiting time of the VoD server were relatively improved when the proposed method was applied compared to existing means.

VoD(Video on Demand) 시스템의 작업과정을 주기적으로 모니터링하며, 작업부하(workload)를 동적으로 조정할 수 있는 에이전트 시스템(agent system)은 VoD 시스템과 인터페이스를 하는 에이전시(Agency) 부분과 작업부하 조정에 필요한 조치를 추론하거나 학습하는 인텔리전스(Intelligence) 부분으로 구성된다. 본 연구에서는 에이전트 시스템의 인텔리전스 부분에서 적용할 수 있는 학습 방법(learning method)을 제안하였다. 제안된 방법은 규칙의 추론과정과 사례기반 학습 과정에 의하여 작업부하를 보다 효율적으로 조정할 수 있게 한다. 그리고 제안된 방법을 VoD 시스템에 적용하는 경우에 실효성이 있는지를 시뮬레이터를 구현하여 실험하였다. 실험의 결과, 제안된 방법을 적용하는 경우에 기존의 방법을 적용한 경우보다 상대적으로 성공적인 스트림 서비스 처리량(throughput) 과 VoD 서버에서의 평균 대기시간이 향상된다는 것을 알 수 있었다.