Acknowledgement
이 논문은 2025년도 한국과학기술정보연구원의 기본사업(과제명:국가 플래그십 초고성능컴퓨팅 인프라 구축 및 서비스, 과제번호:K25L2M2C2)으로 수행된 연구입니다.
Annual Conference of KIPS (한국정보처리학회:학술대회논문집)
- 2025.05a
- /
- Pages.430-432
- /
- 2025
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
A Study on analysis of accounting data of GPU cluster system
GPU 클러스터 시스템의 과금 데이터 분석에 관한 연구
- Min-Woo Kwon (Dept. of Supercomputing Infrastructure Center, KISTI) ;
- Gukhua Lee (Dept. of Supercomputing Infrastructure Center, KISTI) ;
- Do-Sik An (Dept. of Supercomputing Infrastructure Center, KISTI) ;
- Taeyoung Hong (Dept. of Supercomputing Infrastructure Center, KISTI)
- 권민우 (한국과학기술정보연구원(KISTI) 슈퍼컴퓨팅인프라센터) ;
- 이국화 (한국과학기술정보연구원(KISTI) 슈퍼컴퓨팅인프라센터) ;
- 안도식 (한국과학기술정보연구원(KISTI) 슈퍼컴퓨팅인프라센터) ;
- 홍태영 (한국과학기술정보연구원(KISTI) 슈퍼컴퓨팅인프라센터)
- Published : 2025.05.29
Abstract
이 논문은 GPU 클러스터 시스템에서 생성된 과금 로그를 분석하여 사용자가 수행한 작업의 종류를 자동으로 분류하는 기법을 소개한다. KISTI 슈퍼컴퓨터 5호기의 보조 GPU 클러스터 시스템인 뉴론에서 2023년 5월부터 2024년 10월까지의 사용자가 제출한 5만5천개의 작업 중에서 작업의 종류가 분류되지 않는 약3천개의 작업에 대한 분류를 위해 다양한 머신 러닝 및 딥러닝 알고리즘을 적용하여 분류를 시도하였다. R의 신경망 패키지 nnet은 82.5%의 정확도를 보였고, svm, Naïve Bayes, Logistic Regression(vglm), OneR은 각각 78.1%, 71.4%, 73.9%, 74.8%의 정확도를 보였다. 본 연구를 통해 GPU 클러스터 시스템에서 수행되고 있는 작업의 특성을 파악하고 추가적으로 향후 신규 클러스터 시스템의 구축 및 운영 방향을 결정하는데 도움을 줄 수 있을 것으로 기대한다.
Keywords