수십 년간 네트워크 기술은 고성능화된 하드웨어에 다양한 기능을 구현하여 서비스 요구 사항에 대응하는 형태로 발전되어 왔으나 모바일, 비디오, 사물인터넷 등 현대 4차 산업혁명 시대의 급격한 데이터 처리량의 증가와 다양하게 변화하는 비즈니스 요구 사항을 충족하기에는 한계성이 있다. 이러한 현상은 마치 1960년대 후반의 소프트웨어 위기와 유사한 형태를 보이고 있으며 이를 해결하기 위하여 소프트웨어 공학이 제시되고 다양한 방법론이 발전되어 많은 성과를 이룩한 것과 같이, 현재도 네트워크 위기의 한계성을 해결하기 위한 새로운 방안이 필요한 시점이다.
네트워크의 발전 과정에서 보면 현대의 네트워크는 이와 같은 문제를 해결하기 위하여 네트워크 가상화 기술에 많은 연구가 집중되어 있다. 하드웨어와 소프트웨어의 밀 결합(tight coupling) 된 구조를 분리하여 유연성과 확장성의 장점을 확보할 수 있는 방향으로 이동되고 있으며 각각의 네트워크 기능을 가상화하는 변화가 상당 부분 진행 중이다. 또한 인프라 환경은 비즈니스와 사용자의 요구 사항에 대하여 신속하게 대응이 가능한 클라우드 환경으로 급속히 이동되고 있다.
이러한 각종 자원이 논리적으로 공유되는 네트워크 가상화 환경에서는 데이터 전송 및 처리의 신속성 확보를 위하여 요구된 변화에 대한 자원 관리가 핵심적인 요소가 된다. 효과적인 자원 관리를 위해서는 시계열적 특성을 보이는 각종 IT 전산 자원들의 사용량을 정확히 예측하고 필요한 자원 사용량을 사전에 확보하여 배치하기 위한 일련의 체계적인 과정이 필요하다.
본 연구에서는 네트워크 가상화 환경에서 대표적인 전산 자원인 네트워크의 전용회선 사용량과 서버의 CPU 사용량의 실제 운영 데이터를 이용하여 다양한 시계열 예측 방법에 적용하는 실험을 수행하고 그 효과에 대한 분석을 진행하였다. 예측 방법으로는 전통적으로 많이 사용하는 통계적인 방법과 최근 많은 연구가 되고 있는 인공신경망에 기반을 둔 딥러닝의 대표적인 모형들을 적용하여 각각의 성능을 비교, 분석하였다.
연구 결과, 인공지능에 기반한 딥러닝 방법이 전통적인 통계에 기반을 둔 방법보다 우수한 성능을 나타내는 것이 증명되었으며, 네트워크 가상화 환경에서 자원 사용률 예측에 대한 효과성을 입증하였다. 또한, 실험 결과에 기반을 두어 네트워크 가상화 환경에서 각종 자원들을 효과적으로 운영하기 위하여 고려해야 할 사항들을 확인하였다.
본 연구를 통하여 현재 네트워크 구조의 한계를 해결하기 위하여 네트워크 가상화 환경에서 네트워크 자원 관리를 효과적으로 예측하고 운영할 수 있는 방안을 제시하였으며 네트워크 운영의 효율과 비용 관점에서 사용자의 서비스 향상 및 서비스 제공자의 비용적인 측면의 경쟁력 강화에 도움이 될 것으로 판단된다.