가상 CPU 스케줄링

가상화 환경에서 하이퍼바이저는 물리적 CPU 자원을 여러 가상 머신에 공정하고 효율적으로 분배하는 핵심적인 역할을 수행한다. 이 과정에서 가상 CPU 스케줄링은 필수적인 메커니즘이다. 물리 서버 한 대에서 수십 개의 가상 머신이 동시에 실행될 수 있으므로, 각 가상 머신이 필요로 하는 연산 자원을 적절히 할당하지 않으면 특정 가상 머신이 전체 시스템의 성능을 독점하거나, 반대로 자원 부족으로 응답 지연이 발생할 수 있다.

가상화 환경의 CPU 자원 관리는 단순한 시간 분할을 넘어 복잡한 정책을 수반한다. 관리자는 각 워크로드의 중요도와 성격에 따라 자원을 차별화하여 할당할 수 있다. 예를 들어, 실시간 처리가 중요한 데이터베이스 서버 가상 머신에는 최소한의 CPU 예산을 보장하고, 배치 작업을 수행하는 가상 머신에는 유휴 자원을 활용하는 방식으로 스케줄링 정책을 설정한다. 또한, CPU 선점을 통해 우선순위가 높은 작업이 즉시 자원을 사용할 수 있도록 하여 전체 시스템의 응답성을 높인다.

효율적인 관리를 위해 하이퍼바이저는 다양한 메트릭을 수집하고 모니터링한다. 주요 지표는 다음과 같다.

이러한 지표를 바탕으로 스케줄러는 동적으로 자원을 재분배하거나, 호스트 간 가상 머신 라이브 마이그레이션을 유발하여 시스템 전반의 부하를 균형화한다. 궁극적인 목표는 물리적 자원의 최대한 활용과 동시에 모든 가상 머신의 성능 요구사항을 충족시키는 것이다.

물리적 CPU는 서버 하드웨어에 실제로 존재하는 처리 장치이다. 반면 가상 CPU는 하이퍼바이저에 의해 생성되고 관리되는 논리적인 처리 단위이다. 하나의 물리적 CPU 코어는 동시에 여러 개의 vCPU를 호스팅할 수 있으며, 이때 하이퍼바이저의 스케줄러가 물리적 CPU 시간을 각 vCPU에 할당하는 역할을 담당한다.

vCPU는 게스트 운영체제에게는 완전한 독립된 프로세서처럼 보이지만, 실제 실행은 물리적 CPU 자원을 공유한다. 스케줄러는 일반적으로 타임 슬라이스 방식으로 물리적 CPU 시간을 분할하여 각 vCPU에 차례로 할당한다. 이 관계는 다음 표로 요약할 수 있다.

vCPU의 수가 물리적 코어 수를 초과하는 오버커밋 상황에서는 스케줄링이 더욱 복잡해진다. 모든 vCPU가 동시에 활성화되면 물리적 자원에 대한 경쟁이 발생하여 성능 저하가 일어날 수 있다[1]. 따라서 효율적인 스케줄링은 물리적 자원의 한계를 인지하면서 vCPU에게 공정하고 예측 가능한 성능을 제공하는 것을 목표로 한다.

Credit Scheduler는 Xen 하이퍼바이저의 기본 CPU 스케줄링 알고리즘이다. 이 스케줄러는 각 가상 머신에 일정량의 '크레딧'을 할당하고, 이 크레딧을 소비하는 방식으로 CPU 시간을 배분하는 개념을 기반으로 한다. 모든 가상 머신은 초기에 설정된 가중치에 따라 매 30ms의 주기로 크레딧을 받는다. 스케줄러는 실행 대기 중인 가상 머신들을 크레딧 양에 따라 UNDER와 OVER 두 개의 큐로 구분하여 관리한다.

스케줄링의 핵심 메커니즘은 다음과 같다. 크레딧이 남아 있는 가상 머신(UNDER)은 항상 크레딧이 모두 소진된 가상 머신(OVER)보다 우선적으로 실행된다. UNDER 큐 내에서는 크레딧이 가장 많은 가상 머신이 가장 높은 우선순위를 가진다. 가상 머신이 CPU를 사용할 때마다 크레딧이 감소하며, 크레딧이 0이 되면 OVER 큐로 이동한다. OVER 큐의 가상 머신들은 크레딧이 다시 채워질 때까지 라운드 로빈 방식으로 최소한의 CPU 시간만을 할당받는다. 이 구조는 CPU 자원의 공정한 분배와 동시에 기아 상태를 방지하는 데 목적이 있다.

Credit Scheduler는 가상 머신의 유형에 따라 다른 정책을 적용할 수 있다. 기본적으로 모든 가상 머신은 자원을 공정하게 공유하는 'Credit' 정책을 따르지만, 실시간 응답이 필요한 가상 머신은 'Credit2' 정책이나 '실시간' 정책으로 설정될 수 있다. 또한, 가상 머신이 특정 물리적 CPU 코어에 고정되는 'CPU 친화성' 설정을 통해 성능을 최적화할 수 있다. 이 스케줄러는 다중 코어 환경에서 효율적으로 동작하도록 설계되었으며, NUMA 아키텍처를 인식하여 메모리 접근 지연을 최소화하는 최적화도 포함하고 있다.

BVT는 가상 CPU 스케줄링에서 공정성과 낮은 지연 시간을 보장하기 위해 설계된 알고리즘이다. 이 알고리즘의 핵심 개념은 각 가상 머신에 할당된 가상 시간을 추적하고, 필요에 따라 미래의 시간을 '빌려' 실행 기회를 얻을 수 있도록 하는 것이다. 이를 통해 I/O 중심의 워크로드가 CPU를 즉시 필요로 할 때 응답성을 높일 수 있다.

알고리즘은 각 vCPU에 대해 두 가지 주요 변수를 관리한다. 하나는 실제 경과 시간에 비례하여 증가하는 가상 시간이며, 다른 하나는 가상 시간에서 차감되는 은행 계좌 값이다. 스케줄러는 항상 가장 작은 효과적 가상 시간을 가진 vCPU를 다음에 실행한다. vCPU가 실행되면 그 가상 시간은 실제 실행 시간에 비례하여 증가한다. 만약 vCPU가 I/O 작업 완료와 같이 즉시 실행해야 할 필요가 있으면, 미래의 시간 할당량을 선불로 빌려 효과적 가상 시간을 인위적으로 낮춤으로써 스케줄링 우선순위를 높인다. 이렇게 빌린 시간은 나중에 해당 vCPU의 가상 시간 증가 속도를 늦추어 상환된다.

BVT의 주요 장점은 공정한 처리량 분배와 예측 가능한 지연 시간을 동시에 제공한다는 점이다. 특히 대화형 또는 실시간성 응용 프로그램이 동작하는 가상 머신에 유리하다. 그러나 빌린 시간의 상환 메커니즘과 스케줄링 매개변수(예: 웨이크업 부스팅 값)를 적절히 조정하지 않으면, 시간을 과도하게 빌린 가상 머신이 장기적으로 다른 VM의 성능에 영향을 줄 수 있다.

이 알고리즘은 초기 Xen 하이퍼바이저의 스케줄러 중 하나로 구현되었으며, Credit Scheduler와 같은 다른 알고리즘에 비해 더 세밀한 우선순위 제어가 가능하다는 평가를 받는다. BVT의 설계 원리는 이후 다양한 가상화 플랫폼의 스케줄링 정책에 영향을 미쳤다.

SEDF(Simple Earliest Deadline First)는 Xen 하이퍼바이저의 초기 주요 CPU 스케줄링 알고리즘 중 하나로, 실시간 시스템의 스케줄링 이론을 가상화 환경에 적용한 것이다. 이 알고리즘은 각 가상 CPU(vCPU)에 실행 기간(Budget)과 마감 시간(Deadline)이라는 두 가지 매개변수를 할당하여 작동한다. 스케줄러는 마감 시간이 가장 빠른 vCPU를 우선적으로 실행하며, 할당된 실행 기간을 모두 소진한 vCPU는 다음 마감 시간이 돌아올 때까지 대기한다.

SEDF의 주요 동작 원리는 다음과 같은 표로 요약할 수 있다.

예를 들어, (s=10ms, d=20ms)로 설정된 vCPU는 20ms 주기마다 10ms 동안 CPU를 사용할 권한을 보장받는다. 이는 CPU 자원에 대한 예측 가능한 할당을 제공하여, 멀티미디어 처리나 실시간 애플리케이션과 같이 일정한 처리량이 요구되는 워크로드에 적합하다.

그러나 SEDF는 상대적으로 정적인 자원 분배 방식이기 때문에 동적으로 변하는 워크로드에 대한 대응이 부족한 단점이 있었다. 또한, 우선순위가 명시적으로 정의되지 않아 중요한 시스템 도메인(Dom0)의 응답성을 보장하기 어려웠다. 이러한 한계로 인해 Xen은 이후 더 유연한 자원 분배와 가중치 기반 우선순위 조정이 가능한 Credit Scheduler를 기본 스케줄러로 채택하게 되었다.

Xen 하이퍼바이저는 도메인 기반의 가상화 아키텍처를 채택하며, 가상 CPU 스케줄링은 하이퍼바이저가 직접 제어하는 핵심 구성 요소이다. Xen은 초기부터 다양한 스케줄링 알고리즘을 모듈식으로 지원하여 환경에 맞는 정책을 선택할 수 있도록 설계되었다. 주요 스케줄러로는 Credit Scheduler, BVT (Borrowed Virtual Time), SEDF (Simple Earliest Deadline First) 등이 포함된다.

기본값으로 널리 사용되는 것은 Credit Scheduler이다. 이 스케줄러는 각 도메인(가상 머신)에 가중치(weight)와 캡(cap)을 할당하여 CPU 자원을 공정하게 분배한다. 스케줄링 단위는 가상 CPU(vCPU)이며, 물리적 CPU 코어에서 실행될 vCPU를 선택하기 위해 우선순위 큐를 사용한다. 자원 분배의 공정성과 응답성을 동시에 고려하는 것이 특징이다.

다른 알고리즘들도 특정 목적에 맞게 활용된다. SEDF 스케줄러는 실시간성 작업에 적합하도록 각 도메인에 CPU 예산과 마감 시간을 할당한다. BVT 스케줄러는 대화형 응용 프로그램의 응답성을 개선하기 위해 가상 시간 개념을 도입하여 대기 중인 작업에 자원을 빌려주는 방식으로 동작한다.

Xen의 스케줄링 성능은 다양한 요소에 영향을 받는다. 다음 표는 주요 스케줄링 파라미터와 영향을 요약한 것이다.

이러한 모듈식 설계 덕분에 Xen은 범용 서버 가상화부터 실시간 임베디드 시스템에 이르기까지 다양한 워크로드에 적용될 수 있다.

KVM은 리눅스 커널에 통합된 하이퍼바이저로, 리눅스 커널의 기존 프로세스 스케줄러를 활용하여 가상 CPU를 스케줄링한다. 기본적으로 각 가상 머신은 리눅스의 하나의 프로세스로 간주되며, 그 안에서 실행되는 vCPU 스레드는 일반적인 사용자 공간 프로세스 스레드와 마찬가지로 커널의 CFS 스케줄러에 의해 관리된다. QEMU는 장치 에뮬레이션을 담당하며, KVM과 결합되어 완전한 가상화 솔루션을 제공한다.

KVM/QEMU 환경에서의 스케줄링 성능을 최적화하기 위해 여러 가지 기법이 사용된다. 대표적으로 CPU 고정을 통해 특정 vCPU 스레드를 특정 물리적 CPU 코어에 할당하여 캐시 지역성을 높이고 컨텍스트 스위칭 오버헤드를 줄일 수 있다. 또한, NUMA 인식 스케줄링은 vCPU와 메모리를 동일한 NUMA 노드에 배치하여 메모리 접근 지연을 최소화한다. 스케줄러의 절전 동작이 성능에 영향을 미칠 수 있어, 성능 중심의 워크로드에서는 이를 조정하기도 한다.

다음은 KVM/QEMU에서 주로 사용되는 주요 스케줄링 관련 매개변수와 도구를 정리한 표이다.

이러한 접근 방식 덕분에 KVM은 호스트 리눅스 시스템의 강력하고 지속적으로 발전하는 스케줄링 인프라를 그대로 활용할 수 있으며, 광범위한 튜닝 옵션을 통해 다양한 워크로드에 맞게 성능을 세밀하게 조정할 수 있다.

VMware ESXi는 자체 개발한 가상 머신 모니터인 VMkernel을 기반으로 동작하며, 효율적인 가상 CPU 스케줄링을 위한 고유의 알고리즘을 구현한다. 핵심 스케줄러는 비례 공유 스케줄링 원칙에 기반한 ESXi 스케줄러 (또는 CFS, Co-scheduling Friendly Scheduler로 불림)이다. 이 스케줄러는 각 가상 머신에 할당된 CPU 자원의 비율(예: CPU 공유, 예약, 제한 설정)을 준수하면서도, 물리적 CPU 코어 간의 부하를 균형 있게 분배하는 것을 목표로 한다.

ESXi의 스케줄링은 크게 두 가지 주요 메커니즘으로 구성된다. 첫째는 CPU 공유(Shares), 예약(Reservation), 상한(Limit)을 통한 자원 할당 제어이다. 관리자는 이를 통해 각 VM에 최소 보장 성능을 설정하거나 상대적 중요도를 부여할 수 있다. 둘째는 코어별 선점형 스케줄링과 릴랙스드 코-스케줄링이다. 멀티 vCPU를 가진 VM의 경우, 모든 vCPU 스레드가 동시에 실행될 수 있는 물리적 코어가 확보되지 않으면 성능 저하가 발생할 수 있다. ESXi는 이를 완화하기 위해 가능한 한 vCPU들을 동시에 스케줄링하려 시도하지만(코-스케줄링), 시스템 부하가 높을 경우 일부 vCPU의 실행을 지연시키는 릴랙스드 방식을 채택하여 전체 시스템 효율성을 높인다[3].

다양한 워크로드에 대응하기 위해 ESXi는 스케줄러의 동작을 세부 조정할 수 있는 기능을 제공한다. 예를 들어, 대화형 응용 프로그램이 많은 VM에는 낮은 준비 대기 지연을 제공하는 것이 유리하다. 이를 위해 ESXi는 다음과 같은 스케줄링 관련 설정을 지원한다.

또한, NUMA 아키텍처를 가진 서버에서의 성능을 최적화하기 위해 NUMA 인식 스케줄링을 자동으로 수행한다. VM의 메모리와 vCPU를 가능한 한 동일한 NUMA 노드에 배치하여, 원격 메모리 접근으로 인한 지연을 최소화한다.

가상 환경의 효율성을 극대화하기 위해서는 실행되는 워크로드의 특성을 정확히 파악하고 이에 맞는 스케줄링 정책을 적용하는 것이 중요하다. 일반적으로 워크로드는 대화형, 배치 처리, 실시간, 데이터베이스 서버 등으로 분류되며, 각 유형은 서로 다른 CPU 자원 요구 패턴을 보인다.

예를 들어, 데스크톱 가상화 환경에서의 사용자 세션은 짧은 대화형 작업이 많아 낮은 지연 시간이 필수적이다. 반면, 과학 계산이나 비디오 렌더링과 같은 배치 처리 작업은 처리량을 최대화하는 것이 더 중요하다. 따라서 하이퍼바이저는 워크로드 유형을 식별하거나 관리자가 명시적으로 지정한 정책에 따라 스케줄링 방식을 동적으로 조정한다. 일부 시스템에서는 워크로드의 CPU 사용 패턴(예: I/O 대기 시간 대비 실제 연산 시간)을 실시간으로 모니터링하여 이를 스케줄링 결정에 반영하기도 한다.

다양한 워크로드 특성에 대응하기 위해 다음과 같은 정책들이 활용된다.

이러한 정책 적용은 단일 가상 CPU 수준뿐만 아니라, 관련된 여러 가상 머신을 그룹으로 관리하는 리소스 풀 개념을 통해 이루어지기도 한다. 이를 통해 특정 비즈니스 단위나 서비스 티어에 따라 차등화된 자원 보장과 제한을 구현할 수 있다.

가상 CPU 스케줄링에서 선점은 실행 중인 vCPU를 일시 중단하고 다른 vCPU에 CPU 자원을 할당하는 메커니즘을 의미한다. 이는 하이퍼바이저가 물리적 CPU 시간을 여러 가상 머신에 공정하고 효율적으로 분배할 수 있게 하는 핵심 기능이다. 선점이 없으면 하나의 vCPU가 장시간 CPU를 독점하여 다른 가상 머신의 응답성을 떨어뜨리거나 성능을 저하시킬 수 있다. 대부분의 현대 하이퍼바이저는 시간 할당량 기반의 선점형 스케줄링을 사용하여 이러한 문제를 방지한다.

우선순위 조정은 각 vCPU나 가상 머신에 부여되는 상대적 중요도를 결정하여 스케줄링 결정에 영향을 미친다. 높은 우선순위를 가진 워크로드는 일반적으로 더 자주 또는 더 긴 시간 동안 CPU를 할당받는다. 우선순위는 정적으로 설정되거나, Credit Scheduler와 같은 알고리즘에서처럼 워크로드의 실제 사용량과 크레딧 잔고에 따라 동적으로 변할 수 있다. 예를 들어, 대화형 작업이나 낮은 지연 시간이 요구되는 애플리케이션을 실행하는 가상 머신은 높은 우선순위를 부여받아 더 나은 응답성을 보장받을 수 있다.

선점과 우선순위 조정은 함께 작동하여 성능 목표를 달성한다. 하이퍼바이저는 우선순위가 높은 vCPU가 실행 준비가 되면, 현재 실행 중인 낮은 우선순위의 vCPU를 선점하여 자원을 재할당할 수 있다. 또한, NUMA 아키텍처에서는 메모리 지역성을 고려하여 특정 물리적 CPU 코어에 vCPU를 고정하는 CPU 친화성 설정과 우선순위 정책을 결합하여 성능을 최적화하기도 한다. 이러한 조정은 가상화 환경 전체의 처리량, 응답 시간, 자원 활용률 간의 균형을 맞추는 데 필수적이다.

다중 코어 및 NUMA 아키텍처는 현대 하이퍼바이저의 가상 CPU 스케줄링에 중요한 도전 과제를 제기한다. 초기 가상화 환경은 단일 소켓의 단일 또는 소수 코어를 가정했지만, 현재 서버 시스템은 수십 개의 코어를 가진 다중 소켓 NUMA 노드로 구성되는 경우가 일반적이다. 이러한 환경에서 스케줄러는 단순히 가상 CPU를 가용한 물리적 코어에 할당하는 것을 넘어, 메모리 접근 지연 시간과 CPU 캐시 효율성을 고려해야 한다.

NUMA 아키텍처에서는 프로세서가 자신의 로컬 메모리에 접근할 때가 원격 메모리에 접근할 때보다 훨씬 빠르다. 따라서 스케줄러는 가능한 한 하나의 가상 머신에 할당된 가상 CPU들이 동일한 NUMA 노드에서 실행되도록 하고, 해당 가상 머신의 메모리도 동일 노드에 상주하도록 배치하는 것이 성능에 유리하다. 이를 위해 현대 하이퍼바이저는 CPU 친화성 설정과 메모리 친화성 정책을 결합한 NUMA 인식 스케줄링을 구현한다.

다중 코어 환경에서의 주요 이슈는 코어 간 통신 오버헤드와 캐시 일관성 유지이다. 하나의 가상 머신 내 여러 가상 CPU가 서로 다른 물리적 코어에서 실행될 때, 스케줄러는 이들이 빈번하게 통신해야 하는 워크로드인지 여부를 판단하기 어렵다. 성능 저하를 완화하기 위해 코어 파킹이나 동적 빈도 스케일링 같은 기법과 연동하여, 워크로드 요구에 맞게 코어를 온라인/오프라인 전환하거나 클럭 속도를 조정하기도 한다.

결과적으로, 다중 코어 및 NUMA 시스템을 위한 스케줄링은 단순한 CPU 시간 분배를 넘어, 시스템의 전체적인 메모리 계층 구조와 상호 연결망 토폴로지를 이해하고 최적의 자원 배치를 결정하는 복합적인 문제로 진화했다.

가상 CPU 스케줄링은 전통적으로 하이퍼바이저 기반의 가상 머신 관리에 초점을 맞추었으나, 컨테이너 기술의 부상으로 두 환경의 통합 및 조화에 대한 요구가 증가하고 있다. 컨테이너는 가상 머신보다 가볍고 빠르게 애플리케이션을 격리하지만, 기본 호스트 운영체제의 커널을 공유한다. 이로 인해 컨테이너 내 프로세스의 CPU 스케줄링은 호스트 OS의 스케줄러(예: CFS (Completely Fair Scheduler))에 의해 직접 관리된다. 반면, 가상 머신 내부의 게스트 OS는 가상 CPU를 통해 하이퍼바이저의 스케줄러에 의해 간접적으로 관리받는다. 이 구조적 차이는 가상화 환경과 컨테이너 환경이 혼재된 하이브리드 인프라에서 효율적인 자원 통합 관리를 주요 도전 과제로 만들었다.

통합을 위한 접근 방식은 크게 두 가지로 나뉜다. 첫째, Kubernetes와 같은 컨테이너 오케스트레이션 플랫폼이 가상 머신을 일급 객체로 관리할 수 있도록 확장하는 것이다. 예를 들어, KubeVirt 프로젝트는 쿠버네티스 클러스터 내에서 가상 머신을 컨테이너와 동등한 파드로 실행할 수 있게 하여, 동일한 인터페이스로 배포와 관리를 가능하게 한다. 둘째, 하이퍼바이저 수준에서 컨테이너를 직접 지원하는 방식이다. 일부 하이퍼바이저는 컨테이너 워크로드를 특수한 형태의 가상 머신으로 감싸 실행하여, 기존의 가상 CPU 스케줄링 정책을 적용하면서도 컨테이너의 빠른 시작 시간을 유지하려고 시도한다.

이러한 통합은 성능과 관리 효율성 측면에서 이점을 제공하지만, 스케줄링의 복잡성을 증가시킨다. 관리자는 이기종 워크로드(가상 머신의 지속적 서비스와 컨테이너의 단일 작업)에 대한 공정성과 성능 격리를 동시에 보장해야 한다. 또한, 다중 테넌트 환경에서 서로 다른 SLA(서비스 수준 계약)를 가진 워크로드를 어떻게 우선순위에 따라 스케줄링할지에 대한 정책 수립이 필요하다. 최근 연구 및 개발 동향은 머신러닝을 활용한 예측 스케줄링이나 워크로드 프로파일에 기반한 동적 스케줄링 정책 할당 등 지능형 자원 관리 방향으로 진화하고 있다.