Evaluating an energy aware cloud native microservices architecture to reduce cost barriers in resource limited healthcare systems

기술 요약: 에너지 인지형 클라우드 네이티브 마이크로서비스 아키텍처 평가

문제 정의
클라우드 네이티브 마이크로서비스 아키텍처(MSA)는 보편적 의료 보장(UHC)에 필요한 확장성과 탄력성을 제공하지만, 자원이 제한된 환경에서는 과도한 운영 컴퓨팅 비용이라는 결정적인 도입 장벽에 직면해 있습니다. CPU 사용률과 같은 성능 지표를 기반으로 스케일링을 트리거하는 기존의 오토스케일링 메커즘(예: Kubernetes의 Horizontal Pod Autoscaler, HPA)은 데이터 급증(예: 배치 정제 또는 질병 발생 감시)이 발생하는 의료 시나리오에서 자원을 무분별하게 확장하여, 과잉 프로비저닝과 지속 불가능한 운영 비용을 초래합니다. 기존의 에너지 인지형 또는 탄소 인지형 오토스케일링 연구는 주로 저순위 배치 워크로드나 비실시간 애플리케이션에 집중되어 왔으며, 이는 저소득 및 중소득 국가(LMIC)의 엄격한 예산 제약 하에 있는 보건 정보 시스템(HIS)의 가변적이고 온디맨드적인 워크로드를 관리하는 데 있어 공백을 남겼습니다.

방법론
본 연구는 성능 지표만이 아닌 에너지 소비량을 기준으로 마이크로서비스 스케일링을 조절하도록 설계된 에너지 인지형 오토스케일링 프레임워크의 형성적 개념 증명(proof-of-concept) 평가를 제시합니다.

• 시스템 아키텍처: 자원이 제한된 시설의 인프라를 시뮬레이션하기 위해 단일 노드 Minikube 환경에 컨테이너화된 심혈관 질환(CVD) 위험 처리 시스템을 배포했습니다. 이 시스템은 데이터 정제를 위한 CleanseService(Python)와 위험 계산을 위한 ChronicDiseaseManager(C#)라는 두 개의 마이크로서비스로 구성되며, Istio 서비스 메쉬를 통해 통신하고 CockroachDB에 데이터를 저장합니다.
• 에너지 인지형 메커니즘: 본 프레임워크는 컨테이너 레벨의 에너지 지표를 캡처하기 위해 eBPF를 사용하는 KEPLER(Kubernetes-based Efficient Power Level Exporter)로부터 실시간 에너지 텔레메트리를 통합하며, 이 지표들은 Prometheus에 의해 집계되어 스케일링 결정을 제어하는 KEDA(Kubernetes Event-Driven Autoscaling)로 전달됩니다.
• 임계값 기반 비용 제어: 커스텀 임계값 메커니즘은 특정 마이크로서비스의 전체 네임스페이스 에너지 대비 에너지 비율($E_{proportion} = E_{microservice} / E_{namespace\_total}$)을 계산합니다. 처리 함수(예: 데이터 정제 vs. 위험 계산)에 따라 매개변수화된 사전 정의된 임계값($T$)은 비용 상한선 역할을 합니다. 만약 특정 마이크서비스의 에너지 비율이 $T$를 초과하면, KEDA는 유입되는 워크로드 수요에 관계없이 추가적인 스케일 아웃(scale-out)을 중단합니다.
• 평가 설계: 시스템은 시설에서 지역 단위 수준의 운영을 나타내는 네 가지 단계적 워크로드 시나리오(10,000개에서 50,000개의 임상 기록 및 15~30개의 동시 요청)에 대해 스트레스 테스트를 거쳤습니다. 이는 네이티브 HPA(CPU 사용률 70%에서 트리거됨)를 사용한 베이스라인 배포와 비교되었습니다.
• 비용 변환: 관찰된 에너지 감소량은 사하라 이남 아프리카(케이프타운) 및 남아시아(뭄바이)를 서비스하는 AWS 리전의 온디맨드 가격을 적용하여 1, 5, 10개 노드 클러스터로 확장하여 예상 운영 절감액으로 매핑되었습니다.

주요 기여

1. 스케일링 로직에 에너지 텔레메리 통합: 본 연구는 KEDA와 KEPLER를 통해 에너지 소비 지표를 Kubernetes 오토스케일링 결정에 직접 삽입하는 실질적인 방법을 입증하며, 성능 중심의 트리거를 넘어섰습니다.
2. 함수 인지형 매개변수화: 본 프레임워크는 서로 다른 마이크로서비스의 계산 프로필(예: 반복적 데이터 검증 vs. 결정론적 계산)에 따라 에너지 상한선을 조정하는 동적 임계값 메커니즘을 도입하여, 제약 조건이 너무 엄격하거나 너무 느슨하지 않도록 보장합니다.
3. 비용 제어 프록시: 에너지 소비를 페이-퍼-유즈(pay-per-use) 모델에서의 운영 클라우드 지출에 대한 직접적인 프록시로 취급함으로써, 본 프레임워크는 애플리케이션 레벨의 리팩토링 없이도 워크로드 급증 시 통제 불능의 자원 소비를 방지하는 "비용 상한선"을 제공합니다.
4. 맥락 특화된 검증: 배치 프로세싱에 초점을 맞춘 기존 연구와 달리, 본 연구는 자원이 제한된 환경 내에서 가변적인 온디맨드 의료 워크로드에 대한 접근 방식을 검증합니다.

결과

• 에너지 감소: 에너지 인지형 오토스스케일러는 네 가지 모든 시나리오에서 12.1%에서 33.4% 사이의 포스트 스케일링(post-scaling) 에너지 감소를 달者했습니다. 가장 높은 감소율(33.4%)은 "지역 질병 발생 급증" 시나리오(50,000개 기록, 25개 동시 요청)에서 나타났으며, 이 과정에서 시스템은 상당한 에너지 급증에도 불구하고 불필요한 포드(pod) 복제를 방지했습니다.
• 성능 안정성: 통제되지 않은 자원 성장, 지연 시간 저하 및 네트워크 포화를 보였던 기존 HPA와 달리, 에너지 인지형 시스템은 오류 없는 처리를 유지했습니다. CPU 사용률은 필요한 만큼만 증가한 후 프로세싱 완료 후 베이스라인(57%)으로 돌아왔으며, 메모리 사용량은 7075%로 안정적으로 유지되었습니다.
• 비용 함의: 평가된 지역의 AWS 가격을 기준으로, 본 연구는 급증 상황 하의 10개 노드 지역 배포에 대해 연간 약 미화 1,340달러에서 1,521달러의 절감액을 전망합니다. 저자들은 이것이 보수적인 추정치이며, 더 큰 인스턴스 유형과 지속적인 프로세싱이 수반되는 국가 규모의 대규모 운영 시 절감액은 훨씬 더 커질 것이라고 언급했습니다.

의의 및 주장
본 논문은 보건 정보 아키텍처에 에너지 인지형 비용 제어를 삽입하는 것이 현재 자원이 제한된 환경에서의 도입을 제한하는 운영 비용 장벽을 의미 있게 낮출 수 있다고 주장합니다. 저자들은 보편적 의료 보장(UHC) 목표를 달성하기 위해서는 디지털 헬스 시스템이 사후적으로 최적화되는 것이 아니라, 설계 단계부터 운영 비용 인지 능력을 갖추어야 한다고 강조합니다.

본 연구는 이러한 접근 방식이 자원이 제한된 시설이 클라우드 네이티브 시스템을 운용할 수 있음을 입증함으로써 기존 문헌의 중요한 공백을 메운다고 결론짓습니다. 에너지 예산으로 스케일링 동작을 제한함으로써, 본 프레임워크는 특히 디지털 헬스 운영 예산이 시간 제한적이거나 기부금에 의존하는 LMIC 환경에서 UHC 달성에 필수적인 디지털 헬스 인프라의 형평성 있는 배포를 지원합니다. 저자들은 비록 본 개념 증명이 단일 노드와 합성 데이터를 사용하여 수행되었으나, 비례적인 절감 효과는 인프라에 구애받지 않으며, 생산 규모의 멀티 노드 국가 보건 정보 시스템에서는 실질적으로 훨씬 더 큰 절대적 절감 효과를 낼 것이라고 강조합니다.