[논문 리뷰] A Comparative Taxonomy and Survey of Public Cloud Infrastructure Vendors

Dimitrios Sikeridis, Ioannis Papapanagiotou외 2명|arXiv (Cornell University)|2017. 10. 04.

Cloud Computing and Resource Management참고 문헌 60인용 수 18

한 줄 요약

이 논문은 2017년 말 기준으로 아마존, 구글, 마이크로소프트, 인텔리전스 비즈니스(IBM)의 공용 클라우드 인프라 서비스에 대한 종합적인 분류 체계와 비교 분석을 제시한다. 이들은 컴퓨팅, 스토리지, 데이터베이스, 분석, 데이터 파이프라인, 머신러닝, 네트워킹의 일곱 핵심 가족으로 분류되며, 기능적 유사성, 서비스 설계, 용어, 기능 세트의 차이점을 강조한다. 주요 기여는 기업 및 연구자들이 손실 없이 최적의 클라우드 서비스를 선택할 수 있도록 표준화된 참조 프레임워크를 제공하는 데 있다.

ABSTRACT

An increasing number of technology enterprises are adopting cloud-native architectures to offer their web-based products, by moving away from privately-owned data-centers and relying exclusively on cloud service providers. As a result, cloud vendors have lately increased, along with the estimated annual revenue they share. However, in the process of selecting a provider's cloud service over the competition, we observe a lack of universal common ground in terms of terminology, functionality of services and billing models. This is an important gap especially under the new reality of the industry where each cloud provider has moved towards his own service taxonomy, while the number of specialized services has grown exponentially. This work discusses cloud services offered by four dominant, in terms of their current market share, cloud vendors. We provide a taxonomy of their services and sub-services that designates major service families namely computing, storage, databases, analytics, data pipelines, machine learning, and networking. The aim of such clustering is to indicate similarities, common design approaches and functional differences of the offered services. The outcomes are essential both for individual researchers, and bigger enterprises in their attempt to identify the set of cloud services that will utterly meet their needs without compromises. While we acknowledge the fact that this is a dynamic industry, where new services arise constantly, and old ones experience important updates, this study paints a solid image of the current offerings and gives prominence to the directions that cloud service providers are following.

연구 동기 및 목표

• 주요 제공업체 간 클라우드 서비스 용어, 功能, 청구 모델에 대한 통합 표준의 부재를 해결하기 위해.
• 기능적 가족과 서비스 성숙도를 기반으로 한 공용 클라우드 서비스의 체계적 분류 체계를 제공하기 위해.
• 아마존, 구글, 마이크로소프트, 인텔리전스 비즈니스의 네 가지 주요 클라우드 벤더의 핵심 서비스를 특징, 설계, 차별성 측면에서 비교하기 위해.
• 연구자 및 기업을 위해 클라우드 서비스 진화 과정에서의 기능적 격차, 공통 패턴, 신규 트렌드를 식별하기 위해.
• 멀티클라우드 상호운용성, 신뢰성, 성능 분야의 향후 연구 및 클라우드 선택을 위한 기준 제공을 위해.

제안 방법

• 연구는 2017년 말 기준으로 아마존 웹 서비스, 구글 클라우드 플랫폼, 마이크로소프트 아웃소스, 인텔리전스 비즈니스 클라우드의 공개된 기술 문서 및 서비스 설명을 분석한다.
• 클라우드 서비스를 일곱 가지 주요 범주로 분류한다: 컴퓨팅, 스토리지, 데이터베이스, 분석, 데이터 파이프라인, 머신러닝, 네트워킹.
• 각 범주별로 네 벤더가 제공하는 핵심 서비스를 맵핑하고 비교하며, 기능, 기능, 아키텍처 접근 방식에 중점을 둔다.
• 분석은 기능적 차이점, 용어의 일관성 부족, 각 제공업체의 고유한 혁신(예: AWS DAX 또는 구글의 TPU)에 중점을 둔다.
• 가격 분석은 포함하지 않지만, 의사결정 과정에서 중요하다는 점을 인정하며, 별도의 연구 영역로 간주한다.
• 연구는 시간에 제한되어 있으며, 2017년 말 기준 클라우드 서비스의 상태를 반영하며, 실험적 또는 급격히 변화하는 서비스보다는 성숙하고 안정된 서비스에 중점을 둔다.

실험 결과

연구 질문

• RQ1 아마존 웹 서비스, 구글 클라우드 플랫폼, 마이크로소프트 아웃소스, 인텔리전스 비즈니스 클라우드와 같은 주요 공용 클라우드 제공업체는 컴퓨팅, 스토리지, 데이터베이스와 같은 핵심 범주에서 서비스 분류 체계와 기능 제공에 어떻게 다름가?
• RQ2 2017년 기준으로 네 가지 주요 클라우드 벤더 간 머신러닝 및 AI 서비스의 주요 기능적 유사점과 차이점은 무엇인가?
• RQ3 클라우드 제공업체 간 용어와 서비스 의미론이 얼마나 표준화되어 있으며, 이들의 다원적 분류 체계에서 발생하는 과제는 무엇인가?
• RQ4 데이터 파이프라인 및 서버리스 컴퓨팅과 같은 클라우드 네이티브 서비스에서 지배적인 아키텍처 패턴과 설계 접근 방식은 무엇인가?
• RQ5 멀티클라우드 및 하이브리드 배포 환경을 고려할 때 클라우드 상호운용성, 신뢰성, 확장성 분야에서 열려 있는 연구 과제는 무엇인가?

주요 결과

• 네 가지 주요 클라우드 제공업체 모두 컴퓨팅, 스토리지, 네트워킹와 같은 핵심 분야에서 성숙하고 고기능적인 서비스를 제공하며, 가격이 고려되지 않는 한 유사한 기능을 갖춘다.
• 데이터베이스 제공품목에서 뚜렷한 차이가 있으며, 각 제공업체가 서로 다른 강점을 강조한다. 예를 들어 아마존의 DynamoDB, 구글의 Spanner, 마이크로소프트의 Cosmos DB, 인텔리전스 비즈니스의 AI 통합 Db2.
• 모든 플랫폼에서 머신러닝 및 AI 서비스가 잘 발달되어 있으며, 모델 훈련, 추론, 애플리케이션 워크플로우 통합에 강력한 지원을 제공한다.
• 클라우드 제공업체는 각각 고유한 혁신을 보이며, AWS는 메모리 캐싱을 위한 DAX를 제공하고, 구글은 전용 하드웨어(ТРУ)를 제공하며, 마이크로소프트는 성능 가속을 위해 FPGAs를 아웃소스에 통합한다.
• 용어 표준화 부족과 제공업체 간 일관성 없는 서비스 의미론은 원활한 멀티클라우드 채택과 서비스 비교의 주요 장벽으로 남아 있다.
• 신규 과제로는 클라우드 간 상호운용성, 대규모 시스템에서의 장애 내성, 특히 데이터베이스 및 AI 워크로드에 대한 피크 워크로드 하에서의 벤치마킹이 있다.