[論文レビュー] A Decision Matrix and Monitoring based Framework for Infrastructure Performance Enhancement in A Cloud based Environment

Mansaf Alam, Kashish Ara Shakil|arXiv (Cornell University)|Dec 27, 2014

Cloud Computing and Resource Management参考文献 12被引用数 14

ひとこと要約

本稿では、クラウド環境におけるインfraストラクチャのパフォーマンスを向上させるため、意思決定マトリクスとモニタリングに基づくフレームワークを提案する。本研究では、ユーザーのワークロードパターンに基づいてリソース割り当てを優先順位付けするための新規な意思決定マトリクスベースのmax-minアルゴリズム（DMMM）を用い、リアルタイムでのモニタリングと動的リソース割り当てにより、全体のシステム効率と応答性を向上させる。

ABSTRACT

Cloud environment is very different from traditional computing environment and therefore tracking the performance of cloud leverages additional requirements. The movement of data in cloud is very fast. Hence, it requires that resources and infrastructure available at disposal must be equally competent. Infrastructure level performance in cloud involves the performance of servers, network and storage which act as the heart and soul for driving the entire cloud business. Thus a constant improvement and enhancement of infrastructure level performance is an important task that needs to be taken into account. This paper proposes a framework for infrastructure performance enhancement in a cloud based environment. The framework is broadly divided into four steps: a) Infrastructure level monitoring of usage pattern and behaviour of the cloud end users, b) Reporting of the monitoring activities to the cloud service provider c) Cloud service provider assigns priority according to our decision matrix based max-min algorithm (DMMM) d) Providing services to cloud users leading to infrastructure performance enhancement. Our framework is based on decision matrix and monitoring in cloud using our proposed decision matrix based max-min algorithm, which draws its inspiration from the original min-min algorithm. This algorithm makes use of decision matrix to make decisions regarding distribution of resources among the cloud users.

研究の動機と目的

• 急速なデータ移動と変動するワークロードに起因する、動的なクラウド環境における高いインフラストラクチャパフォーマンスの維持という課題に対処する。
• 従来のリソース割り当ての限界を克服するため、データドリブンで優先順位に基づく意思決定メカニズムを導入する。
• 実際のユーザー行動およびインフラストラクチャ使用パターンに合わせたリソース配分により、クラウドサービスの品質を向上させる。
• 継続的なモニタリングと知的意思決定を通じて、クラウドサービスプロバイダーがインフラストラクチャパフォーマンスを能動的に管理・向上できることを可能にする。
• マルチテントクラウド環境におけるリアルタイムパフォーマンス最適化をサポートするスケーラブルで適応可能なフレームワークを開発する。

提案手法

• クラウドエンドユーザーのリアルタイム使用状況と行動メトリクスを捉えるため、インfraストラクチャレベルでのモニタリングを実装する。
• 収集したモニタリングデータをクラウドサービスプロバイダーに報告し、集中分析と意思決定に活用する。
• min-minアルゴリズムを基盤としつつも、意思決定マトリクスを用いた重み付け優先順位付けにより性能を向上させた、意思決定マトリクスベースのmax-minアルゴリズム（DMMM）を適用する。
• 意思決定マトリクスを用いて、遅延、スループット、リソース利用可能性といった事前に定義されたパフォーマンス基準に基づき、ユーザー要求を評価・ランク付けする。
• DMMMアルゴリズムが生成する優先順位スコアに従い、動的リソース割り当てを実施することで、最適な負荷分散を実現する。
• フィードバックループを統合し、変化するワークロードダイナミクスに応じて意思決定マトリクスを継続的に更新し、適応可能にする。

実験結果

リサーチクエスチョン

• RQ1 クラウド環境におけるインfraストラクチャパフォーマンスを、リアルタイム最適化を支援するため、体系的かつ分析的に監視・分析する方法は何か？
• RQ2 全体のシステムパフォーマンスを向上させるために、クラウドユーザー間でのリソース割り当てを優先順位づけるために、どのような基準を用いるべきか？
• RQ3 提案されたDMMMアルゴリズムは、従来のmin-minおよびmax-minスケジューリング戦略に比べて、クラウドリソース割り当てにおいてどのように改善をもたらすか？
• RQ4 モニタリングと意思決定マトリクス技術の統合が、インfraストラクチャの応答性および効率性の向上にどの程度の測定可能な効果をもたらすか？
• RQ5 このフレームワークは、多様なクラウドデプロイメントモデルおよびワークロードタイプに対し、効果的にスケーリングおよび適応可能か？

主な発見

• 提案されたDMMMアルゴリズムは、重み付けされた意思決定マトリクスに基づくワークロードの優先順位付けにより、リソース競合を効果的に低減し、応答時間が改善された。
• リアルタイムモニタリングにより、パフォーマンスボトルネックの早期特定が可能となり、能動的なリソース調整が可能になった。
• フレームワークは、サーバー、ネットワーク、ストレージを含むクラウドインfraストラクチャコンponentsにおける負荷分散の向上を示した。
• リソース割り当てに意思決定マトリクスの論理を統合することで、従来のヒューリスティックベースの手法と比較して、公平性と効率性が向上した。
• フレームワークは、変化するユーザー需要に動的に適応でき、変動するワークロード下でも持続的なパフォーマンスを確保できた。
• 本アプローチにより、クラウドプロバイダーは、実際の使用状況とパフォーマンス目標に合わせたリソース配分を実現し、より高品質なサービスを提供できるようになった。