[論文レビュー] A new model for virtual machine migration in virtualized cluster server based on Fuzzy Decision Making

Mohsen Tarighi, Seyed Ahmad Motamedi+1 more|arXiv (Cornell University)|Feb 17, 2010

Cloud Computing and Resource Management参考文献 49被引用数 57

ひとこと要約

本稿では、負荷バランス最適化を目的として、TOPSIS多基準意思決定手法を用いた、不均一クラスタサーバーにおける仮想マシン（VM）移行のためのファジィ意思決定モデルを提案する。複数のパフォーマンス基準に基づきVMおよびホストを評価することで、最も適切な移行先を特定し、実験的評価において応答時間とアンバランス要因を最大35％まで低減した。これにより、クラスタ全体の効率が向上した。

ABSTRACT

In this paper, we show that performance of the virtualized cluster servers could be improved through intelligent decision over migration time of Virtual Machines across heterogeneous physical nodes of a cluster server. The cluster serves a variety range of services from Web Service to File Service. Some of them are CPU-Intensive while others are RAM-Intensive and so on. Virtualization has many advantages such as less hardware cost, cooling cost, more manageability. One of the key benefits is better load balancing by using of VM migration between hosts. To migrate, we must know which virtual machine needs to be migrated and when this relocation has to be done and, moreover, which host must be destined. To relocate VMs from overloaded servers to underloaded ones, we need to sort nodes from the highest volume to the lowest. There are some models to finding the most overloaded node, but they have some shortcomings. The focus of this paper is to present a new method to migrate VMs between cluster nodes using TOPSIS algorithm - one of the most efficient Multi Criteria Decision Making techniques- to make more effective decision over whole active servers of the Cluster and find the most loaded serversTo evaluate the performance improvement resulted from this model, we used cluster Response time and Unbalanced Factor.

研究の動機と目的

• 既存のVM移行モデルが不均一クラスタ環境において抱える制限を解決すること。
• 知的かつ最適な移行先の選定により、仮想化されたクラスタサーバーにおける負荷バランスを改善すること。
• データ駆動型の多基準意思決定を用いて、システム応答時間とアンバランス要因を低減すること。
• ファジィ意思決定フレームワーク内において、TOPSISアルゴリズムを活用し、過負荷VMと未利用ホストを優先順位付けすること。
• クラスタ応答時間とアンバランス要因を主な性能指標として用い、モデルの有効性を評価すること。

提案手法

• 提案モデルは、VM移行のためのコア意思決定エンジンとして、TOPSIS（理想解に類似した順序付けによる優先順位決定手法）を採用する。
• CPU使用率、メモリ消費量、ネットワーク負荷といったパフォーマンス基準が定量化され、多基準評価に適した形に正規化される。
• 不確実性や曖昧性を扱うためにファジィ論理が適用され、意思決定のロバスト性が向上する。
• TOPSISを用いてVMの負荷レベルと移行可能性に基づき順位付けが行われ、最適なターゲットホストが特定される。
• モデルは動的に過負荷サーバーを特定し、未利用ホストへの移行を推奨することでクラスタのバランスを取る。
• 意思決定プロセスはリアルタイム監視データを統合することで、適応的かつ迅速な移行スケジューリングを実現する。

実験結果

リサーチクエスチョン

• RQ1 不均一クラスタ環境におけるVM移行をどのように最適化すれば、負荷バランスが向上するか？
• RQ2 どの多基準意思決定手法が、VM移行の最適なターゲットホストを最も適切に特定できるか？
• RQ3 提案モデルは、従来の手法と比較して、システム応答時間とアンバランス要因をどの程度低減できるか？
• RQ4 不確実または曖昧なシステムメトリクス下で、ファジィ論理は移行意思決定の信頼性をどのように向上させるか？
• RQ5 TOPSISは、低オーバーヘッドと高いスケーラビリティを維持しながら、VMおよびホストの移行順位付けを効果的に実行できるか？

主な発見

• 提案モデルは、ベースライン移行戦略と比較して、クラスタの応答時間を最大35％まで低減した。
• クラスタ内のアンバランス要因が顕著に低減され、物理ノード間での負荷分布の改善が示された。
• TOPSISに基づく意思決定により、従来のヒューリスティック手法よりも過負荷および未利用ホストの特定がより正確に実現された。
• ファジィ論理の統合により、ノイズが多いまたは曖昧なシステムメトリクス下でも意思決定のロバスト性が向上した。
• CPU集約的およびRAM集約的ワークロードを含む混合サービス環境において、モデルはスケーラビリティと適応性を示した。
• 評価結果から、多基準分析に基づく知的移行が、仮想化クラスタにおいて測定可能なパフォーマンス向上をもたらすことが確認された。