[論文レビュー] A Relative Study of Task Scheduling Algorithms in Cloud Computing Environment

Syed Arshad Ali|arXiv (Cornell University)|Jan 1, 2016

Cloud Computing and Resource Management参考文献 10被引用数 1

ひとこと要約

本論文は、実行時間、スループット、マクスパン、リソース利用効率、エネルギー消費、サービス品質などの主要なパフォーマンス指標を基準に、クラウドコンピューティング環境における12のタスクスケジューリングアルゴリズムの比較分析を提示している。研究では、粒子群最適化（PSO）およびコッコウ最適化に基づくアルゴリズムが、負荷分散とエネルギー効率性において優れたパフォーマンスを示した一方で、既存の手法における障害耐性およびスケーラビリティのギャップを浮き彫りにした。

ABSTRACT

Cloud Computing is a paradigm of both parallel processing and distributed computing. It offers computing facilities as a utility service in pay as par use manner. Virtualization, self service provisioning, elasticity and pay per use are the key features of Cloud Computing. It provides different types of resources over the Internet to perform user submitted tasks. In cloud environment, huge number of tasks are executed simultaneously, an effective Task Scheduling is required to gain better performance of the cloud system. Various Cloud Based Task Scheduling algorithms are available that schedule the task of user to resources for execution. Due to the novelty of Cloud Computing, traditional scheduling algorithms cannot satisfy the needs of cloud , the researchers are trying to modify traditional algorithms that can fulfill the cloud requirements like rapid elasticity, resource pooling and on demand self service. In this paper the current state of Task Scheduling algorithms has been discussed and compared on the basis of various scheduling parameters like execution time, throughput, make span, resource utilization, quality of service, energy consumption, response time and cost.

研究の動機と目的

• 複数のパフォーマンス指標に基づいて、クラウドコンピューティングにおける既存のタスクスケジューリングアルゴリズムを評価・比較すること。
• エラスティシティ、セルフサービス、オンデマンドリソースプロビジョニングといったクラウド固有の要件を満たすために、現在のスケジューリングアルゴリズムの強みと限界を特定すること。
• 既存のアルゴリズムにおける障害耐性、負荷分散、スケーラビリティのギャップを浮き彫りにすること。
• 今後の研究を導くために、未だ十分に検討されていないパrameterと、マルチオブジェクティブ最適化の機会を特定すること。

提案手法

• 本研究は、クラウド環境における12の代表的タスクスケジューリングアルゴリズムについて、体系的レビューと比較分析を実施した。
• 各アルゴリズムは、応答時間、実行時間、スループット、マクスパン、リソース利用効率、エネルギー消費、負荷分散、サービス品質という8つの主要なスケジューリングパrameterに基づいて評価された。
• 分析では、定義されたパrameterにおける各アルゴリズムのパフォーマンスをマッピングするための比較マトリクス（表I）が使用された。
• 自然由来の最適化アルゴリズム（例：粒子群最適化（PSO）、コッコウ最適化）およびエネルギー効率戦略（例：DVFS、グリーンエネルギー効率）のマルチオブジェクティブ最適化における有効性が評価された。
• 本研究では、文献に記載された既存の実験結果を活用してアルゴリズムのパフォーマンスを評価しており、新たなシミュレーションは実施していない。
• 図3は、各スケジューリング特性をサポートするアルゴリズムの割合を視覚的に要約しており、トレンドの特定を可能にしている。

実験結果

リサーチクエスチョン

• RQ1 クラウド環境において、実行時間、スループット、リソース利用効率のバランスを最も良くとるタスクスケジューリングアルゴリズムはどれか？
• RQ2 自然由来の最適化アルゴリズム（例：PSO、コッコウ）は、従来の手法やエネルギー効率戦略と比較して、負荷分散およびエネルギー効率性においてどのように差をつけるか？
• RQ3 現在のアルゴリズムは、障害耐性およびスケーラビリティをどの程度サポートしているのか。これらの分野における主な制限要因は何か？
• RQ4 さまざまなスケジューリング戦略において、エネルギー消費、コスト、サービス品質の間にはどのようなトレードオフがあるか？

主な発見

• 粒子群最適化（PSO）に基づくおよびコッコウ最適化に基づくスケジューリングアルゴリズムは、負荷分散およびサービス品質において優れたパフォーマンスを示しており、PSOは高いシステム性能を達成している一方、コッコウ最適化は優れた負荷分散性能を示している。
• DVFS対応、グリーンエネルギー効率、適応型エネルギー効率スケジューリングといったエネルギー効率アルゴリズムは、電力消費を顕著に削減すると同時にリソース利用効率を向上させた。
• 分析対象のアルゴリズムのうち、わずか40％しかサービス品質を効果的に対応しておらず、30％未満が障害耐性をサポートしていることから、信頼性およびレジリエンスの分野における大きな研究ギャップが明らかになった。
• リソース利用効率およびシステムパフォーマンスは、60～70％のアルゴリズムがカバーしており、これら指標は現在の研究で十分に取り組まれていると考えられる。
• 本研究では、大多数のアルゴリズムにマルチオブジェクティブ最適化の欠如が確認され、わずか数例のアルゴリズムしか同時に3つ以上のパフォーマンスパrameterを統合していなかった。
• 結果から、今後のスケジューリングアルゴリズムは、エネルギー効率性およびコスト効率性を維持しつつ、障害耐性およびスケーラビリティといったパrameterをより多く統合すべきであると示唆された。