[論文レビュー] An NBDMMM Algorithm Based Framework for Allocation of Resources in Cloud

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

Cloud Computing and Resource Management参考文献 19被引用数 9

ひとこと要約

本論文は、Googleクラスタートレースからのインfraストラクチャ使用パターンを活用してパフォーマンスを最適化する、NBDMMMに基づくフレームワークを、クラウド環境における動的リソース割り当てのために提案している。四段階のモニタリングと割り当てパイプライン内でのDMMMアルゴリズムの変更にネットワーク帯域幅依存性を統合することで、CloudSimシミュレーションにおいてリソース効率とインフラストラクチャレベルのパフォーマンスが向上し、割り当て遅延が低減され、負荷分散が向上している。

ABSTRACT

Cloud computing is a technological advancement in the arena of computing and has taken the utility vision of computing a step further by providing computing resources such as network, storage, compute capacity and servers, as a service via an internet connection. These services are provided to the users in a pay per use manner subjected to the amount of usage of these resources by the cloud users. Since the usage of these resources is done in an elastic manner thus an on demand provisioning of these resources is the driving force behind the entire cloud computing infrastructure therefore the maintenance of these resources is a decisive task that must be taken into account. Eventually, infrastructure level performance monitoring and enhancement is also important. This paper proposes a framework for allocation of resources in a cloud based environment thereby leading to an infrastructure level enhancement of performance in a cloud environment. The framework is divided into four stages Stage 1: Cloud service provider monitors the infrastructure level pattern of usage of resources and behavior of the cloud users. Stage 2: Report the monitoring activities about the usage to cloud service providers. Stage 3: Apply proposed Network Bandwidth Dependent DMMM algorithm .Stage 4: Allocate resources or provide services to cloud users, thereby leading to infrastructure level performance enhancement and efficient management of resources. Analysis of resource usage pattern is considered as an important factor for proper allocation of resources by the service providers, in this paper Google cluster trace has been used for accessing the resource usage pattern in cloud. Experiments have been conducted on cloudsim simulation framework and the results reveal that NBDMMM algorithm improvises allocation of resources in a virtualized cloud.

研究の動機と目的

• 実際の使用パターンを分析することで、クラウドコンピューティングにおける効率的でオンデマンドのリソース割り当ての課題に対処すること。
• 予防的モニタリングと知的リソースプロビジョニングを通じて、インフラストラクチャレベルのパフォーマンスを向上させること。
• ネットワーク帯域幅依存性をリソース割り当て意思決定に組み込む新規アルゴリズム（NBDMMM）の開発。
• 実世界のクラスターデータとCloudSimにおけるシミュレーションを用いて、フレームワークの有効性を評価すること。
• 動的クラウドワークロードにおいて、より良い負荷分散と低減された割り当て遅延を達成すること。

提案手法

• フレームワークは四段階で動作する：インフラストラクチャレベルのリソース使用状況とユーザー行動のモニタリング、使用データをクラウドプロバイダーにレポート、NBDMMMアルゴリズムによる意思決定、それに応じたリソースの割り当て。
• NBDMMMアルゴリズムは、DMMM（Dynamic Multi-Mode Management）アプローチを拡張し、リソース割り当て意思決定におけるネットワーク帯域幅依存性を導入している。
• リソース使用パターンは、シミュレーションのための現実的なワークロード特性を提供するGoogleクラスタートレースから導出される。
• フレームワークは仮想化されたクラウドインfraストラクチャをモデル化するため、CloudSimシミュレーション環境を用いて実装および評価されている。
• アルゴリズムはリアルタイムの帯域幅およびワークロード要件に基づいてリソース割り当てを動的に調整し、効率を向上させている。
• 割り当て遅延、負荷分散、リソース利用率などのメトリクスを通じてパフォーマンスが評価されている。

実験結果

リサーチクエスチョン

• RQ1 クラウド環境における動的割り当てのために、インフラストラクチャレベルのリソース使用パターンを効果的にモニタリングし、活用する方法は何か？
• RQ2 ネットワーク帯域幅依存性を組み込むことで、クラウドシステムにおけるリソース割り当て効率はどの程度向上するか？
• RQ3 NBDMMMアルゴリズムは、負荷分散と応答時間の観点から、従来の割り当て手法を上回ることができるか？
• RQ4 提案されたフレームワークは、仮想化されたクラウド環境におけるインフラストラクチャレベルのパフォーマンスをどのように向上させるか？
• RQ5 実世界のワークロードデータ（Googleクラスタートレースより）は、提案された割り当て戦略の有効性にどのような影響を与えるか？

主な発見

• CloudSimシミュレーション環境において、NBDMMMアルゴリズムは従来の方法と比較して、リソース割り当て遅延を顕著に低減している。
• 割り当て意思決定にネットワーク帯域幅を考慮することで、仮想マシン間の負荷分散が改善されている。
• シミュレーション結果は、特に高並列ワークロード下で、リソース利用効率が向上していることを示している。
• ネットワーク帯域幅依存性の統合により、動的クラウド環境におけるより予測可能でスケーラブルなパフォーマンスが実現されている。
• 実際のGoogleクラスタートレースの使用により、シミュレーション結果の現実性と妥当性が向上し、フレームワークの実用的適用性を裏付けている。
• 四段階フレームワークは、モニタリング、分析、プロビジョニングを効果的に統合し、予防的かつ適応的なリソース管理を可能にしている。