[論文レビュー] Application of Machine Learning Optimization in Cloud Computing Resource Scheduling and Management

Yifan Zhang, Bo Liu+4 more|arXiv (Cornell University)|Feb 27, 2024

Big Data Technologies and Applications被引用数 8

ひとこと要約

論文は、機械学習最適化技術を用い、深層学習や遺伝的アルゴリズムを含む、クラウドコンピューティングにおけるリソーススケジューリングと管理を改善することを提案しており、低リソース利用率や不均一な負荷といった課題に対処する。

ABSTRACT

In recent years, cloud computing has been widely used. Cloud computing refers to the centralized computing resources, users through the access to the centralized resources to complete the calculation, the cloud computing center will return the results of the program processing to the user. Cloud computing is not only for individual users, but also for enterprise users. By purchasing a cloud server, users do not have to buy a large number of computers, saving computing costs. According to a report by China Economic News Network, the scale of cloud computing in China has reached 209.1 billion yuan. At present, the more mature cloud service providers in China are Ali Cloud, Baidu Cloud, Huawei Cloud and so on. Therefore, this paper proposes an innovative approach to solve complex problems in cloud computing resource scheduling and management using machine learning optimization techniques. Through in-depth study of challenges such as low resource utilization and unbalanced load in the cloud environment, this study proposes a comprehensive solution, including optimization methods such as deep learning and genetic algorithm, to improve system performance and efficiency, and thus bring new breakthroughs and progress in the field of cloud computing resource management.Rational allocation of resources plays a crucial role in cloud computing. In the resource allocation of cloud computing, the cloud computing center has limited cloud resources, and users arrive in sequence. Each user requests the cloud computing center to use a certain number of cloud resources at a specific time.

研究の動機と目的

• 低利用と不均一な負荷のため、クラウドコンピューティングにおけるリソーススケジューリングの改善の必要性を動機付ける。
• クラウドセンターにおける割り当て決定を向上させるための機械学習ベースの最適化フレームワークを提案する。
• 深層学習と遺伝的アルゴリズムがクラウドリソース管理におけるシステム性能と効率をどのように向上させるかを調査する。

提案手法

• クラウドリソーススケジューリングの最適化手法として、深層学習と遺伝的アルゴリズムを適用する。
• 連続的に到着するユーザ要求と限定されたクラウドリソースに対するリソース割り当てに対処する。
• クラウド環境での利用率と負荷分散を改善する統合的アプローチを開発する。

実験結果

リサーチクエスチョン

• RQ1 機械学習最適化技術はクラウドコンピューティングにおけるリソース利用率を改善できるか？
• RQ2 連続的なユーザー到着の下で、深層学習と遺伝的アルゴリズムはクラウドリソーススケジューリングでどのように機能するか？
• RQ3 MLベースの最適化がクラウドリソース管理の効率に与える影響は何か？

主な発見

• 本研究は、クラウドリソースのスケジューリングと管理のための包括的なML最適化ソリューションを提案している。
• このアプローチは、クラウド環境における低リソース利用率や不均衡な負荷といった課題を対象とする。
• 統合的手法は、クラウドリソース割り当てにおけるシステム性能と効率を向上させることを目的とする。