[論文レビュー] CloudGenius: Automated Decision Support for Migrating Multi-Component Enterprise Applications to Clouds

Michael Menzel, Rajiv Ranjan|arXiv (Cornell University)|Dec 16, 2011

Cloud Computing and Resource Management参考文献 19被引用数 5

ひとこと要約

CloudGeniusは、コスト、パフォーマンス、互換性といった対立する基準をバランスさせるために、分析的枠組み法（AHP）を適用することで、クラウド移行におけるマルチコンポonentエンタープライズアプリケーションの最適なVMイメージおよびIaaSサービスの選択を自動化するレコメンデーションフレームワークである。CumulusGeniusプロトタイプを用いた実験では、解決時間の複雑さがコンポーネント数および組み合わせ数に伴い指数関数的に増加するが、同フレームワークは異種のクラウドプロバイダーに跨るスケーラブルな多基準意思決定を可能にする。

ABSTRACT

One of the key problems in migrating multi-component enterprise applications to Clouds is selecting the best mix of VM images and Cloud infrastructure services. A migration process has to ensure that Quality of Service (QoS) requirements are met, while satisfying conflicting selection criteria, e.g. throughput and cost. When selecting Cloud services, application engineers must consider heterogeneous sets of criteria and complex dependencies across multiple layers impossible to resolve manually. To overcome this challenge, we present the generic recommender framework CloudGenius and an implementation that leverage well known multi-criteria decision making technique Analytic Hierarchy Process to automate the selection process based on a model, factors, and QoS requirements related to enterprise applications. In particular, we introduce a structured migration process for multi-component enterprise applications, clearly identify the most important criteria relevant to the selection problem and present a multi-criteria-based selection algorithm. Experiments with the software prototype CumulusGenius show time complexities.

研究の動機と目的

• マルチコンポーネントエンタープライズアプリケーションのクラウド移行において、最適なVMイメージおよびIaaSサービスの組み合わせを手動で選択する課題に対処すること。
• コスト、スループット、互換性といった対立する基準をバランスさせながら、異種のクラウドプロバイダーに跨る意思決定プロセスを自動化すること。
• サービス品質、コスト、システム依存関係のトレードオフをサポートする構造的かつ再現可能な移行プロセスを提供すること。
• アルゴリズム的レコメンデーションを通じて、複雑なITシステム構成をクラウドリソースにマッピングする際の時間的複雑さと人的誤差を低減すること。
• ソフトウェアおよびインフラストラクチャレイヤーに跨る依存関係と制約をモデル化することで、プロバイダー間の選択を可能にすること。

提案手法

• フレームワークは、選択を階層的評価問題としてモデル化するため、$(MC^{2})^{2}$ 多基準意思決定プロセスを用いる。
• 対比較と重み付けスコアによる基準間のトレードオフを可能にするために、分析的枠組み法（AHP）を適用する。
• VMイメージ、IaaSサービス、およびその属性（例：仮想化形式、OS、コスト、パフォーマンス）を表すデータモデルを定義する。
• ネットワークコストをコンポーネント間の要因として考慮し、すべての妥当なVMイメージおよびサービスの組み合わせの組み合わせ値を計算する。
• 時間的複雑さは、ネットワークコスト計算に対してO(l²)であり、コンポーネント数lに比例してスケーリングされ、総解決時間に指数関数的増加が生じる。
• 実装として、CumulusGeniusはJavaライブラリを提供しており、Webフロントエンドの統合およびクラウドサービスデータベースとの連携を現在開発中である。

実験結果

リサーチクエスチョン

• RQ1 マルチコンポーネントクラウド移行において、最適なVMイメージおよびIaaSサービスの組み合わせを自動で選択するための意思決定支援はどのように提供可能か？
• RQ2 コスト、パフォーマンス、互換性といった対立する目的をバランスさせるために、どの多基準意思決定技法が最も適しているか？
• RQ3 選択プロセスの時間的複雑さは、コンポーネント数および利用可能なサービスオプションの数に伴いどのようにスケーリングされるか？
• RQ4 コンポーネント間のネットワークコストは、全体の選択および最適化プロセスにどのような影響を及えるか？
• RQ5 フレームワークは、互換性およびQoS制約を維持したまま、どのようにプロバイダー間の選択を支援できるか？

主な発見

• 最適な解決策を求める総時間は、VMイメージおよびサービスの数に伴い指数関数的に増加し、特にすべてのコンポーネントの組み合わせを評価する場合に顕著である。
• 追加のコンポーネントごとに計算時間は線形に増加するが、3つを超えるとスケーラビリティの課題が顕在化する。
• 計算時間の大半は、複数のプロバイダーおよびネットワーク構成に跨る組み合わせの評価に費やされている。
• フレームワークは、ソフトウェアおよびIaaSレイヤーに跨る依存関係と制約を効果的にモデル化し、自動でプロバイダー間のレコメンデーションを可能にした。
• 実装であるCumulusGeniusは、Intel Core i7および8GB RAMのテストマシン上で実現可能であることが確認され、評価用に合成データ生成をサポートしている。
• 将来的には、CloudHarmonyやthecloudmarket.comなどのベンチマークツールおよびクラウドマーケットプレイスとの統合により、データの完全性と意思決定の正確性が向上すると予想される。