[論文レビュー] CloudGenius: Decision Support for Web Server Cloud Migration

Michael Menzel, Rajiv Ranjan|arXiv (Cornell University)|Mar 18, 2012

Cloud Computing and Resource Management参考文献 14被引用数 16

ひとこと要約

CloudGeniusは、分析的層別化手法（AHP）を用いて、Webサーバー移行のための最適なクラウドインfraストラクチャーサービスおよび仮想マシン（VM）イメージの選択を自動化する意思決定支援フレームワークである。コスト、パフォーマンス、SLAなどの複数基準をモデル化することで、人的作業と複雑さを軽減し、スケーラブルで自動化されたソリューションを提供する。このフレームワークはプロトタイプ実装および時間計算量解析により検証済みである。

ABSTRACT

Cloud computing is the latest computing paradigm that delivers hardware and software resources as virtualized services in which users are free from the burden of worrying about the low-level system administration details. Migrating Web applications to Cloud services and integrating Cloud services into existing computing infrastructures is non-trivial. It leads to new challenges that often require innovation of paradigms and practices at all levels: technical, cultural, legal, regulatory, and social. The key problem in mapping Web applications to virtualized Cloud services is selecting the best and compatible mix of software images (e.g., Web server image) and infrastructure services to ensure that Quality of Service (QoS) targets of an application are achieved. The fact that, when selecting Cloud services, engineers must consider heterogeneous sets of criteria and complex dependencies between infrastructure services and software images, which are impossible to resolve manually, is a critical issue. To overcome these challenges, we present a framework (called CloudGenius) which automates the decision-making process based on a model and factors specifically for Web server migration to the Cloud. CloudGenius leverages a well known multi-criteria decision making technique, called Analytic Hierarchy Process, to automate the selection process based on a model, factors, and QoS parameters related to an application. An example application demonstrates the applicability of the theoretical CloudGenius approach. Moreover, we present an implementation of CloudGenius that has been validated through experiments.

研究の動機と目的

• Webアプリケーションの移行に適したクラウドインfraストラクチャーサービスおよびVMイメージを手動で選択する際の複雑さとリスクに対処する。
• 複数の異種基準に基づいて選択プロセスを自動化することで、システムエンジニアの意思決定負荷を軽減する。
• Webアプリケーション要件をクラウドサービス構成にマッピングする体系的で再現可能なフレームワークを提供する。
• 依存関係とサービス品質（QoS）パrameterをモデル化することで、クラウド移行における効率的でスケーラブルな意思決定を可能にする。
• プロトタイプ実装および時間計算量とソリューション品質の実証的分析を通じて、フレームワークを検証する。

提案手法

• 最適なクラウドインfraストラクチャーサービスおよびVMイメージの組み合わせの順位付けと選択に、分析的層別化手法（AHP）を意思決定技法の中心として採用する。
• 選択基準を定量的指標（例：コスト、遅延、SLA準拠度）としてモデル化し、一対比較行列を用いて重みを導出する。
• CloudHarmony や TheCloudMarket.com などのソースからのリアルタイムまたはベンチマーク済みデータを統合し、データの最新性と正確性を確保する。
• ユーザーが指定したQoS目標に基づいて、すべての妥当なペアを評価する検索アルゴリズムを用いて、サービス-イメージの組み合わせを自動生成する。
• 大規模な構成において全探索が不可能な場合に有効なヒューリスティックとして、遺伝的アルゴリズムにフィットネス関数（式4）を適用して最適解探索を最適化する。
• サービス選択、イメージ選択、カスタマイズ、戦略定義、実行を含むサイクル型の移行プロセスをサポートし、反復的改善を可能にする。

実験結果

リサーチクエスチョン

• RQ1 Webサーバー移行のための複雑なクラウドインfraストラクチャーサービスおよびVMイメージの選択を簡素化する体系的で自動化された意思決定支援フレームワークをどのように設計できるか？
• RQ2 クラウド移行意思決定におけるコスト、パフォーマンス、信頼性、SLA準拠のトレードオフをモデル化する際に、最も効果的な基準と重み付けメカニズムは何か？
• RQ3 サービスおよびVMイメージの数が増加するに伴い、選択アルゴリズムの時間計算量はどのようにスケーリングするのか？また、どのような最適化が可能か？
• RQ4 自動選択は、臨時の移行計画に比べて、人的作業をどの程度削減し、正確性を向上させられるか？
• RQ5 今後のバージョンで、マルチティアアプリケーション、永続化レイヤー、および定性的基準をサポートするために、このフレームワークはどのように拡張可能か？

主な発見

• CloudGeniusフレームワークは、AHPに基づく多基準意思決定を用いて、最適なクラウドインfraストラクチャーサービスおよびVMイメージの選択を成功裏に自動化した。
• 実験により、最良のサービス-イメージ組み合わせの計算において時間計算量が2次関数的であることが確認され、大規模データセットではスケーラビリティの課題が生じることが示された。
• プロトタイプ実装では、手動評価に比べて自動選択が人的作業と意思決定時間を顕著に短縮することが実証された。
• 基準数が多いことから、サービス評価はイメージ評価よりも複雑で、計算負荷が高くなることが判明した。
• 本フレームワークは定量的基準に依存しているため、現在の範囲に制限があるが、今後の拡張でグループ評価や定性的評価を統合可能である。
• 全探索が不可能な大規模構成において、遺伝的アルゴリズムとフィットネス関数（式4）を用いたヒューリスティック手法が、実用的な代替手段を提供することが示された。