[論文レビュー] Energy-aware Application Scaling on a Cloud

Ashkan Paya, Dan C. Marinescu|arXiv (Cornell University)|Jul 12, 2013

Cloud Computing and Resource Management参考文献 16被引用数 4

ひとこと要約

本論文では、クラウド環境向けにエネルギー効率を考慮したリソーススケーリングアルゴリズムを提案しており、サーバーの運用を最適なエネルギー効率領域に最大化し、非効率または望ましくない状態にあるサーバーを最小限に抑えることで、サーバー運用を最適化する。負荷分散、アドミッション制御、動的スケーリング意思決定を統合し、特に軽負荷のサーバーに対してスリープ状態を優遇することで、応答性を損なわず、シミュレーションによる検証で多様なワークロードおよびクラスターサイズにおいて最大30％のエネルギー消費削減を達成した。

ABSTRACT

Cloud elasticity - the ability to use as much resources as needed at any given time - and low cost - a user pays only for the resources it consumes - represent solid incentives for many organizations to migrate some of their computational activities to a public cloud. As the interest in cloud computing grows, so does the size of the cloud computing centers and their energy footprint. The realization that power consumption of cloud computing centers is significant and it is expected to increase substantially in the future motivates our interest in scheduling and scaling algorithms which minimize power consumption. We propose energy-aware application scaling and resource management algorithms. Though targeting primarily the Infrastructure as a Service (IaaS), the system models and the algorithms we propose can be applied to the other cloud delivery models and to private clouds.

研究の動機と目的

• 2006年に米国で610億kWhを消費した大規模クラウドデータセンターのエネルギーインパクトを軽減すること。2030年までに年間10,300TWhに達する見込みである。
• インfraストラクチャ・ツー・ア・サービス（IaaS）環境を念頭に、エネルギー効率とスケーリング要求への応答性の両立を図るリソース管理システムの設計。
• 総合的なエネルギー消費を最小限に抑えるために、電力最適領域を特定し、その領域での運用を促進するとともに、非効率または望ましくない状態での滞在時間を短縮すること。
• クラスタードなクラウドアーキテクチャにおいて、スケーラブルかつ分散型の意思決定を可能にするために、大多数のスケーリング意思決定を局所化し、クラスターリーダーとの通信オーバーヘッドを低減すること。

提案手法

• 著者らは、消費電力とパフォーマンスのトレードオフに基づき、5つのサーバー運用領域（2つの望ましくない状態、2つの非最適状態、1つの最適状態）を定義した。
• 垂直スケーリングまたは水平スケーリングの意思決定、およびスリープモードへの切り替えを指導するためのエネルギー意識的な運用モデルを開発した。
• 3段階の階層的意思決定フレームワーク（ローカル意思決定（個々のサーバーで実施）、クラスターレベルの調整（クラスターリーダーが実施）、複数クラスタ間のグローバル調整）を採用した。
• 負荷トレンドとサーバー状態に基づきスケーリング意思決定がなされ、特に最適領域での運用を維持し、軽負荷のサーバーをスリープ状態に移行させることが重視された。
• QoSを確保しながらエネルギー消費を最小限に抑えるために、アドミッション制御と容量割り当てポリシーを同じフレームワークに統合した。
• 通信オーバーヘッドを低減するため、ローカル意思決定を優遇した。シミュレーション結果では、初期トランジエントフェーズを除き、クラスターリーダーの関与を要しない意思決定が、全体の50％以上を占めた。

実験結果

リサーチクエスチョン

• RQ1 スケーリング要求への応答性を損なわず、エネルギー消費を最小限に抑えるために、クラウドリソース管理アルゴリズムはどのように設計できるか？
• RQ2 パワーエフィシェンシーとパフォーマンスの観点から、最適なサーバー運用領域とは何か、そしてそれがどのように動的に維持できるか？
• RQ3 大規模クラウドクラスタにおいて、ローカル意思決定が通信オーバーヘッドをどの程度低減できるか？
• RQ4 本アルゴリズムは、さまざまなワークロードおよびクラスターサイズにおいて、エネルギー消費の削減にどの程度効果を発揮するか？
• RQ5 軽負荷のサーバーに対してスリープ状態を導入することで、クラウド環境全体のエネルギー消費を顕著に削減できるか？

主な発見

• アルゴリズムにより、最適領域で運用されるサーバーの割合が全体の約70％にまで向上し、望ましくない領域での運用はわずか5％にまで低下した。
• さまざまなワークロードにおいて一貫したパフォーマンスを維持し、軽負荷（30％負荷）から高負荷（70％負荷）に至るまで、エネルギー効率にわずかな変動しか示さなかった。
• シミュレーションの区間42、50、76において、40台のサーバーのうち13〜15台がスリープモードに切り替えられ、非負荷時の消費電力の削減が効果的に実現された。
• 非エネルギー意識的な運用と比較して、エネルギー消費を最大30％削減した。エネルギー節約率は、ベースライン消費量に対する節約エネルギー量の比として測定された。
• 通信オーバーヘッドは低く保たれ、初期トランジエントフェーズを過ぎた後、50％以上の意思決定がクラスターリーダーの関与なしにローカルで実施された。
• 20〜100台のサーバーを含むさまざまなクラスターサイズにおいて、アルゴリズムは頑健性とスケーラビリティを示し、実世界の展開に適していることが示された。