[論文レビュー] Energy Efficient Geographical Load Balancing via Dynamic Deferral of Workload

Muhammad Abdullah Adnan, Ryo Sugihara+1 more|arXiv (Cornell University)|Apr 11, 2012

Cloud Computing and Resource Management参考文献 23被引用数 5

ひとこと要約

本論文は、時間変動する電力料金とデッドライン制約に基づき、動的に作業負荷を遅延・移行することでエネルギー効率を向上させる地理的負荷分散フレームワークを提案する。SLAの柔軟性を活用し、将来の電力料金を予測することで、オフライン最適化とオンライン適応アルゴリズムを併用し、予測誤差に対処するための移行機能を導入することで、遅延が制限された状態で総エネルギーコストを20–30%削減する。

ABSTRACT

With the increasing popularity of Cloud computing and Mobile computing, individuals, enterprises and research centers have started outsourcing their IT and computational needs to on-demand cloud services. Recently geographical load balancing techniques have been suggested for data centers hosting cloud computation in order to reduce energy cost by exploiting the electricity price differences across regions. However, these algorithms do not draw distinction among diverse requirements for responsiveness across various workloads. In this paper, we use the flexibility from the Service Level Agreements (SLAs) to differentiate among workloads under bounded latency requirements and propose a novel approach for cost savings for geographical load balancing. We investigate how much workload to be executed in each data center and how much workload to be delayed and migrated to other data centers for energy saving while meeting deadlines. We present an offline formulation for geographical load balancing problem with dynamic deferral and give online algorithms to determine the assignment of workload to the data centers and the migration of workload between data centers in order to adapt with dynamic electricity price changes. We compare our algorithms with the greedy approach and show that significant cost savings can be achieved by migration of workload and dynamic deferral with future electricity price prediction. We validate our algorithms on MapReduce traces and show that geographic load balancing with dynamic deferral can provide 20-30% cost-savings.

研究の動機と目的

• 時間的・場所的要因による電力料金の変動を活用して、クラウドデータセンターにおけるエネルギーコストを低減すること。
• サービスレベル契約（SLA）における作業負荷のデッドラインに関する柔軟性を活用し、実行を遅延させることでエネルギー効率を向上させること。
• 変化する電力料金と予測値に応じて、オンラインで動的にデータセンター間の作業負荷の割り当てと移行を制御するアルゴリズムを設計すること。
• 予測誤差の影響を評価し、移行機能がコスト効率を向上させるメカニズムを示すこと。
• 現実のワークロードと料金条件を想定した条件下で、実際のMapReduceトレースを用いて手法の有効性を検証すること。

提案手法

• デッドライン制約のもとで総エネルギーコストを最小化するように、作業負荷をデータセンターに割り当てるとともに、時間経過に伴う遅延および移行意思決定を定式化したオフライン最適化問題を提示する。
• 将来の電力料金予測を活用して、リアルタイムで作業負荷の割り当てと移行意思決定を導くオンラインアルゴリズムを開発する。
• 時系列解析手法（例：重み付き平均フィルタ）による平均値と、履歴データから推定された分散を用いたガウス分布ベースの予測モデルを採用し、不確実性を扱う。
• 予測誤差の是正およびコストパフォーマンスの向上を目的として、移行を補正メカニズムとして導入する。特に、予測値と実際の値の乖離が生じた場合に有効である。
• SLAの余裕（slackness）を活用して、緊急性の低い作業負荷を電力料金が低い時期に遅延させる動的遅延戦略を採用する。
• オンラインアルゴリズムの性能を、移行機能を有するか否かで比較するための競合比分析を実施し、移行機能を導入することでコスト削減が顕著に向上することを示す。

実験結果

リサーチクエスチョン

• RQ1 地理的に分散したデータセンター間での作業負荷の遅延および移行は、デッドライン制約を尊重した上で、どのようにエネルギーコストを削減できるか？
• RQ2 予測誤差がオンライン負荷分散のパフォーマンスに与える影響は何か？また、移行機能はその影響をどのように緩和できるか？
• RQ3 SLAの柔軟性に基づく動的遅延は、時間変動する電力料金の下で、顕著なコスト削減を達成できるか？
• RQ4 作業負荷の移行を組み込むことで、グリーディで移行機能のないアプローチと比較して、コスト効率はどの程度向上するか？
• RQ5 将来の電力料金予測を、スケーラブルで実用的な方法で活用することで、エネルギーコストの削減はどの程度達成可能か？

主な発見

• 実際のMapReduceトレースを用いた検証により、提案手法はグリーディベースラインと比較して、総エネルギー支出を20–30%削減する。
• 作業負荷の移行を組み込んだオンラインアルゴリズムは、予測誤差が生じる状況でも、移行機能を有しない手法よりも優れた性能を示す。これは、適応的回復メカニズムのおかげである。
• オンラインアルゴリズムの競合比は有界であり、移行機能の導入により、電力料金予測の不正確さへの感受性が著しく低下する。
• オフライン定式化は、デッドラインおよび料金制約のもとでの最適な作業負荷割り当てと遅延意思決定の理論的基盤を提供する。
• 時系列解析に基づく平均値に、ガウス分布を用いた分散推定を組み合わせた予測手法により、複数ステップ先の将来の電力料金予測が安定的に行える。
• 本手法は一般性に富んでおり、任意のワークロード、デッドライン、エネルギーコストモデルに適用可能であるため、実世界のクラウド環境への広範な展開が可能である。