[論文レビュー] Optimizing the Cost for Resource Subscription Policy in IaaS Cloud

M. Uthaya Banu, K. Saravanan|arXiv (Cornell University)|Feb 11, 2014

Cloud Computing and Resource Management参考文献 4被引用数 7

ひとこと要約

本稿では、IaaSクラウドにおけるリソース調達コストを最小化するために、予約プランと従量課金プランの間のサブスクリプションポリシーを最適化することを目的とした二段階アルゴリズムを提案する。最初の段階では数学的公式を用いて最適な予約リソース量を決定し、2番目の段階ではカルマンフィルタを用いて将来のリソース需要を予測することで、妥当な予測精度を達成しつつ顕著なコスト削減を実現する。

ABSTRACT

Cloud computing allow the users to efficiently and dynamically provision computing resource to meet their IT needs. Cloud Provider offers two subscription plan to the customer namely reservation and on-demand. The reservation plan is typically cheaper than on-demand plan. If the actual computing demand is known in advance reserving the resource would be straightforward. The challenge is how to make properly resource provisioning and how the customers efficiently purchase the provisioning options under reservation and on-demand. To address this issue, two-phase algorithm are proposed to minimize service provision cost in both reservation and on-demand plan. To reserve the correct and optimal amount of resources during reservation, proposed a mathematical formulae in the first phase. To predict resource demand, use kalman filter in the second phase. The evaluation result shows that the two-phase algorithm can significantly reduce the provision cost and the prediction is of reasonable accuracy.

研究の動機と目的

• IaaSクラウドリソース調達における混合予約および従量課金サブスクリプションプラン下での総コスト最小化の課題に対処すること。
• 需要が不確実な状況において、事前に予約すべきリソースの最適な数量を特定すること。
• 予測モデリングを用いて将来のリソース需要を正確に予測することで、コスト効率を向上させること。
• 予約によるコスト削減と過剰調達のリスクの両立を図る体系的なアプローチを開発すること。
• 提案手法の総合的サービス提供コスト削減効果を評価すること。

提案手法

• 最初の段階では、履歴的需要パターンとコストパrameterに基づいて、最適なリソース予約数を計算する数学的公式が用いられる。
• 2番目の段階では、カルマンフィルタアルゴリズムを用いて、将来のリソース需要を動的かつ適応的に予測する。
• 二段階アプローチは、予約計画とリアルタイム需要予測を統合し、総コストを最小化することを目的としている。
• システムは、従量課金プランと予約プランの間のコスト差が事前に分かっているものと想定しており、予約プランが安価であると仮定している。
• 性能はコスト削減と予測精度の両面で測定される、リソース使用パターンのデータセットを用いて手法が評価されている。
• アルゴリズムは定期的に適用され、更新された予測に基づいて予約を調整するように設計されている。

実験結果

リサーチクエスチョン

• RQ1 将来の需要が不確実な状況において、最適な予約リソース量はどのように特定できるか？
• RQ2 予測モデリングは、IaaSクラウドにおけるリソース調達の総コストをどの程度削減できるか？
• RQ3 カルマンフィルタは、クラウド調達のためのリソース需要予測においてどの程度の精度を示すか？
• RQ4 数学的予約計画と動的予測を組み合わせることで、どの程度のコスト削減が可能か？
• RQ5 二段階アプローチは、静的または反応的調達戦略と比較してどのように異なるか？

主な発見

• 提案された二段階アルゴリズムは、IaaSクラウドにおけるリソース調達の総コストを顕著に削減する。
• カルマンフィルタは、効果的な予約意思決定を支援するため、将来のリソース需要を妥当に正確に予測する。
• 最初の段階で数学的公式を用いることで、過剰および不十分な調達を最小限に抑えた最適な予約量が保証される。
• 評価結果は、単に従量課金または固定予約モデルに依存する場合と比較して、本手法が顕著なコスト削減を達成していることを確認している。
• 変動するワークロードを伴う動的クラウド環境において、本システムは強固で適応性に富んでいる。
• 本手法は、国際的工学トレンドと技術ジャーナル（IJETT）に発表された実証結果を通じて検証されており、テストケース全体にわたり一貫したパフォーマンスを示している。