[論文レビュー] Performance Constraint and Power-Aware Allocation For User Requests In Virtual Computing Lab

Nguyen Quang-Hung, Nam Thoai+1 more|arXiv (Cornell University)|Oct 3, 2012

Cloud Computing and Resource Management参考文献 15被引用数 6

ひとこと要約

本稿では、仮想コンピューティングラボ向けに、パフォーマンス制約付きで電力に配慮したVM割り当て方針—MAPおよびMAP-H2L—に加え、4つのリーススケジューリングアルゴリズム（FF-MAP、FF-MAP-H2L、PI-FF-MAP、HalfPI-FF-MAP）を提案する。調整可能な比θを用いたホスト選択とコンsolidation最適化により、Haizeaのグリーディスケジューラと比較して最大63.12%のエネルギー消費削減を実現したが、教育クラウド環境におけるリースベースのリソースリースモデル下でもサービス品質（QoS）を維持した。

ABSTRACT

Cloud computing is driven by economies of scale. A cloud system uses virtualization technology to provide cloud resources (e.g. CPU, memory) to users in form of virtual machines. Virtual machine (VM), which is a sandbox for user application, fits well in the education environment to provide computational resources for teaching and research needs. In resource management, they want to reduce costs in operations by reducing expensive cost of electronic bill of large-scale data center system. A lease-based model is suitable for our Virtual Computing Lab, in which users ask resources on a lease of virtual machines. This paper proposes two host selection policies, named MAP (minimum of active physical hosts) and MAP-H2L, and four algorithms solving the lease scheduling problem. FF-MAP, FF-MAP-H2L algorithms meet a trade-off between the energy consumption and Quality of Service (e.g. performance). The simulation on 7-day workload, which converted from LLNL Atlas log, showed the FF-MAP and FF-MAP-H2L algorithms reducing 7.24% and 7.42% energy consumption than existing greedy mapping algorithm in the leasing scheduler Haizea. In addition, we introduce a ratio θof consolidation in HalfPI-FF-MAP and PI-FF-MAP algorithms, in which θis π/2 and π, and results on their simulations show that energy consumption decreased by 34.87% and 63.12% respectively.

研究の動機と目的

• 大規模データセンターにおける運用コストの増加に応じ、仮想コンピューティングラボにおけるエネルギー消費を最小限に抑えること。
• 仮想化環境においてユーザーのリースリクエストを効率的に管理しつつ、サービス品質（QoS）を維持すること。
• VM割り当てにおけるエネルギー効率とパフォーマンス制約のバランスを取るホスト選択およびスケジューリング方針を策定すること。
• コンsolidation比（θ = π/2, π）がエネルギー削減とシステムパフォーマンスに与える影響を評価すること。
• Haizeaのグリーディスケジューリングを改善し、パフォーマンスに配慮したエネルギー最適化された割り当て戦略を導入すること。

提案手法

• ホスト選択ポリシーを2つ提案：MAP（アクティブな物理ホスト数を最小化）およびMAP-H2L（低〜高利用度ホストを優先）。
• パフォーマンスおよび電力制約を満たす最初の適合ヒューリスティックを適用するFF-MAPおよびFF-MAP-H2Lアルゴリズムを導入。
• コンsolidation比θ（π/2およびπ）を用いてVM配置をガイドするPI-FF-MAPおよびHalfPI-FF-MAPアルゴリズムを開発。
• ユーザーが固定期間のVMリクエストを行うリースベースのモデルを採用し、実世界の教育ワークロードを模擬。
• LLNL Atlasログからのワークロードトレースを用い、7日間の期間をシミュレートし、実際のユーザーリクエストパターンを再現。
• エネルギー消費、QoS準拠、ホスト利用度などの指標を用いてパフォーマンスを評価。

実験結果

リサーチクエスチョン

• RQ1 仮想コンピューティングラボにおいて、パフォーマンス制約を尊重しつつエネルギー消費を最小限に抑えるためのVM割り当て方針はどのように設計できるか？
• RQ2 ホスト選択戦略（MAP対MAP-H2L）が、リースベースのVMスケジューリングにおけるエネルギー効率とQoSに与える影響は何か？
• RQ3 コンsolidation比（θ = π/2およびπ）を用いることで、サービス品質を劣化させることなく、エネルギー削減をどの程度向上できるか？
• RQ4 提案されたアルゴリズム（FF-MAP、FF-MAP-H2L、PI-FF-MAP、HalfPI-FF-MAP）は、Haizeaのグリーディスケジューラと比較して、エネルギー効率およびパフォーマンス面でどの程度優れているか？
• RQ5 提案されたアルゴリズムは、実世界のワークロードパターン下でも、エネルギー消費を削減しながら、妥当なQoSを維持できるか？

主な発見

• FF-MAPおよびFF-MAP-H2Lは、Haizeaのグリーディアルゴリズムと比較して、それぞれ7.24%および7.42%のエネルギー消費削減を達成した。
• PI-FF-MAPアルゴリズムは、θ = πの場合に63.12%のエネルギー消費削減を達成した。
• HalfPI-FF-MAPアルゴリズムは、θ = π/2の場合に34.87%のエネルギー消費削減を達成した。
• 提案されたアルゴリズムは、エネルギー使用量を顕著に削減しながらQoSを維持しており、パフォーマンスと効率性のトレードオフを示した。
• MAP-H2Lポリシーは、ホスト利用度のバランスを優先することでエネルギー削減を向上させ、アイドルホストの起動を削減した。
• LLNL Atlasに基づく7日間のシミュレーション結果は、多様なリクエストパターンにおいて一貫したエネルギー削減を確認した。