[論文レビュー] Power Efficient Resource Allocation for Clouds Using Ant Colony Framework

Lskrao Chimakurthi, S. D. Madhu Kumar|arXiv (Cornell University)|Feb 13, 2011

Cloud Computing and Resource Management参考文献 13被引用数 27

ひとこと要約

本稿では、スループットおよび応答時間の厳格なSLA要件を満たしつつエネルギー消費を最小限に抑える、エージェント駆動のアンチコロニー最適化ベースのクラウドコンピューティング向けリソース割り当てフレームワークを提案する。スカウト、クリーナー、割り当てエージェントといった専用のアリエージェントを用いることで、VMの配置、移行、負荷分散を動的に管理し、サーバー利用率と電力消費を低下させつつ、性能制約に違反しない。

ABSTRACT

Cloud computing is one of the rapidly improving technologies. It provides scalable resources needed for the ap- plications hosted on it. As cloud-based services become more dynamic, resource provisioning becomes more challenging. The QoS constrained resource allocation problem is considered in this paper, in which customers are willing to host their applications on the provider's cloud with a given SLA requirements for performance such as throughput and response time. Since, the data centers hosting the applications consume huge amounts of energy and cause huge operational costs, solutions that reduce energy consumption as well as operational costs are gaining importance. In this work, we propose an energy efficient mechanism that allocates the cloud resources to the applications without violating the given service level agreements(SLA) using Ant colony framework.

研究の動機と目的

• 動的ワークロードと上昇するエネルギー価格に起因する、クラウドデータセンターにおける増大するエネルギーおよび運用コストの課題に対処すること。
• スループットや応答時間といったSLAで定義されたQoS制約を満たす、電力効率の良いリソース割り当てメカニズムを開発すること。
• 生物にインspiredされたスウォームインテリジェンス（アリコロニー枠組み）を活用し、動的クラウド環境における適応的で分散型かつスケーラブルなリソース管理を実現すること。
• VMの最適な配置および移行を最適化することで、物理サーバーの稼働数を削減し、エネルギー消費と運用コストを低減すること。

提案手法

• スカウト・アリ（新規または障害発生したノードを発見・登録）、クリーナー・アリ（古くなったまたは低利用度のVMを削除してリソースの可用性を維持）、割り当てアリ（VMの配置および移行を管理）といった専用アリエージェントを備えたマルチエージェントアーキテクチャを採用。
• サーバー利用率、電力消費、SLA準拠に基づいてリソース割り当て意思決定をガイドする、アリコロニー最適化にインspiredされたペロミオン様メカニズムを採用。
• アルゴリズム論理にヒューリスティックルールを適用して最適なVM移行を決定する：例として、30％以上の余剤を有する省電力ノードにVMを移行する、または負荷分散のため50％以上の余剤を有するノードにVMのクローンを作成する。
• VM作成遅延を低減するため、現在の割り当てノード以下の3つのノードをスタンバイモードに設定し、スリープからの起動時間を短縮する。
• クラウドコントローラ（「王女」として機能）を中央集権的に設置し、ブローカーリクエストの調整とVMライフサイクル管理を実施。スカウトおよびクリーナー・アリが更新する動的リソース利用可能テーブルを維持。
• SLAに基づく意思決定論理を適用：SLAレベル11のVMは、余剤が十分あるノードへの移行が優先され、SLAレベル12のVMは冗長性確保および負荷分散のためのクローン作成がトリガーされる。

実験結果

リサーチクエスチョン

• RQ1 アリコロニーにインspiredされたフレームワークは、スループットおよび応答時間の厳密なSLA要件を満たしつつ、クラウドデータセンターにおける電力消費を効果的に削減できるか？
• RQ2 分散型で知的なエージェントは、クラウド環境における変化するワークロードおよびサーバー状態にどのように動的に適応できるか？
• RQ3 専用アリエージェント（スカウト、クリーナー、割り当て）は、エネルギー効率の向上およびシステムのレジリエンスにどのような役割を果たすか？
• RQ4 VM移行およびクローン戦略は、性能を損なわずに、サーバー利用率およびエネルギー消費をどの程度まで低減できるか？

主な発見

• 提案されたエージェントベースのシステムは、すべてのVMに対してSLA準拠を維持し、動的ワークロード下でも応答時間およびスループット要件を満たしている。
• 知的なVM移行およびクローン化により、システムは稼働中の物理サーバー数を削減し、エネルギー消費と運用コストを低減した。
• 迅速なVMプロビジョニングのためのスタンバイモードノードの使用により、スリープからの起動時間に比べてVM作成遅延が顕著に短縮され、応答性が向上した。
• クリーナー・アリは、低利用度または期限切れのVMを効果的に特定・削除し、リソースの肥大化を防ぎ、システム効率を向上させた。
• 移行およびクローン化のためのアルゴリズム的ルールにより、ノード間での負荷分散が均衡され、ホットスポットの低減と全体的なシステム安定性の向上が達成された。
• 本フレームワークは適応性および拡張性を示しており、負荷予測モデルやCloudSimなどの実世界のクラウドプラットフォームへの統合の可能性を有している。