[論文レビュー] Predicting Dynamic Replication based on Fuzzy System in Data Grid

Mahnaz Khojand, Mehdi Fatan Serj+2 more|arXiv (Cornell University)|Apr 9, 2018

Distributed and Parallel Computing Systems参考文献 13被引用数 3

ひとこと要約

本稿では、履歴的使用状況、ファイルサイズ、サイトレベル、利用可能なストレージを考慮して、将来のファイルアクセスパターンを予測し、最適なサイトに事前にレプリカを配置するためのファジィ推論システムを用いる、動的レプリケーションアルゴリズムである予測型ファジィレプリケーション（PFR）を提案する。PFRは、事前にレプリカを配置し、不要なレプリカを削除することで応答時間を短縮し、無駄なリソースを削減し、効率性においてカスケード法を上回る。

ABSTRACT

Data grid replication is an effective method to achieve efficient and fault tolerant data access while reducing access latency and bandwidth consumption in grids. Since we have storage limitation, a replica should be created in the best site. Through evaluation of previously suggested algorithms, we understand that by blind creation of replications on different sites after each demand, we may be able to improve algorithm regarding response time. In practice, however, most of the created replications will never be used and existing resources in Grid will be wasted through the creation of unused replications. In this paper, we propose a new dynamic replication algorithm called Predictive Fuzzy Replication (PFR). PFR not only redefines the Balanced Ant Colony Optimization (BACO) algorithm, which is used for job scheduling in grids, but also uses it for replication in appropriate sites in the data grid. The new algorithm considers the history usage of files, files size, the level of the sites and free available space for replication and tries to predict future needs and pre replicates them in the resources that are more suitable or decides which replica should be deleted if there is not enough space for replicating. This algorithm considers the related files of the replicated file and replicates them considering their own history. PFR acts more efficiently than Cascading method, which is one of the algorithms in optimized use of existing replicas.

研究の動機と目的

• 不要なレプリカがストレージと帯域幅を消費するため、データグリッドにおける反応型レプリケーションの非効率性を是正すること。
• 予測された需要に基づいて事前にレプリカを配置することで、応答時間と帯域幅消費を低減すること。
• ストレージ制約下で、不要なレプリカを知的に削除することでリソースの無駄を最小限に抑えること。
• 予測知能を組み込むことで、カスケード法などの既存のレプリケーション戦略を改善すること。
• ファジィ論理とバランス型アンチコロニー最適化（BACO）を組み合わせたハイブリッドアプローチを用いて、レプリカ配置意思決定を向上させること。

提案手法

• PFRは、履歴的ファイルアクセス頻度、ファイルサイズ、サイトレベル（優先度）、利用可能な空き容量という主な要因を評価するためのファジィ推論システムを採用する。
• システムは、ファイルおよび関連ファイルの将来のアクセス需要を予測し、事前レプリケーションを可能にする。
• レプリケーション意思決定は、使用履歴、サイズ、サイトレベル、空き容量といった入力変数をレプリケーションスコアにマップするファジィ論理エンジンを用いて行われる。
• アルゴリズムは、負荷をバランスさせ、アクセス遅延を最小限に抑えるためにBACOを統合する。
• ファイル間の依存関係を考慮し、自身のアクセス履歴と予測された需要に基づいて関連ファイルをレプリケートする。
• ストレージが不足している場合、PFRはアクセス可能性の高さとサイト優先度に基づいて、どのレプリカを削除するかをファジィシステムで決定する。

実験結果

リサーチクエスチョン

• RQ1 データグリッドにおける動的レプリケーションをどのように改善すれば、応答時間と帯域幅消費を低減できるか？
• RQ2 将来のファイルアクセスパターンを予測し、事前レプリケーションを可能にするために、どのような要因を考慮すべきか？
• RQ3 ファジィ論理は、ストレージ制約、ファイルアクセス頻度、サイトの能力の間のトレードオフをどのように効果的にモデル化できるか？
• RQ4 ファジィ論理とBACOを統合することで、既存の方法と比較して、レプリカ配置意思決定がどのように向上するか？
• RQ5 PFRアルゴリズムは、カスケードレプリケーション法と比較して、効率性およびリソース利用面でどの程度のパフォーマンス向上を示すか？

主な発見

• PFRは、予測されたアクセスパターンに基づき、需要の高いサイトに事前にレプリカを配置することで、応答時間を短縮する。
• アルゴリズムは不要なレプリカの数を顕著に削減し、ストレージの無駄と帯域幅のオーバーヘッドを最小限に抑える。
• PFRは、特に動的かつ高負荷のグリッド環境において、カスケード法を効率性の面で上回る。
• ファジィ論理とBACOの統合により、より知的で適応的なレプリカ配置意思決定が可能になる。
• 関連ファイルとそのアクセス履歴を考慮することで、相互に依存するワークロードのデータ可用性とアクセスパフォーマンスが向上する。
• スペースが限られた場合に、潜在的アクセス確率が低いレプリカを知的に削除することで、ストレージ制約を効果的に管理する。