[論文レビュー] RIOT: a Novel Stochastic Method for Rapidly Configuring Cloud-Based Workflows.

Jianfeng Chen, Tim Menzies|arXiv (Cornell University)|Aug 27, 2017

Cloud Computing and Resource Management参考文献 42被引用数 1

ひとこと要約

RIOT は、確率モデルを用いてタスクを仮想マシンにグループ化し、サーヴィレートベースの評価を採用してスケジューリング構成を迅速に探索する確率的ワークフロー予約手法である。従来の手法に比べて最大数十倍速く実行可能であり、既存のアプローチと同等の結果を生成するため、動的クラウド環境に適している。

ABSTRACT

Cloud computing provides engineers or scientists a place to run complex computing tasks. Finding a workflow's deployment configuration in a cloud environment is not easy. Traditional workflow scheduling algorithms were based on some heuristics, e.g. reliability greedy, cost greedy, cost-time balancing, etc., or more recently, the meta-heuristic methods, such as genetic algorithms. These methods are very slow and not suitable for rescheduling in the dynamic cloud environment. This paper introduces RIOT (Randomized Instance Order Types), a stochastic based method for workflow scheduling. RIOT groups the tasks in the workflow into virtual machines via a probability model and then uses an effective surrogate-based method to assess a large amount of potential scheduling. Experiments in dozens of study cases showed that RIOT executes tens of times faster than traditional methods while generating comparable results to other methods.

研究の動機と目的

• 動的クラウド環境におけるスローフィックスで不柔軟なワークフローサービスの課題に対処すること。
• スケジューリング品質を損なわずに迅速な再スケジューリングを可能にする手法を開発すること。
• 従来のヒューリスティックおよびメタヒューリスティックなスケジューリング手法の計算オーバーヘッドを低減すること。
• 大規模なワークフローコンfigレーションに確率的およびサーヴィレートベースの手法を適用する可能性を検討すること。

提案手法

• RIOT は、実行特性に基づいてワークフロータスクを仮想マシンにグループ化するための確率モデルを用いる。
• 多数の潜在的スケジューリング構成を効率的に評価するため、サーヴィレートベースの最適化技術を適用する。
• インスタンスタイプおよびタスク割り当ての確率分布からのサンプリングを通じて、動的にスケジューリングオプションを探索する。
• 確率的サンプリングを活用して、高潜在力を持つ構成を優先し、全探索を削減する。
• 反復的精錬を通じて、探索と活用のバランスを取る。

実験結果

リサーチクエスチョン

• RQ1 確率的手法は、クラウドベースのワークフローにおいて、スケジューリング時間を著しく短縮しつつ、解の品質を維持できるか？
• RQ2 RIOT のサーヴィレートベースの評価は、従来のヒューリスティックおよびメタヒューリスティック手法と比較して、速度と正確性の面でどのように異なるか？
• RQ3 RIOT は、動的クラウド環境における複雑で現実的なワークフローコンフィギュレーションに、どの程度スケーラブルに適用できるか？
• RQ4 確率モデルは、最適なパフォーマンスを実現するためのタスクから VM へのマッピングをどの程度効果的に導くことができるか？

主な発見

• 実験的評価において、RIOT は従来のスケジューリング手法に比べて最大数十倍速く実行された。
• この手法は、他の先進的な手法が生成する結果と同等のスケジューリング品質を達成した。
• サーヴィレートベースの評価により、全計算を伴わず、大規模なスケジューリング空間の効率的探索が可能になった。
• RIOT は、動的クラウド環境における再スケジューリングにおいて、優れたスケーラビリティと適応性を示した。