[論文レビュー] Tasks Scheduling Technique Using League Championship Algorithm for Makespan Minimization in IaaS Cloud

Shafi’i Muhammad Abdulhamid, Muhammad Shafie Abd Latiff+1 more|arXiv (Cornell University)|Oct 12, 2015

Cloud Computing and Resource Management参考文献 16被引用数 41

ひとこと要約

本論文は、インfrastracture-as-a-Service (IaaS) クラウドにおけるマクスパン最小化という、よく知られたNP困難問題を解消するため、リーグチャンピオンシップアルゴリズム (LCA) を用いた新しいタスクスケジューリング技術を提案する。LCAは、スポーツ大会を模した人口ベースのメタヒューティックであり、FCFS、LJF、BEFといった従来のプリエンプティブでないスケジューリングアルゴリズムに比べ、マクスパンの低減において優れた性能を示し、実行時間効率において中程度だが一貫した改善を実現する。

ABSTRACT

Makespan minimization in tasks scheduling of infrastructure as a service (IaaS) cloud is an NP-hard problem. A number of techniques had been used in the past to optimize the makespan time of scheduled tasks in IaaS cloud, which is propotional to the execution cost billed to customers. In this paper, we proposed a League Championship Algorithm (LCA) based makespan time minimization scheduling technique in IaaS cloud. The LCA is a sports-inspired population based algorithmic framework for global optimization over a continuous search space. Three other existing algorithms that is, First Come First Served (FCFS), Last Job First (LJF) and Best Effort First (BEF) were used to evaluate the performance of the proposed algorithm. All algorithms under consideration assumed to be non-preemptive. The results obtained shows that, the LCA scheduling technique perform moderately better than the other algorithms in minimizing the makespan time of scheduled tasks in IaaS cloud.

研究の動機と目的

• IaaSクラウド環境におけるマクスパン最小化というNP困難問題に取り組む。
• 自然を模したメタヒューティックを活用した新しいスケジューリング技術を設計し、パフォーマンスを向上させる。
• 従来のプリエンプティブでないスケジューリングアルゴリズム（FCFS、LJF、BEF）と比較して、LCAベースのアプローチの性能を評価する。
• スケジュールされたタスクの総完了時間を最小化することで、クラウド利用者の実行コストを削減する。
• LCAが分散クラウドインフラにおけるタスクスケジューリング最適化において有効であることを示す。

提案手法

• リーグチャンピオンシップアルゴリズム（LCA）を、IaaSクラウドにおけるタスクスケジューリングのための人口ベースのグローバル最適化フレームワークとして適用する。
• LCAは、スポーツリーグのトーナメント構造を模倣し、解（タスク）がラウンドごとに競い合い、最適なスケジュールへと進化する。
• マクスパンに基づくフィットネス関数を用いて、タスクスケジューリングの解を評価・順位付けする。
• トーナメント方式の選択と置換を通じて、解を繰り返し更新し、最小マクスパンへの収束を向上させる。
• 本手法はプリエンプティブでないスケジューリングを仮定しており、タスクが開始されると中断せずに完了まで実行される。
• 性能は、First Come First Served（FCFS）、Last Job First（LJF）、Best Effort First（BEF）という3つの従来のアルゴリズムと比較して評価される。

実験結果

リサーチクエスチョン

• RQ1 LCAベースのスケジューリング技術は、IaaSクラウドにおける従来のプリエンプティブでないアルゴリズムよりも、より優れたマクスパン最小化を達成できるか？
• RQ2 LCAは、FCFS、LJF、BEFと比較して、スケジューリング効率および実行時間短縮の観点でどのように異なるか？
• RQ3 トーナメントベースのメタヒューティックが、分散クラウド環境におけるタスクスケジューリングパフォーマンスに与える影響は何か？
• RQ4 LCAは、IaaSにおける多様なタスクおよびリソース構成において一貫した改善を提供するか？
• RQ5 LCAは、マクスパン最小化を通じて、クラウド利用者の総実行コストをどの程度削減できるか？

主な発見

• LCAベースのスケジューリング技術は、FCFS、LJF、BEFと比較して、マクスパン最小化において中程度だが一貫した改善を達成した。
• 提案手法は、スケジュールされたタスクの総完了時間の短縮において、より優れた収束性と安定性を示した。
• 特にタスクのばらつきが大きいシナリオでは、LCAはFCFSおよびLJFよりも実行時間効率に優れていた。
• BEFは競争力のあるパフォーマンスを示したが、複数のテスト設定においてLCAが優れた結果を達成した。
• 結果から、LCAがIaaSクラウド環境におけるタスクスケジューリング最適化の実用的で効果的な代替手段であることが確認された。
• 本研究は、スポーツを模したメタヒューティックが、分散コンピューティングにおける複雑なスケジューリング問題の解決に潜在的であることを裏付けた。