[論文レビュー] The Impact of Distance on Performance and Scalability of Distributed Database Systems in Hybrid Clouds

Yaser Mansouri, M. Ali Babar|arXiv (Cornell University)|Jul 30, 2020

Cloud Computing and Resource Management被引用数 4

ひとこと要約

本論文は、オーストラリアのアデレードに設置されたプライベートクラウドと、シドニー、ムンバイ、バージニアに位置するパブリッククラウドリージョンを含むハイブリッドクラウド環境において、MongoDB、Cassandra、Riak、CouchDB、Redis、MySQL Clusterの6つの現代的分散データベースのスループットおよびスケーラビリティに、クラウド間距離が与える影響を評価している。距離が増加すると大多数のデータベースの性能が低下することが判明した。特にMongoDBとMySQL Clusterが最も安定した性能を示した。一方、垂直スケーリング（より大きなVM）は水平スケーリング（より多くのVM）を著しく上回り、Cassandra や Redis のようなI/O集約的かつ通信集約的なデータベースにおいて顕著であった。

ABSTRACT

The increasing need for managing big data has led the emergence of advanced database management systems. There has been increased efforts aimed at evaluating the performance and scalability of NoSQL and Relational databases hosted by either private or public cloud datacenters. However, there has been little work on evaluating the performance and scalability of these databases in hybrid clouds, where the distance between private and public cloud datacenters can be one of the key factors that can affect their performance. Hence, in this paper, we present a detailed evaluation of throughput, scalability, and VMs size vs. VMs number for six modern databases in a hybrid cloud, consisting of a private cloud in Adelaide and Azure based datacenter in Sydney, Mumbai, and Virginia regions. Based on results, as the distance between private and public clouds increases, the throughput performance of most databases reduces. Second, MongoDB obtains the best throughput performance, followed by MySQL C luster, whilst Cassandra exposes the most fluctuation in through performance. Third, vertical scalability improves the throughput of databases more than the horizontal scalability. Forth, exploiting bigger VMs rather than more VMs with less cores can increase throughput performance for Cassandra, Riak, and Redis.

研究の動機と目的

• ハイブリッドクラウドアーキテクチャにおける分散データベースのスループットおよびスケーラビリティに、クラウド間距離が与える影響を調査すること。
• ハイブリッドクラウドデプロイメントにおいて、距離の異なる条件下で6つの現代的データベース（MongoDB、Cassandra、Riak、CouchDB、Redis、MySQL Cluster）のパフォーマンスを比較すること。
• 地理的に分離されたプライベートクラウドおよびパブリッククラウドデータセンタを有するハイブリッドクラウド環境において、垂直スケーリングと水平スケーリングのトレードオフを評価すること。
• ネットワークレイテンシが異なる条件下で、VMサイズ（コア数）とVM数の両方がデータベーススループットに与える影響を分析すること。

提案手法

• アデレードにプライベートクラウドを設置し、シドニー、ムンバイ、バージニアにパブリッククラウドデータセンタを配置したハイブリッドクラウド環境に、6つの分散データベースを展開した。
• VM数をパブリッククラウドにバーストさせる数とVMサイズ（コア数）を変化させながら、制御されたワークロード下でのスループットパフォーマンスを測定した。
• 距離の影響を明確に分離するため、3つの地理的距離（シドニー：短距離、ムンバイ／バージニア：長距離）を用いた体系的実験を実施した。
• 同じワークロード条件下で、各データベースに対して水平スケーリング（VM数の増加）と垂直スケーリング（VMコア数の増加）を評価した。
• VMパッケージング戦略を用いて、より少ないが大きなVMと、より多いが小さなVMの両方の構成におけるパフォーマンスを比較し、VM間通信オーバーヘッドに注目した。
• 一貫性メカニズム、レプリケーション戦略、データモデルの観点からパフォーマンスのトレンドを分析し、スケーラビリティ行動のパターンを同定した。

実験結果

リサーチクエスチョン

• RQ1 プライベートクラウドとパブリッククラウドデータセンタ間の地理的距離が、ハイブリッドクラウドにおける分散データベースのスループットパフォーマンスに与える影響は何か？
• RQ2 どのデータベースシステムがハイブリッドクラウドデプロイメントで最高のスループットを達成するか？また、距離やスケーリング戦略によってその性能はどのように変化するか？
• RQ3 異なる分散データベースにおいて、垂直スケーリング（より大きなVM）が水平スケーリング（より多くのVM）をどの程度上回るか、スループットの観点からどの程度顕著か？
• RQ4 VMパッケージング（少ないが大きなVM vs. 多くだが小さなVM）は、通信集約的またはメモリ集約的なデータベースにおいて、パフォーマンスにどのように影響を与えるか？
• RQ5 一貫性メカニズムとレプリケーション戦略は、ネットワークレイテンシとどのように作用し合い、ハイブリッドクラウド環境におけるデータベースのスケーラビリティに影響を与えるか？

主な発見

• プライベートクラウドとパブリッククラウドデータセンタ間の距離が増加するにつれ、大多数のデータベースのスループットパフォーマンスが低下するが、MongoDBとMySQL Clusterは最も安定したパフォーマンスを示した。
• MongoDBは、完全なレプリケーションと最終的一貫性モデルのおかげで、全データベースの中で最高のスループットを達成した。長距離でも他のデータベースを上回った。
• Cassandraは最も高いパフォーマンスの変動を示し、パブリッククラウドにVMを追加するにつれて、スループットが一時的に低下し、その後上昇する傾向を示した。特にシドニー地域で顕著だった。
• 垂直スケーリング（VMコア数の増加）は水平スケーリングを上回る効果を示した。Cassandraでは、コア数を2から8に増加させたことでスループットが最大800％向上した。
• Riakでは、より大きなVMを使用することでスループットが30％向上した。Redisでは10％向上した。これは、メモリ集約的データベースにおいて垂直スケーリングの利点が顕著であることを示している。
• VMパッケージング（少ないが大きなVM）は、シドニー地域のCassandraおよびRiakにおいて、パフォーマンスを顕著に向上させた。これは、VM間通信オーバーヘッドがパフォーマンス劣化の主要因である可能性を示唆している。