[論文レビュー] Theoretical Analysis and Tuning of Decentralized Probabilistic Auto-Scaling

Bogdan Alexandru Caprarescu, Éva Kaslik+1 more|arXiv (Cornell University)|Feb 14, 2012

Peer-to-Peer Network Technologies参考文献 18被引用数 4

ひとこと要約

本稿では、中央集権的調整なしでリソースを動的に調整できる分散型確率的スケーリング（DEPAS）アルゴリズムを提案する。確率論およびチェルノフ＝フーディング不等式を用いて、平均システム負荷がユーザーが定義した変動範囲内に保たれる確率が所定の最小正しさ確率を満たすことを証明し、システムサイズと範囲幅の最適な設定閾値を計算する高速な数値アルゴリズムを提供する。

ABSTRACT

A major impediment towards the industrial adoption of decentralized distributed systems comes from the difficulty to theoretically prove that these systems exhibit the required behavior. In this paper, we use probability theory to analyze a decentralized auto-scaling algorithm in which each node probabilistically decides to scale in or out. We prove that, in the context of dynamic workloads, the average load of the system is maintained within a variation interval with a given probability, provided that the number of nodes and the variation interval length are higher than certain bounds. The paper also proposes numerical algorithms for approximating these minimum bounds.

研究の動機と目的

• 分散型分散システムにおける信頼性の高い動作を証明するという産業的課題に取り組むこと、特に動的ワークロード下での適用を想定する。
• 中央集権的調整のボトルネックや単一障害点を回避する分散型自動スケーリングアルゴリズムに対して理論的保証を提供すること。
• DEPASアルゴリズムの正しさを確率論的に定義・定量化し、平均負荷が高確率で所望の範囲内に保たれることを保証すること。
• 所定の正しさ確率を満たすために必要な最小システムサイズおよび負荷変動範囲長を計算的に効率よく導出する方法を導出すること。
• 設計時および実行時両方の用途に適した正確で高速なチューニングアルゴリズムを提供することで、DEPASの実用的導入を可能にすること。

提案手法

• 各ノードがローカルな負荷推定に基づき独立にスケールインまたはスケールアウトを決定する、独立なベルヌーイ試行の系列としてDEPASアルゴリズムをモデル化する。
• チェルノフ＝フーディング不等式を適用し、所定の正しさ確率を達成するために必要な最小ノード数および最小範囲長の理論的上界を導出する。
• 2つの数値アルゴリズムを設計する：1つは最小ノード数（Chernoff min n）を計算するもの、もう1つは最小範囲長（Chernoff min δ）を計算するもので、両者ともチェルノフ＝フーディング不等式に基づく。
• 小さいシステムサイズに対して二項分布の公式を用いて正確な最小値を計算し、理論的境界と比較することで境界の妥当性を検証する。
• 負荷精度の感度分析を用いて、高い精度下でも結果が安定していることを示し、チェルノフに基づくアルゴリズムが頑健で効率的であることを示す。
• チェルノフに基づくアルゴリズムを実装し、正確な二項計算と比較してベンチマークを実施し、速度と正確性のトレードオフを評価する。

実験結果

リサーチクエスチョン

• RQ1 所定の正しさ確率を満たすために、平均負荷が指定された変動範囲内に保たれるために必要な最小ノード数は何か？
• RQ2 固定されたノード数と所望の負荷に対して、目標の正しさ確率を保証するために必要な負荷変動範囲の最小長さは何か？
• RQ3 チェルノフ＝フーディング不等式は、システムサイズおよび範囲長の真の最小閾値をどれほど正確に近似できるか？
• RQ4 チェルノフに基づくアルゴリズムは、設計時および実行時の両方で、DEPASアルゴリズムの動的チューニングに効率的に使用可能か？
• RQ5 負荷推定の精度は、チューニングアルゴリズムで計算される最小閾値の正確性に影響を与えるか？

主な発見

• チェルノフに基づく最小システムサイズ（min n）および最小範囲長（min δ）の計算アルゴリズムは、特に中程度以上の大規模な n に対して、二項分布から得られる正確な値に極めて近い結果を生成する。
• チェルノフ min n および min δ アルゴリズムは、正確な二項計算に比べて著しく高速であり、n の増加に伴い実行時間はわずかに増加するが、n > 500 を超えると二項計算は実行不可能なほど遅くなる。
• 負荷精度が 10^-3 未満の場合、さらなる精錬は結果の正確性を向上させないため、実用的用途には 10^-3 の精度十分である。
• 正しさ確率はシステムサイズの増大および範囲の広がりに伴い上昇し、理論的直観（より大きなシステムおよびゆるい境界が信頼性を向上）を裏付ける。
• チェルノフに基づくチューニングアルゴリズムは頑健で正確であるため、DEPASアルゴリズムの実行時またはニアリアルタイムでの設定に適している。
• 著者らは、実行時においてチェルノフ min δ アルゴリズムを用いて動的にシステムをチューニングすることで、実用的精度を向上させることを予想している。