[論文レビュー] Tight Bounds on Online Checkpointing Algorithms

Achiya Bar-On, Itai Dinur+5 more|arXiv (Cornell University)|Jan 1, 2018

Cryptography and Data Security被引用数 2

ひとこと要約

本論文は、オンラインチェックポイントアルゴリズムの不一致に関するタイトな漸近的バウンドを確立し、最適な漸近的不一致が正確に ln 4 ≈ 1.386 であることを証明することで、長年の未解決問題を解決した。また、k ≤ 10 のすべての k に対して証明可能に最適なアルゴリズムを提供するとともに、小さな k に対してタイトな上界および下界を計算するための効率的な LP ベースの技術を導入し、ブリンマングらの先行研究を著しく改善した。

ABSTRACT

The problem of online checkpointing is a classical problem with numerous applications which had been studied in various forms for almost 50 years. In the simplest version of this problem, a user has to maintain k memorized checkpoints during a long computation, where the only allowed operation is to move one of the checkpoints from its old time to the current time, and his goal is to keep the checkpoints as evenly spread out as possible at all times. At ICALP'13 Bringmann et al. studied this problem as a special case of an online/offline optimization problem in which the deviation from uniformity is measured by the natural discrepancy metric of the worst case ratio between real and ideal segment lengths. They showed this discrepancy is smaller than 1.59-o(1) for all k, and smaller than ln4-o(1)~~1.39 for the sparse subset of k's which are powers of 2. In addition, they obtained upper bounds on the achievable discrepancy for some small values of k. In this paper we solve the main problems left open in the ICALP'13 paper by proving that ln4 is a tight upper and lower bound on the asymptotic discrepancy for all large k, and by providing tight upper and lower bounds (in the form of provably optimal checkpointing algorithms, some of which are in fact better than those of Bringmann et al.) for all the small values of k <= 10.

研究の動機と目的

• オンラインチェックポイントアルゴリズムの不一致に関するタイトな漸近的バウンドを特定するという未解決問題を解明すること。
• 小さな k の値に対して、達成可能な不一致のタイトな上界および下界を計算するための効率的な技術を開発すること。
• k ≤ 10 のすべての k に対して、証明可能に最適なチェックポイントアルゴリズムを構築し、先行研究を改善すること。
• チェックポイントモデルの新しい応用をサイバーセキュリティおよびフォールトトレラントシステム分野で示すこと。

提案手法

• 著者らは、小さな k に対して最小達成可能不一致 qk の上界を計算するための線形プログラミング（LP）フレームワークを用いた。
• 彼らは、漸近的に最適な不一致 ln 4 を達成する再帰的ペブル戦略 Recursive(G*, K*) を導入した。
• 本論文では、すべての十分に大きな k に対して、不一致が ln 4 で上界および下界に挟まれることを証明し、タイトさを確立した。
• 最適なパラメータを特定するには、特定の特性多項式の最小の実根を求める解析を実施した。
• 著者らは、k = 11 から 20 まで広範な計算的検証を実施し、具体的なアルゴリズムのシーケンスを提供した。
• 競合分析を用いて、オンラインアルゴリズムの性能を最適なオフラインベンチマークと比較した。

実験結果

リサーチクエスチョン

• RQ1 大きな k に対して、オンラインチェックポイントアルゴリズムのタイトな漸近的上界および下界は何か？
• RQ2 k ≤ 10 のすべての小さな k の値に対して、証明可能に最適なチェックポイントアルゴリズムを構築できるか？
• RQ3 小さな k の qk のタイトなバウンドを決定するための効率的な計算技術を開発できるか？
• RQ4 再帰的ペブル戦略 Recursive(G*, K*) の不一致の観点での性能はいかほどか？
• RQ5 改善されたチェックポイントモデルの実世界のシステムにおける実用的応用は何か？

主な発見

• オンラインチェックポイントアルゴリズムの漸近的不一致は、ln 4 ≈ 1.3863 でタイトにバウンドされ、このバウンドは達成可能かつ最適である。
• k ≤ 10 のすべての k に対して、正確な不一致値を伴う証明可能に最適なチェックポイントアルゴリズムが本論文で提供され、ブリンマングらの結果を改善した。
• 再帰戦略 Recursive(G*, K*) は、漸近的に ln 4 に近づく不一致を達成し、上界がタイトであることが証明された。
• k = 2^m + 1 の場合、最適なパラメータ G* は多項式 x^k/2 + k/4 - x^k/2 + k/4 - 1 - x^k/2 + 1 の最小の実根に一致し、解析のタイトさを確認した。
• k = 2^m + 2 - 1 の場合、最適な G* は x^(m+1)(k+1)/2 - x^(m+1)(k+1)/2 - 1 - 1 の最小の実根に一致し、上界が漸近的にタイトであることを示した。
• 不一致の有効定数は、最悪ケースにおいて理論的最適値 τ = -log₂(ln 2) の 100% に近づき、解析の鋭さを裏付けた。