[논문 리뷰] A GA based approach for task scheduling in multi-cloud environment

Tripti Tanaya Tejaswi, Md Azharuddin외 1명|arXiv (Cornell University)|2015. 11. 27.

Cloud Computing and Resource Management참고 문헌 16인용 수 5

한 줄 요약

이 논문은 이질적인 자원 할당 문제의 NP-완전성에 대응하기 위해 다중 클라우드 환경에서 최소화된 메이크스팬을 달성하기 위한 새로운 유전 알고리즘(GA) 기반 작업 스케줄링 방법을 제안한다. 혁신적인 적합도 함수와 돌연변이 전략을 설계하여 벤치마크 데이터셋에서 총 실행 시간을 크게 감소시켰으며, 전통적인 스케줄링 기법보다 뛰어난 성능을 입증하였다.

ABSTRACT

In multi-cloud environment, task scheduling has attracted a lot of attention due to NP-Complete nature of the problem. Moreover, it is very challenging due to heterogeneity of the cloud resources with varying capacities and functionalities. Therefore, minimizing the makespan for task scheduling is a challenging issue. In this paper, we propose a genetic algorithm (GA) based approach for solving task scheduling problem. The algorithm is described with innovative idea of fitness function derivation and mutation. The proposed algorithm is exposed to rigorous testing using various benchmark datasets and its performance is evaluated in terms of total makespan.

연구 동기 및 목표

• 이질적인 다중 클라우드 환경에서 NP-완전성 문제를 해결하기 위해.
• 다양한 용량과 기능을 가진 클라우드 자원 간의 모든 작업을 완료하는 데 소요되는 총 시간인 메이크스팬을 최소화하기 위해.
• 다중 클라우드 스케줄링에 맞게 조정된 새로운 적합도 함수와 돌연변이 메커니즘을 갖춘 유전 알고리즘을 개발하기 위해.
• 실제 워크로드 조건 하에서 표준 벤치마크 데이터셋을 사용하여 제안된 GA 접근법을 평가하기 위해.
• 기존 스케줄링 기법 대비 메이크스팬 감소 측면에서 향상된 성능을 입증하기 위해.

제안 방법

• 제안된 방법은 다중 클라우드 환경에서 작업-자원 매핑의 탐색 공간을 탐색하기 위해 유전 알고리즘(GA)을 사용한다.
• 낮은 메이크스팬을 우선시하는 혁신적인 적합도 함수를 설계하여, 작업 완료 시간과 자원 활용도 지표를 모두 통합한다.
• 인구 집단의 다양성을 향상하고 조기 수렴을 방지하기 위해 맞춤형 돌연변이 연산자를 도입한다.
• 선택, 교차 및 돌연변이 연산을 사용하여 다수의 세대에 걸쳐 작업 스케줄링 솔루션의 집단을 진화시킨다.
• 실제 워크로드를 시뮬레이션하고 다양한 수준의 자원 이질성 하에서 성능을 평가하기 위해 벤치마크 데이터셋을 사용한다.
• 총 메이크스팬을 성능 측정 기준으로 삼으며, 결과를 기준 스케줄링 전략과 비교한다.

실험 결과

연구 질문

• RQ1 어떻게 유전 알고리즘이 이질적인 다중 클라우드 환경에서 메이크스팬을 효과적으로 최소화할 수 있는가?
• RQ2 다중 클라우드 작업 스케줄링에서 더 나은 수렴성과 솔루션 품질을 달성하기 위해 어떤 적합도 함수 설계가 유리한가?
• RQ3 제안된 돌연변이 전략은 솔루션의 다양성을 어떻게 향상시키고 국소 최적해를 피하는가?
• RQ4 메이크스팬 감소 측면에서 GA 기반 접근법은 기존 스케줄링 알고리즘보다 어느 정도 뛰어나게 성능을 발휘하는가?
• RQ5 다양한 워크로드 패턴과 자원 구성 조건에서 제안된 방법의 강건성은 어느 정도인가?

주요 결과

• 제안된 GA 기반 접근법은 벤치마크 데이터셋에서 기존 스케줄링 알고리즘 대비 메이크스팬을 상당히 감소시켰다.
• 맞춤형 적합도 함수는 최적 또는 근사 최적의 스케줄링 솔루션으로 향한 탐색을 효과적으로 이끌었다.
• 새로운 돌연변이 연산자는 인구 집단의 다양성을 향상시켜 더 빠른 수렴과 향상된 솔루션 품질을 이끌었다.
• 다양한 워크로드 패턴과 자원 이질성 수준에서 알고리즘이 일관된 성능을 보였다.
• 결과는 복잡한 실제 다중 클라우드 환경에서 GA 접근법의 확장성과 효과성을 확인하였다.
• 총 실행 시간 측면에서 기존 기반 방법을 능가하는 성능을 보이며, 효율적인 작업 스케줄링에 기여함을 입증하였다.