[논문 리뷰] A Relative Study of Task Scheduling Algorithms in Cloud Computing Environment

Syed Arshad Ali|arXiv (Cornell University)|2016. 01. 01.

Cloud Computing and Resource Management참고 문헌 10인용 수 1

한 줄 요약

이 논문은 클라우드 컴퓨팅 환경에서 12개의 작업 스케줄링 알고리즘에 대한 비교 분석을 제시하며, 실행 시간, 처리량, 메이크스팬, 자원 활용도, 에너지 소비 및 서비스 품질과 같은 핵심 성능 메트릭을 기반으로 평가한다. 연구는 입자 군집 최적화 및 쿠쿠아 최적화 기반 알고리즘을 로드 밸런싱과 에너지 효율성 측면에서 최고의 성능을 보이는 것으로 밝혀냈으며, 기존 접근 방식에서의 장애 내성 및 확장성 부족을 지적한다.

ABSTRACT

Cloud Computing is a paradigm of both parallel processing and distributed computing. It offers computing facilities as a utility service in pay as par use manner. Virtualization, self service provisioning, elasticity and pay per use are the key features of Cloud Computing. It provides different types of resources over the Internet to perform user submitted tasks. In cloud environment, huge number of tasks are executed simultaneously, an effective Task Scheduling is required to gain better performance of the cloud system. Various Cloud Based Task Scheduling algorithms are available that schedule the task of user to resources for execution. Due to the novelty of Cloud Computing, traditional scheduling algorithms cannot satisfy the needs of cloud , the researchers are trying to modify traditional algorithms that can fulfill the cloud requirements like rapid elasticity, resource pooling and on demand self service. In this paper the current state of Task Scheduling algorithms has been discussed and compared on the basis of various scheduling parameters like execution time, throughput, make span, resource utilization, quality of service, energy consumption, response time and cost.

연구 동기 및 목표

• 다양한 성능 메트릭을 기반으로 기존 클라우드 컴퓨팅 작업 스케줄링 알고리즘의 평가 및 비교를 수행한다.
• 탄력성, 자가 서비스 및 온디맨드 자원 제공과 같은 클라우드 특화 요구사항을 충족하는 데 있어 현재 스케줄링 알고리즘의 강점과 한계를 규명한다.
• 기존 알고리즘들 사이에서 장애 내성, 로드 밸런싱 및 확장성 측면에서의 격차를 부각시킨다.
• 클라우드 작업 스케줄링 분야에서 아직 탐색되지 않은 매개변수와 다목적 최적화 기회를 규명함으로써 향후 연구를 이끌어낸다.

제안 방법

• 이 연구는 클라우드 환경에서 대표적인 12개의 작업 스케줄링 알고리즘에 대한 체계적 리뷰와 비교 분석을 수행한다.
• 각 알고리즘은 반응 시간, 실행 시간, 처리량, 메이크스팬, 자원 활용도, 에너지 소비, 로드 밸런싱 및 서비스 품질의 여덟 가지 핵심 스케줄링 매개변수를 기반으로 평가된다.
• 정의된 매개변수들에 따른 각 알고리즘의 성능를 매핑하기 위해 비교 매트릭스(표 I)를 사용한다.
• 자연에서 영감을 얻은 알고리즘(예: 입자 군집 최적화, 쿠쿠아 최적화)과 에너지 인식 전략(예: DVFS, 녹색 에너지 효율성)이 다목적 최적화에서 얼마나 효과적인지 평가한다.
• 새로운 시뮬레이션을 수행하지 않고도 기존 문헌에서 인용된 실험 결과를 활용하여 알고리즘 성능를 평가한다.
• 그림 3은 각 스케줄링 특성에 대해 지원하는 알고리즘의 비율을 시각적으로 요약하여 추세를 파악할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 클라우드 환경에서 실행 시간, 처리량 및 자원 활용도 사이의 균형을 가장 잘 달성하는 작업 스케줄링 알고리즘은 무엇인가?
• RQ2 자연에서 영감을 얻은 최적화 알고리즘(예: PSO, 쿠쿠아)은 전통적 또는 에너지 인식 스케줄링 방법에 비해 로드 밸런싱 및 에너지 효율성 측면에서 어떻게 비교되는가?
• RQ3 현재 알고리즘들은 장애 내성과 확장성에 얼마나 잘 대응하고 있으며, 이러한 영역에서의 주요 한계는 무엇인가?
• RQ4 다양한 스케줄링 전략 간의 에너지 소비, 비용 및 서비스 품질 간의 상충 관계는 어느 정도인가?

주요 결과

• 입자 군집 최적화(PSO) 기반 및 쿠쿠아 최적화 기반 스케줄링 알고리즘은 로드 밸런싱과 서비스 품질 측면에서 뛰어난 성능를 보이며, PSO는 높은 시스템 성능를 달성하고 쿠쿠아 최적화는 뛰어난 로드 밸런싱 성능를 보여준다.
• DVFS 기반, 녹색 에너지 효율성 및 적응형 에너지 효율성 스케줄링과 같은 에너지 효율적 알고리즘은 전력 소비를 크게 줄이며 자원 활용도를 향상시킨다.
• 분석된 알고리즘 중 40%만이 서비스 품질을 효과적으로 다루며, 30% 미만이 장애 내성을 지원함으로써 신뢰성과 내성 측면에서 심각한 연구 격차가 있음을 시사한다.
• 자원 활용도와 시스템 성능는 약 60~70%의 알고리즘이 지원함으로써 현재 연구에서 이 메트릭이 잘 다뤄지고 있음을 시사한다.
• 대부분의 알고리즘에서 다목적 최적화의 부족함을 규명하였으며, 이 중 몇몇만이 동시에 세 개 이상의 성능 매개변수를 통합하고 있다.
• 결과적으로 향후 스케줄링 알고리즘은 에너지 효율성과 비용 효율성을 유지하면서도 더 많은 매개변수—특히 장애 내성과 확장성—을 통합해야 한다.