[논문 리뷰] Application of Machine Learning Optimization in Cloud Computing Resource Scheduling and Management

Yifan Zhang, Bo Liu외 4명|arXiv (Cornell University)|2024. 02. 27.

Big Data Technologies and Applications인용 수 8

한 줄 요약

본 논문은 기계 학습 최적화 기법을 포함하여 심층 학습과 유전 알고리즘을 활용해 클라우드 컴퓨팅에서 자원 스케줄링과 관리를 개선하고, 자원 활용 저하와 부하의 불균형과 같은 문제에 직면한 상황에서 이를 제안한다.

ABSTRACT

In recent years, cloud computing has been widely used. Cloud computing refers to the centralized computing resources, users through the access to the centralized resources to complete the calculation, the cloud computing center will return the results of the program processing to the user. Cloud computing is not only for individual users, but also for enterprise users. By purchasing a cloud server, users do not have to buy a large number of computers, saving computing costs. According to a report by China Economic News Network, the scale of cloud computing in China has reached 209.1 billion yuan. At present, the more mature cloud service providers in China are Ali Cloud, Baidu Cloud, Huawei Cloud and so on. Therefore, this paper proposes an innovative approach to solve complex problems in cloud computing resource scheduling and management using machine learning optimization techniques. Through in-depth study of challenges such as low resource utilization and unbalanced load in the cloud environment, this study proposes a comprehensive solution, including optimization methods such as deep learning and genetic algorithm, to improve system performance and efficiency, and thus bring new breakthroughs and progress in the field of cloud computing resource management.Rational allocation of resources plays a crucial role in cloud computing. In the resource allocation of cloud computing, the cloud computing center has limited cloud resources, and users arrive in sequence. Each user requests the cloud computing center to use a certain number of cloud resources at a specific time.

연구 동기 및 목표

• 클라우드 컴퓨팅에서의 활용 저하와 불균형한 부하로 인해 자원 스케줄링 개선의 필요성을 동기화한다.
• 클라우드 센터의 할당 의사결정을 향상시키기 위한 기계 학습 기반 최적화 프레임워크를 제안한다.
• 심층 학습과 유전 알고리즘이 클라우드 자원 관리의 시스템 성능과 효율성을 어떻게 개선할 수 있는지 조사한다.

제안 방법

• 클라우드 자원 스케줄링을 위한 최적화 방법으로 심층 학습과 유전 알고리즘을 적용한다.
• 사용자 요청의 순차적 도착과 제한된 클라우드 자원을 포함한 자원 할당 문제를 다룬다.
• 클라우드 환경에서 활용도와 부하 균형을 개선하기 위한 통합 접근법을 개발한다.

실험 결과

연구 질문

• RQ1 기계 학습 최적화 기법이 클라우드 컴퓨팅의 자원 활용도를 향상시킬 수 있는가?
• RQ2 순차적으로 도착하는 사용자에 대해 심층 학습과 유전 알고리즘이 클라우드 자원 스케줄링에서 어떤 성능을 보이는가?
• RQ3 ML 기반 최적화가 클라우드 자원 관리의 효율성에 어떤 영향을 미치는가?

주요 결과

• 본 연구는 클라우드 자원 스케줄링 및 관리를 위한 포괄적인 ML 최적화 솔루션을 제안한다.
• 제안된 접근은 클라우드 환경의 낮은 자원 활용도와 불균형한 부하와 같은 문제를 겨냥한다.
• 통합 방식은 클라우드 자원 할당의 시스템 성능과 효율성을 향상시키려 한다.