[논문 리뷰] Cost Minimization in Multiple IaaS Clouds: A Double Auction Approach

Jian Zhao, Chuan Wu외 1명|arXiv (Cornell University)|2013. 08. 04.

Cloud Computing and Resource Management참고 문헌 7인용 수 6

한 줄 요약

이 논문은 여러 IaaS 클라우드 간의 자원 거래를 위한 이중 Auction 메커니즘을 제안하며, Lyapunov 기반의 일회성 최적화와 무작위 근사 알고리즘을 사용하여 근사 최적의 비용 절감을 달성한다. 이 메커니즘은 기대값 기준 진실성 보장과 최적 해에 대한 (1/(1−δ))-근사 비율을 보장하여, 가격과 워크로드가 이질적인 환경에서도 동적이고 비용 효율적인 VM 할당을 가능하게 한다.

ABSTRACT

IaaS clouds invest substantial capital in operating their data centers. Reducing the cost of resource provisioning, is their forever pursuing goal. Computing resource trading among multiple IaaS clouds provide a potential for IaaS clouds to utilize cheaper resources to fulfill their jobs, by exploiting the diversities of different clouds' workloads and operational costs. In this paper, we focus on studying the IaaS clouds' cost reduction through computing resource trading among multiple IaaS clouds. We formulate the global cost minimization problem among multiple IaaS clouds under cooperative scenario where each individual cloud's workload and cost information is known. Taking into consideration jobs with disparate lengths, a non-preemptive approximation algorithm for leftover job migration and new job scheduling is designed. Given to the selfishness of individual clouds, we further design a randomized double auction mechanism to elicit clouds' truthful bidding for buying or selling virtual machines. We evaluate our algorithms using trace-driven simulations.

연구 동기 및 목표

• 워크로드와 가격의 시간적·공간적 다양성을 활용하여 연합된 IaaS 클라우드 환경에서 장기적인 운영 비용을 최소화하는 데 도전하는 것.
• 자율적이고 자기 이익을 추구하는 클라우드 제공자가 개인적인 비용 및 워크로드 정보를 정확히 신고할 수 있도록 하는 진실성 있는 시장 메커니즘을 설계하는 것.
• 실시간 VM 스케줄링 및 작업 이관을 위한 확장 가능한 근사 기반 알고리즘을 개발하여 최적 해와의 성능 격차를 상한선으로 보장하는 것.
• 실제 워크로드와 가격 트레이스 조건 하에서 개별 및 시스템 전체 비용 절감 효과를 평가하는 것.

제안 방법

• 장기 목표를 일회성 드리프트+벌점 최소화 문제로 변환하기 위해 Lyapunov 최적화를 사용하여 전역 비용 최소화 문제를 수립한다.
• 비선형 정수계획법의 최적 해에서 상수 추가 격차 C를 보장하는 비선점적 근사 알고리즘을 설계하여 작업 스케줄링 및 잔여 작업 이동을 수행한다.
• 승자 결정 문제(WDP)의 선형계획법 허용형(LPR)에 대한 원형-쌍대 분해와 분수형 VCG Auction 기반의 무작위 이중 Auction 메커니즘을 적용한다.
• 스케일링 기법을 사용: 분수 최적 할당과 VCG 지불액을 (1−δ)로 축소하여 랜덤 정수 할당 메커니즘에서 기대값으로 사용한다.
• LPR 해에서 유도된 정수 할당의 가중 조합을 확률에 비례하는 가중치로 사용하여 기대값 기준 진실성 보장을 확보한다.
• 근사 알고리즘을 Auction 메커니즘에 통합하여 WDP 및 원래 최적화 문제에 대해 (1/(1−δ))-근사 비율을 유지한다.

실험 결과

연구 질문

• RQ1 다양한 IaaS 클라우드 간의 워크로드와 가격의 시간적·공간적 다양성을 활용하여 상호 클라우드 VM 거래가 운영 비용을 크게 절감할 수 있는가?
• RQ2 자율적이고 자기 이익을 추구하는 IaaS 클라우드로부터 정확한 비밀 입찰 정보를 확보할 수 있는 진실성 있는 시장 메커니즘은 어떻게 설계할 수 있는가?
• RQ3 실제 적용 가능한 선형 정수계획법 공식화에 대해 어떤 근사 비율을 보장할 수 있는가?
• RQ4 랜덤화된 이중 Auction 메커니즘은 기반 협력 알고리즘의 근사 비율을 유지하면서도 기대값 기준 진실성을 확보할 수 있는가?

주요 결과

• 제안된 이중 Auction 메커니즘은 최적 해에 대해 (1/(1−δ))-근사 비율을 달성하며, 협력적 근사 알고리즘의 성능 보장과 동일하다.
• 상호 클라우드 거래를 통해 고도로 변동성이 크고 동적 가격 정책이 적용되는 조건에서 고립 운영 대비 개별 클라우드의 비용이 최대 30% 감소한다.
• 거래가 이루어지면 활성 서버 비율이 증가하여 자원 활용도가 향상되며, 이는 유휴 용량이 다른 클라우드의 고가치 작업을 수용함으로써 수익화됨을 의미한다.
• 저비용 데이터 센터 간의 스케줄링 유연성 증가로 인해 평균 작업 응답 지연 시간이 감소한다.
• 시스템 전체의 시간 평균 비용은 점차적으로 오프라인 최적 해에 수렴하며, 최적 해로부터 상수 격차 C를 유지한다.
• 랜덤화된 Auction은 기대값 기준 진실성을 보장하여 정보 조작 없이 신뢰할 수 있고 전략적인 입찰가능성을 제공한다.