[논문 리뷰] Energy Efficient Geographical Load Balancing via Dynamic Deferral of Workload

Muhammad Abdullah Adnan, Ryo Sugihara외 1명|arXiv (Cornell University)|2012. 04. 11.

Cloud Computing and Resource Management참고 문헌 23인용 수 5

한 줄 요약

이 논문은 시간에 따라 변하는 전기 요금과 마감 시간 제약 조건을 바탕으로 지리적으로 분산된 데이터 센터 간에 워크로드를 동적으로 연기하고 이전하는 에너지 효율적인 지리적 부하 균형 프레임워크를 제안한다. SLA 유연성과 향후 전기 요금 예측을 활용하여, 예측 오차를 처리하기 위해 이전 기법을 적용하는 오프라인 최적화 및 온라인 적응형 알고리즘을 통해 총 에너지 비용을 20–30% 감소시키면서도 경과 시간이 제한된 상태를 유지한다.

ABSTRACT

With the increasing popularity of Cloud computing and Mobile computing, individuals, enterprises and research centers have started outsourcing their IT and computational needs to on-demand cloud services. Recently geographical load balancing techniques have been suggested for data centers hosting cloud computation in order to reduce energy cost by exploiting the electricity price differences across regions. However, these algorithms do not draw distinction among diverse requirements for responsiveness across various workloads. In this paper, we use the flexibility from the Service Level Agreements (SLAs) to differentiate among workloads under bounded latency requirements and propose a novel approach for cost savings for geographical load balancing. We investigate how much workload to be executed in each data center and how much workload to be delayed and migrated to other data centers for energy saving while meeting deadlines. We present an offline formulation for geographical load balancing problem with dynamic deferral and give online algorithms to determine the assignment of workload to the data centers and the migration of workload between data centers in order to adapt with dynamic electricity price changes. We compare our algorithms with the greedy approach and show that significant cost savings can be achieved by migration of workload and dynamic deferral with future electricity price prediction. We validate our algorithms on MapReduce traces and show that geographic load balancing with dynamic deferral can provide 20-30% cost-savings.

연구 동기 및 목표

• 시간과 위치에 따라 변하는 전기 요금 변화를 활용하여 클라우드 데이터 센터의 에너지 비용을 줄이는 것.
• 서비스 수준 계약(SLA)의 마감 시간에 대한 탄력성을 활용하여 워크로드 실행을 연기하고 에너지 절감을 이룩하는 것.
• 변동하는 전기 요금과 예측에 대응하여 워크로드를 실시간으로 데이터 센터 간에 동적으로 할당하고 이전하는 온라인 알고리즘을 설계하는 것.
• 예측 오차의 영향을 평가하고, 이전 기법이 비용 효율성 향상에 어떻게 기여하는지 보여주는 것.
• 실제 MapReduce 트레이스를 사용하여 현실적인 워크로드 및 요금 조건 하에서 접근 방식을 검증하는 것.

제안 방법

• 마감 시간 제약 조건 하에서 총 에너지 비용을 최소화하기 위해 시간에 따라 워크로드를 데이터 센터에 할당하고, 연기 및 이전 결정을 내리는 오프라인 최적화 문제를 수립한다.
• 향후 전기 요금 예측을 활용하여 실시간으로 워크로드 할당 및 이전 결정을 이끄는 온라인 알고리즘을 개발한다.
• 시간 시리즈 방법(예: 가중 평균 필터 등)으로부터 유도된 평균과 역사적 데이터로부터 추정된 분산을 활용한 가우시안 기반 가격 예측 모델을 적용하여 불확실성을 처리한다.
• 예측 오차를 보완하고 비용 성능을 향상시키기 위해 이전을 수단으로 도입하며, 특히 가격 예측이 실제 값과 다를 경우에 유용하다.
• SLA의 여유 시간을 활용하여 비긴급 워크로드를 전기 요금이 낮은 시기로 연기하는 동적 연기 전략을 적용한다.
• 이전 기능이 있는 알고리즘과 없는 알고리즘을 비교하기 위해 경쟁 비율 분석을 수행하여, 이전 기능이 포함된 경우 비용 절감 효과가 뛰어나다는 것을 입증한다.

실험 결과

연구 질문

• RQ1 지리적으로 분산된 데이터 센터 간 워크로드의 연기 및 이전은 마감 시간 제약 조건을 지키면서 에너지 비용을 어떻게 줄일 수 있는가?
• RQ2 예측 오차는 온라인 부하 균형 성능에 어떤 영향을 미치며, 이전은 이를 어떻게 완화할 수 있는가?
• RQ3 SLA 탄력성을 기반으로 한 동적 연기 전략은 시간에 따라 변하는 전기 요금 환경에서 상당한 비용 절감을 이끌 수 있는가?
• RQ4 워크로드 이전 기능이 포함된 경우, 이전 기능이 없는 그리디한 접근 방식에 비해 비용 효율성은 어떻게 향상되는가?
• RQ5 미래 전기 요금 예측은 어떻게 활용되어 스케일러블하고 실용적인 방식으로 에너지 비용 절감을 달성할 수 있는가?

주요 결과

• 실제 MapReduce 트레이스를 기반으로 한 검증 결과, 제안된 접근 방식은 그리디 기반 기준 대비 총 에너지 지출에서 20–30%의 비용 절감을 달성한다.
• 워크로드 이전 기능을 포함한 온라인 알고리즘은 이전 기능이 없는 경우보다 예측 오차 상황에서도 성능이 뛰어나며, 적응형 복구 메커니즘이 기여한다.
• 온라인 알고리즘의 경쟁 비율은 유한하며, 이전 기능이 전력 가격 예측의 부정확성에 대한 민감도를 감소시켜 성능 향상에 기여한다.
• 오프라인 수식은 마감 시간 및 가격 제약 조건 하에서 최적의 워크로드 할당 및 연기 결정을 위한 이론적 기반을 제공한다.
• 시간 시리즈 기반 평균과 가우시안 분포를 활용한 분산 추정을 통한 가격 예측은 다단계 향후 가격 예측에 대해 강력한 예측 성능을 제공한다.
• 이 방법은 임의의 워크로드, 마감 시간 및 에너지 비용 모델에 일반적으로 적용 가능하므로 실세계 클라우드 환경에서 널리 구현 가능하다.