[논문 리뷰] Energy Efficient Scheduling of Application Components via Brownout and Approximate Markov Decision Process

Minxian Xu, Rajkumar Buyya|arXiv (Cornell University)|2017. 06. 07.

Cloud Computing and Resource Management참고 문헌 16인용 수 3

한 줄 요약

이 논문은 클라우드 데이터센터의 에너지 효율성을 향상시키기 위해 동적으로 비필수 응용 프로그램 컴포넌트를 비활성화하는 데 기반한 약간의 마르크프 프로세스(BMDP)를 제안한다. 에너지 절감과 사용자 할인 비용 간의 균형을 고려함으로써, BMDP는 가상 머신 통합 기반 기준 대비 20%의 에너지 소비 감소를 달성하고, 이전의 브라운아웃 방법 대비 할인 비용을 30-50% 감소시켜 에너지 절감과 수익 손실 간의 우월한 트레이드오프를 실현한다.

ABSTRACT

Unexpected loads in Cloud data centers may trigger overloaded situation and performance degradation. To guarantee system performance, cloud computing environment is required to have the ability to handle overloads. The existing approaches, like Dynamic Voltage Frequency Scaling and VM consolidation, are effective in handling partial overloads, however, they cannot function when the whole data center is overloaded. Brownout has been proved to be a promising approach to relieve the overloads through deactivating application non-mandatory components or microservices temporarily. Moreover, brownout has been applied to reduce data center energy consumption. It shows that there are trade-offs between energy saving and discount offered to users (revenue loss) when one or more services are not provided temporarily. In this paper, we propose a brownout-based approximate Markov Decision Process approach to improve the aforementioned trade-offs. The results based on real trace demonstrate that our approach saves 20% energy consumption than VM consolidation approach. Compared with existing energy-efficient brownout approach, our approach reduces the discount amount given to users while saving similar energy consumption.

연구 동기 및 목표

• 전통적인 방법인 DVFS 및 VM 통합이 실패하는 전체 시스템 오버로드 상황에서 클라우드 데이터센터의 에너지 비효율성을 해결하기 위해.
• 브라운아웃를 적용할 때 일시적인 서비스 비활성화로 인한 할인 비용(수익 손실)과 에너지 절감 간의 트레이드오프를 관리하기 위해.
• 사용도 및 경제적 영향을 기반으로 최적의 컴포넌트를 비활성화할 수 있는 스마트하고 적응형 스케줄링 전략을 개발하기 위해.
• 기존의 브라운아웃 접근 방식을 향상시키기 위해 장기적인 에너지 및 비용 최적화를 위한 근사 마르크프 결정 프로세스(AMD)를 사용하기 위해.

제안 방법

• 비필수 컴포넌트는 브라운아웃를 통해 일시적으로 비활성화되어 자원 사용과 에너지 소비를 줄일 수 있도록, 응용 프로그램 컴포넌트를 필수 또는 비필수로 모델링한다.
• 작업량과 컴포넌트 사용도에 기반한 상태 전이를 고려하여 시간에 따라 컴포넌트 비활성화 결정을 모델링하기 위해 마르크프 결정 프로세스(MDP) 프레임워크를 도입한다.
• 계산 복잡도를 줄이기 위해 근사 MDP 기법을 적용하여 대규모 클라우드 환경에서 실시간 의사결정을 가능하게 한다.
• 에너지 절감과 사용자 할인 비용 간의 균형을 고려한 보상 함수를 사용하여 장기적인 시스템 효율성 최적화를 추구한다.
• 비교를 위한 기준으로 히우리스틱 기반 컴포넌트 선택 전략(HUPRFCS)을 사용하며, 이는 높은 사용도와 높은 할인 비율을 가진 컴포넌트를 우선순위로 삼는다.
• 실세계 데이터센터 트레이스를 사용하여 동적 워크로드를 시뮬레이션하고 다양한 오버로드 조건 하에서 성능을 평가함으로써 접근 방식을 검증한다.

실험 결과

연구 질문

• RQ1 전통적인 자원 관리 기법이 실패하는 전체 시스템 오버로드 상황에서 클라우드 데이터센터의 에너지 효율성을 어떻게 향상시킬 수 있는가?
• RQ2 비필수 응용 프로그램 컴포넌트를 브라운아웃로 비활성화할 때 에너지 절감과 수익 손실(할인) 사이의 최적 트레이드오프는 무엇인가?
• RQ3 근사 마르크프 결정 프로세스는 히우리스틱 기반 브라운아웃 전략에 비해 에너지 효율성과 경제적 비용을 균형 있게 조절하는 데서 뛰어난 성능을 보일 수 있는가?
• RQ4 비필수 컴포넌트 사용도의 비율이 제안된 에너지 절감 전략의 성능에 미치는 영향는 어떠한가?

주요 결과

• BMDP는 VM 통합 기준 대비 에너지 소비를 20% 감소시켜 오버로드가 발생하는 데이터센터 환경에서 뚜렷한 에너지 절감 효과를 입증한다.
• 이전의 브라운아웃 접근 방식(HUPRFCS)과 유사한 에너지 절감 성능를 달성하지만, 사용자에게 제공하는 할인을 30-50% 감소시켜 경제적 효율성 트레이드오프를 향상시킨다.
• 비필수 컴포넌트 사용도를 100%로 상향조정할 경우, BMDP는 최대 20%의 에너지 절감을 달성하며, 에너지 소비는 551.6kWh(95% 신뢰구간: 545.8–557.4kWh)로 감소한다.
• BMDP가 제공하는 할인 금액은 HUPRFCS의 11–20% 대비 3–11%로 감소하여 더 뛰어난 경제적 효율성을 나타낸다.
• 대응 t-검정 결과, BMDP와 HUPRFCS 간의 에너지 소비에 통계적으로 유의미한 차이가 없음(p-값 ≥ 0.057)을 확인하여 동일한 성능를 유지하면서도 낮은 경제적 비용을 기록함을 입증한다.
• 80–95%의 다양한 오버로드 임계값과 비필수 컴포넌트 사용도 수준에서도 메서드가 뚜렷한 성능과 효율성을 유지하며 안정성을 확보한다.