[논문 리뷰] FlexCloud: A Flexible and Extendible Simulator for Performance Evaluation of Virtual Machine Allocation

Minxian Xu, Wenhong Tian외 2명|arXiv (Cornell University)|2015. 01. 23.

Cloud Computing and Resource Management참고 문헌 11인용 수 4

한 줄 요약

FlexCloud는 클라우드 데이터센터에서 가상 머신(Virtual Machine, VM) 할당 알고리즘을 평가하기 위한 경량이며 유연하고 확장 가능한 시뮬레이터로, 특히 인프라로서의 서비스(IaaS)에 중점을 두고 있다. 동적 VM 스케줄링, 마이그레이션 모델링, 사용자 정의 가능한 설정을 지원하며, 실행 시간과 메모리 효율성에서 CloudSim을 능가한다. 실세계의 LLNL 트레이스를 사용하여 성능를 검증하고, Capacity_makespan Prepartition (CMP) 알고리즘을 통해 우수한 로드 밸런싱과 자원 활용도를 보여주었다.

ABSTRACT

Cloud Data centers aim to provide reliable, sustainable and scalable services for all kinds of applications. Resource scheduling is one of keys to cloud services. To model and evaluate different scheduling policies and algorithms, we propose FlexCloud, a flexible and scalable simulator that enables users to simulate the process of initializing cloud data centers, allocating virtual machine requests and providing performance evaluation for various scheduling algorithms. FlexCloud can be run on a single computer with JVM to simulate large scale cloud environments with focus on infrastructure as a service; adopts agile design patterns to assure the flexibility and extensibility; models virtual machine migrations which is lack in the existing tools; provides user-friendly interfaces for customized configurations and replaying. Comparing to existing simulators, FlexCloud has combining features for supporting public cloud providers, load-balance and energy-efficiency scheduling. FlexCloud has advantage in computing time and memory consumption to support large-scale simulations. The detailed design of FlexCloud is introduced and performance evaluation is provided.

연구 동기 및 목표

• 클라우드 환경에서 VM 할당을 평가하기 위한 확장성 있고 스케일러블하며 현실적인 시뮬레이터의 부족을 해결하기 위해.
• 대규모 IaaS 클라우드 인fra에서 VM 할당, 마이그레이션, 스케줄링의 포괄적인 시뮬레이션을 지원하기 위해.
• 로드 밸런싱 및 에너지 효율 전략을 포함한 다양한 스케줄링 알고리즘의 성능 평가를 가능하게 하기 위해.
• 자원 모델, 요청 사양, 스케줄링 알고리즘의 간편한 확장을 허용하는 모듈러하고 민첩한 아키텍처를 제공하기 위해.
• 실세계 워크로드 트레이스(LLNL)를 사용하여 시뮬레이터를 검증하고, CloudSim과 같은 기존 도구와의 성능 비교를 수행하기 위해.

제안 방법

• 자원, VM 요청, 스케줄링 알고리즘의 모듈러 통합을 지원하기 위해 애자일 설계 패턴을 활용한 계층적이고 확장 가능한 아키텍처를 설계하였다.
• 로렌스 리버모어 국립연구소(LLNL)에서 제공한 실트레이스를 기반으로 가상 머신 요청을 모델링하였으며, 이를 5분 간격의 타임슬롯으로 변환하였다.
• 다양한 기존 시뮬레이터에서 누락된 동적 로드 재분배를 반영하기 위해 VM 마이그레이션 시뮬레이션을 구현하였다.
• 알고리즘 비교를 위해 평균 활용도, 불균형도, 메이크스팬, capacity_makespan 등의 성능 메트릭을 정의하였다.
• 용량과 메이크스팬을 기반으로 VM 요청을 사전에 분할하여 로드 분포를 최적화하는 Capacity_makespan Prepartition (CMP) 알고리즘을 도입하였다.
• Amazon EC2 사양에 맞추어 다양한 물리적 머신(PM) 구성(15~240台)과 VM 사양을 설정하여 오프라인 스케줄링을 수행함으로써 현실적인 클라우드 워크로드를 시뮬레이션하였다.

실험 결과

연구 질문

• RQ1 FlexCloud의 아키텍처는 대규모 클라우드 환경에서 VM 할당의 탄력적이고 확장 가능한 시뮬레이션을 어떻게 가능하게 하는가?
• RQ2 FlexCloud는 실행 시간과 메모리 소비 측면에서 기존 시뮬레이터인 CloudSim에 비해 어느 정도 뛰어나게 성능을 발휘하는가?
• RQ3 라운드로빈, LPT, MIG, CMP와 같은 다양한 스케줄링 알고리즘이 활용도, 메이크스팬, 불균형도와 같은 핵심 성능 메트릭에 어떤 영향을 미치는가?
• RQ4 실세계 워크로드 트레이스를 사용할 경우, CMP 알고리즘이 기존 알고리즘에 비해 유의미하게 뛰어난 로드 밸런싱과 자원 활용도를 달성할 수 있는가?
• RQ5 CMP 알고리즘의 분할 수(k)가 불균형도와 메이크스팬, 불균형도와 같은 성능 메트릭에 어떤 영향을 미치는가?

주요 결과

• Capacity_makespan Prepartition (CMP) 알고리즘은 MIG 및 LPT에 비해 평균 활용도를 10–20% 높였고, 라운드로빈(R-R)에 비해 40–50% 높였다.
• CMP는 MIG 및 LPT에 비해 평균 메이크스팬과 capacity_makespan을 10–20% 감소시켰고, R-R에 비해 40–50% 감소시켰다.
• CMP 알고리즘의 분할 수(k)를 증가시킴으로써 불균형도가 감소하여, 더 큰 k 값일수록 낮은 불균형도를 기록하였다.
• 마이그레이션 후 처리(MIG) 알고리즘은 활용도, 메이크스팬, capacity_makespan 등 모든 메트릭에서 CMP의 성능을 따라잡지 못했다.
• FlexCloud는 특히 대규모 시뮬레이션에서 CloudSim 대비 실행 시간과 메모리 소비 측면에서 뛰어난 성능을 보였다.
• LLNL 실트레이스를 사용한 검증을 통해 시뮬레이터의 정확성과 실제 클라우드 워크로드에 대한 적합성이 확인되었다.