[논문 리뷰] Formal Specification Language Based IaaS Cloud Workload Regression Analysis

Sukhpal Singh, Inderveer Chana|arXiv (Cornell University)|2014. 02. 13.

Cloud Computing and Resource Management참고 문헌 28인용 수 6

한 줄 요약

이 논문은 IaaS 클라우드 워크로드를 모델링하고 분석하기 위해 Z 표기법 기반의 형식적 사양 언어를 사용하는 방법을 제안하며, 워크로드 수요와 가용 클라우드 자원 간의 관계를 규명하기 위해 회귀 분석을 적용한다. 이 방법은 동적 클라우드 환경에서 효율적이고 형식적으로 검증된 자원 매핑을 가능하게 하여 비용과 작업 제출 버스트 시간을 감소시킨다.

ABSTRACT

Cloud Computing is an emerging area for accessing computing resources. In general, Cloud service providers offer services that can be clustered into three categories: SaaS, PaaS and IaaS. This paper discusses the Cloud workload analysis. The efficient Cloud workload resource mapping technique is proposed. This paper aims to provide a means of understanding and investigating IaaS Cloud workloads and the resources. In this paper, regression analysis is used to analyze the Cloud workloads and identifies the relationship between Cloud workloads and available resources. The effective organization of dynamic nature resources can be done with the help of Cloud workloads. Till Cloud workload is considered a vital talent, the Cloud resources cannot be consumed in an effective style. The proposed technique has been validated by Z Formal specification language. This approach is effective in minimizing the cost and submission burst time of Cloud workloads.

연구 동기 및 목표

• 동적 IaaS 클라우드 환경에서 효율적인 자원 매핑 문제를 형식적으로 워크로드 및 자원 관계를 모델링하여 해결하고자 한다.
• 데이터 기반 자원 할당을 통해 클라우드 워크로드의 비용 효율성 향상과 작업 제출 버스트 시간 단축을 목적으로 한다.
• 특히 Z 사양 언어를 활용한 형식적 방법을 통해 제안된 워크로드 분석 기법의 타당성을 검증하고자 한다.
• 다양한 자원 조건 하에서 IaaS 클라우드 워크로드 행동을 이해하고 예측하기 위한 신뢰할 수 있는, 형식적으로 검증된 프레임워크를 구축하고자 한다.

제안 방법

• 수학적 정밀도를 갖춘 클라우드 워크로드 및 자원 구성 요소를 형식적으로 모델링하기 위해 Z 형식적 사양 언어를 사용하였다.
• 워크로드 특성(예: CPU, 메모리)과 가용 클라우드 자원 간의 통계적 관계를 규명하기 위해 회귀 분석을 적용하였다.
• 배포 이전에 워크로드-자원 매핑의 정확성과 일관성을 검증하기 위해 형식적 모델을 활용하였다.
• 기능적 정확성과 성능 최적화를 보장하기 위해 회귀 모델을 형식적 사양과 통합하였다.
• IEEE ICCCCM-2013 컨ference 논문집의 실제 워크로드 데이터를 사용하여 접근 방식을 검증하였다.
• 예측 모델링을 통해 비용 최소화 및 작업 제출 버스트 시간 단축을 통한 자원 할당 최적화를 수행하였다.

실험 결과

연구 질문

• RQ1 형식적 사양 언어는 IaaS 클라우드 워크로드를 효과적으로 모델링하고 검증하는 데 어떻게 활용될 수 있는가?
• RQ2 클라우드 워크로드 수요와 가용 인프라 자원 간의 관계는 어떠한 성격을 지니는가?
• RQ3 형식적 검증과 결합된 회귀 분석은 IaaS 클라우드에서 자원 매핑의 효율성을 향상시킬 수 있는가?
• RQ4 동적 클라우드 환경에서 형식적 모델링은 비용과 작업 제출 버스트 시간을 얼마나 감소시킬 수 있는가?
• RQ5 형식적 방법은 클라우드 워크로드 자원 할당 결정의 신뢰성과 정확성을 어떻게 향상시킬 수 있는가?

주요 결과

• Z 형식적 사양과 회귀 분석의 통합을 통해 IaaS 워크로드-자원 관계의 정밀한 모델링이 가능해졌다.
• 제안된 방법은 워크로드 예측 기반 자원 할당 최적화를 통해 작업 제출 버스트 시간을 감소시켰다.
• 형식적 검증을 통한 워크로드 매핑으로 인해 클라우드 자원 소비의 비용 효율성이 크게 향상되었다.
• 형식적 모델은 정확성과 일관성을 보장하여 동적 자원 프로비저닝 시 오류를 최소화하였다.
• 실제 컨퍼런스 배포 환경(ICCCHM-2013)에서의 적용을 통해 접근 방식의 실현 가능성과 효과성이 입증되었다.
• 회귀 분석은 핵심 워크로드-자원 상관관계를 성공적으로 규명하여 데이터 기반 최적화를 가능케 하였다.