[논문 리뷰] Heterogeneous and Multidimensional Clairvoyant Dynamic Bin Packing for Virtual Machine Placement.

Yan Zhao, Zhan Zhang외 3명|arXiv (Cornell University)|2018. 02. 09.

Cloud Computing and Resource Management참고 문헌 25인용 수 3

한 줄 요약

이 논문은 사전에 도착 및 퇴장 시간을 알고 있는 가상 머신 배치를 위한 이질적이고 다차원적인 통찰력 있는 동적 박스 패킹(CDBP) 모델을 제안하여 사전 인프라 비용을 절감한다. 시간 인식 스케줄링과 새로운 분할 정복 분기 및 경계(DCBB) 알고리즘을 활용함으로써 기존 분기 및 경계 알고리즘보다 훨씬 빠른 수렴 속도를 달성하며, 최적의 서버 수축소를 실현한다. 이는 합성 및 실제 워크로드 모두에서 수정된 최초 적합 및 개미 군집 알고리즘을 능가한다.

ABSTRACT

Although the public cloud still occupies the largest portion of the total cloud infrastructure, the private cloud is attracting increasing interest because of its better security and privacy control. According to previous research, a high upfront cost is among the most serious challenges associated with private cloud computing. Virtual machine placement (VMP) is a critical operation for cloud computing, as it improves performance and reduces cost. Extensive VMP methods have been researched, but few have been designed to reduce the upfront cost of private clouds. To fill this gap, in this paper, a heterogeneous and multidimensional clairvoyant dynamic bin packing (CDBP) model, in which the scheduler can conduct more efficient scheduling with additional time information to reduce the size of the datacenter and, thereby, decrease the upfront cost, is applied. An innovative branch-and-bound algorithm with the divide-and-conquer strategy (DCBB) is proposed to reduce the number of servers (#servers), with fast processing speed. In addition, some algorithms based on first fit (FF) and the ant colony system (ACS) are modified to apply them to the CDBP model. Experiments are conducted on generated and real-world data to check the performance and efficiency of the algorithms. The results confirm that the DCBB can make a tradeoff between performance and efficiency and also achieves a much faster convergence speed than that of other search-based algorithms. Furthermore, the DCBB yields the optimal solution under real-world workloads in much less runtime (by an order of magnitude) than required by the original branch-and-bound (BB) algorithm.

연구 동기 및 목표

• 가상 머신 배치 최적화를 통해 사전 클라우드 배포에서의 높은 초기 비용 문제를 해결한다.
• 지능적이고 시간 인식된 가상 머신 스케줄링을 통해 데이터센터 크기와 인프라 비용을 줄인다.
• 동적 가상 머신 배치에서 성능과 런타임 효율성의 균형을 이루는 확장 가능하고 효율적인 알고리즘을 개발한다.
• CPU, 메모리, 스토리지, 네트워크 등 이질적이고 다차원적인 환경에서 최적의 서버 활용도를 달성한다.

제안 방법

• 미래의 가상 머신 도착 및 퇴장 시간을 포함한 이질적이고 다차원적인 통찰력 있는 동적 박스 패킹(CDBP) 모델을 수립한다.
• 수렴 속도를 향상시키고 런타임 효율성을 개선하기 위해 새로운 분할 정복 분기 및 경계(DCBB) 알고리즘을 제안한다.
• 비교 평가를 위해 CDBP 모델에 최초 적합(FF) 및 개미 군집 시스템(ACS) 알고리즘을 적응시킨다.
• 검색 공간을 분할하여 정확한 분기 및 경계의 계산 부담을 줄이는 분할 정복 전략을 활용한다.
• 가상 머신 수명 주기를 예측하고 리소스 분할을 최소화하기 위해 시간 인식 스케줄링을 통합한다.
• 표준 BB보다 더 효율적으로 유망한 해의 부분공간을 탐색하기 위해 재귀적 분해 접근법을 사용한다.

실험 결과

연구 질문

• RQ1 통찰력 있는 시간 인식 동적 박스 패킹 모델은 사전 클라우드 환경에서 필요한 서버 수를 줄일 수 있는가?
• RQ2 DCBB 알고리즘은 기존 분기 및 경계 알고리즘과 비교해 수렴 속도와 해 품질 측면에서 어떻게 다른가?
• RQ3 수정된 최초 적합 및 개미 군집 알고리즘은 다차원적이고 이질적인 CDBP 환경에서 얼마나 효과적인가?
• RQ4 실제 워크로드에서 DCBB 알고리즘이 원래 분기 및 경계 알고리즘보다 최적의 해를 더 빨리 도달하는가?
• RQ5 제안된 모델은 사전 클라우드 배포에서 초기 인프라 비용을 크게 절감할 수 있는가?

주요 결과

• DCBB 알고리즘은 실제 워크로드에서 원래 분기 및 경계 알고리즘보다 런타임이 약 수십 배 이상 단축되어 최적의 해를 도달한다.
• DCBB 알고리즘은 수정된 최초 적합 및 개미 군집 시스템 접근법을 포함한 다른 기반 알고리즘보다 훨씬 빠른 수렴 속도를 보인다.
• CDBP 모델은 필요한 서버 수를 효과적으로 줄여 사전 클라우드 인프라의 초기 비용을 직접 낮춘다.
• 제안된 방법은 처리 속도를 크게 향상시키면서도 높은 해 품질을 유지하여 실시간 또는 근접 실시간 가상 머신 배치에 적합하다.
• 합성 및 실제 워크로드에 대한 실험을 통해 DCBB가 기준 알고리즘보다 효율성과 최적성 측면에서 모두 뛰어나다는 것이 확인되었다.
• 시간 인식 스케줄링의 통합은 이질적이고 다차원적인 환경에서 더 나은 자원 활용도와 분할 최소화를 가능하게 한다.