[논문 리뷰] Heuristic-based Optimal Resource Provisioning in Application-centric Cloud

Sunirmal Khatua, Preetam K. Sur외 2명|arXiv (Cornell University)|2014. 03. 11.

Cloud Computing and Resource Management참고 문헌 13인용 수 8

한 줄 요약

이 논문은 응용 중심 클라우드 환경에서 최적의 자원 제공을 위한 휴리스틱 기반 다항식 시간 알고리즘을 제안하며, 장기적인 비용을 최소화하기 위해 클라우드 자원을 전략적으로 예약함으로써 장기적 비용을 최소화하고자 한다. 이 방법은 정수계획문제(IPP) 해의 1% 이내의 거의 최적의 비용 절감을 달성하면서도 계산 오버헤드를 지수적 시간에서 선형 시간으로 줄여, 정확한 최적화 방법의 실용적 한계를 초월한 장기적 워크로드에 대해 확장 가능한 성능을 제공한다.

ABSTRACT

Cloud Service Providers (CSPs) adapt different pricing models for their offered services. Some of the models are suitable for short term requirement while others may be suitable for the Cloud Service User's (CSU) long term requirement. In this paper, we look at the problem of finding the amount of resources to be reserved to satisfy the CSU's long term demands with the aim of minimizing the total cost. Finding the optimal resource requirement to satisfy the the CSU's demand for resources needs sufficient research effort. Various algorithms were discussed in the last couple of years for finding the optimal resource requirement but most of them are based on IPP which is NP in nature. In this paper, we derive some heuristic-based polynomial time algorithms to find some near optimal solution to the problem. We show that the cost for CSU using our approach is comparable to the solution obtained using optimal Integer Programming Problem(IPP).

연구 동기 및 목표

• 하이브리드 가격 모델 하에서 클라우드 서비스 사용자(CSUs)의 장기적 클라우드 자원 비용을 최소화하는 데 도전하는 것.
• 장기적인 수요 시나리오에서 정수계획문제(IPP)의 계산 불가능성을 해결하는 것.
• 최소한의 비용 오버헤드로 최적 해에 근접하는 효율적인 다항식 시간 휴리스틱 알고리즘을 설계하는 것.
• 자원 예약 전략에서 비용 효율성과 계산 복잡성 간의 상호 상충 관계를 평가하는 것.
• 실세계 클라우드 워크로드의 장기 수요 수평선을 고려한 실용적이고 확장 가능한 비용 최적화를 가능하게 하는 것.

제안 방법

• 저자들은 장기적인 비용을 최소화하면서 과잉 제공를 방지하기 위해 주기적인 예약 패턴에 기반한 두 가지 휴리스틱 전략을 개발했다: 단일 계약(3개월) 및 다중 계약.
• 휴리스틱은 특히 3개월의 배수를 선호함으로써 최적의 IPP 해에서의 비용 이탈을 최소화하도록 설계되었으며, 수요 패턴에 맞춰 예약 기간을 조정한다.
• 이 방법은 수요의 균일성과 기간에 따라 비용 효율적인 예약 윈도우를 우선순위에 따라 할당하는 그레디프 암시적 할당을 사용한다.
• 수학적으로 특정 조건(예: 균일한 수요 및 3개월의 배수) 하에서 최적의 결과를 도출할 수 있음을 증명하였으며, 비균일한 수요 및 3개월의 배수가 아닌 수요에 대해서도 이를 확장하였다.
• 실세계 SDSC 워크로드 데이터를 사용하여 최적의 IPP 해와의 성능을 비교하였으며, 다양한 기간 동안 비용 이탈과 실행 시간을 측정하였다.
• 오버헤드는 마이크로초 단위로 평가되었으며, IPP 방법의 지수적 복잡도(O(2^n)) 대비 선형 시간 복잡도(O(n))임을 입증하였다.

실험 결과

연구 질문

• RQ1 휴리스틱 기반 자원 예약 전략은 장기적 클라우드 제공에서 거의 최적의 비용 절감을 달성하면서도 계산적으로 실현 가능한가?
• RQ2 다양한 수요 패턴과 기간에서 휴리스틱 전략의 비용 이탈은 최적의 정수계획문제(IPP) 해와 비교해 어떻게 되는가?
• RQ3 예약 기간(예: 1개월 대비 3개월 계약)이 비용 효율성과 확장성에 어떤 영향을 미치는가?
• RQ4 수요의 균일성이 휴리스틱 기반 예약 전략의 성능과 정확성에 어떤 영향을 미치는가?
• RQ5 IPP가 비가능해지는 다년간의 수요 수평선에 대해 휴리스틱 접근법은 확장 가능한가?

주요 결과

• 모든 테스트 기간 동안 단일 계약(3개월) 및 다중 계약 휴리스틱은 최적의 IPP 해 대비 평균 비용 증가율이 1% 미만으로 나타났다.
• 비균일한 수요 데이터의 경우 균일한 데이터보다 비용 증가율이 높지만, 평균적으로 1% 이내로 유지되어 강력한 내구성을 보였다.
• 비용 증가율은 3개월의 배수 + 1(예: 1, 4, 7개월)인 기간에서 최고로 올라가지만, 3개월의 배수인 기간에서는 계약 주기와의 일치로 0%로 감소한다.
• 휴리스틱 기반 전략은 선형 시간 복잡도(O(n))를 보이며, 다중 계약을 사용한 12개월 수요의 경우 실행 시간이 1.113 ms로, 최적의 IPP 방법의 700,000 μs 대비 극적으로 감소하였다.
• 제안된 휴리스틱은 3년 수요와 같은 장기 워크로드에 대해 확장 가능하고 실용적이며, IPP는 변수와 계산 시간의 지수적 증가로 인해 비가능해지는 분야이다.
• 휴리스틱 접근법의 오버헤드는 극히 미미하여 12개월 기준 2.3 ms 미만이었으며, 실시간 또는 생산 환경 구현 가능성에 있어 유의미한 증거를 제공한다.