[논문 리뷰] Modeling browser-based distributed evolutionary computation systems

J. J. Merelo, Pablo García‐Sánchez|arXiv (Cornell University)|2015. 03. 22.

Distributed and Parallel Computing Systems참고 문헌 26인용 수 14

한 줄 요약

이 논문은 웹 브라우저를 통해 자원 기부자 컴퓨팅 자원을 활용하는 브라우저 기반 분산 진화 계산 시스템을 제안하며, 자바스크립트를 사용해 확장 가능한 오픈소스 환경에서 진화 알고리즘을 실행한다. 이 시스템은 75%의 클라이언트가 4초 이내에 작업을 완료함으로써 신뢰할 수 있는 성능을 보이며, 진화 알고리즘을 위한 탈중앙화되고 자원 기부자 기반의 메타컴퓨팅의 실현 가능성을 입증한다.

ABSTRACT

From the era of big science we are back to the "do it yourself", where you do not have any money to buy clusters or subscribe to grids but still have algorithms that crave many computing nodes and need them to measure scalability. Fortunately, this coincides with the era of big data, cloud computing, and browsers that include JavaScript virtual machines. Those are the reasons why this paper will focus on two different aspects of volunteer or freeriding computing: first, the pragmatic: where to find those resources, which ones can be used, what kind of support you have to give them; and then, the theoretical: how evolutionary algorithms can be adapted to an environment in which nodes come and go, have different computing capabilities and operate in complete asynchrony of each other. We will examine the setup needed to create a very simple distributed evolutionary algorithm using JavaScript and then find a model of how users react to it by collecting data from several experiments featuring different classical benchmark functions.

연구 동기 및 목표

• 브라우저 기반 자원 기부자 컴퓨팅을 활용한 분산 진화 알고리즘의 실현 가능성을 탐구하기.
• 비동기적이고 예측 불가능한 컴퓨팅 환경에서 사용자 참여 동역학을 모델링하기.
• 실제 세계의 자원 기부자 기반 웹 환경에서 진화 알고리즘의 성능과 확장성 평가하기.
• 분산 컴퓨팅 실험에서 오픈 과학의 최선의 실천 방식 설정하기.
• 전용 인프라 없이도 무료이고 오픈소스 플랫폼이 확장 가능한 진화 계산을 지원할 수 있음을 보여주기.

제안 방법

• 클라이언트 측 계산을 활용해 웹 브라우저에서 자바스크립트를 사용해 분산 진화 알고리즘을 구현하기.
• 자동 배포 및 백엔드 조율을 위해 Heroku나 OpenShift와 같은 플랫폼형 서비스(PaaS) 사용하기.
• 개인 식별자를 추적하지 않고 웹 링크를 통해 실험에 접근한 사용자로부터 실시간 성능 데이터 수집하기.
• 클라이언트 응답 시간과 참여 지속 시간의 시계열 및 통계 모델링을 통해 사용자 행동 분석하기.
• 모든 클라이언트에서 동일한 구성 설정을 구현해 알고리즘 실행의 일관성 확보하기.
• 다양한 클라이언트 성능에 걸쳐 수렴성과 성능 평가를 위해 고전적 벤치마크 함수 사용하기.

실험 결과

연구 질문

• RQ1 어떻게 진화 알고리즘이 비동기적이고 자원 기부자 기반의 브라우저 환경에서 효과적으로 작동하도록 적응시킬 수 있는가?
• RQ2 응답 시간과 계산 처리량 측면에서 클라이언트 성능의 분포는 어떠한가?
• RQ3 자원 기부자 컴퓨팅 자원이 진화 계산에 대해 얼마나 예측 가능한 성능을 제공할 수 있는가?
• RQ4 사용자 참여 행동이 분산 진화 알고리즘의 전체 확장성과 수렴성에 어떤 영향을 미치는가?
• RQ5 어떤 오픈 과학 실천 방식이 자원 기부 기반 컴퓨팅 실험에서 신뢰와 지속적인 참여를 증진시키는가?

주요 결과

• 75%의 클라이언트가 100세대의 진화 계산을 4초 이내로 완료했으며, 이는 신뢰할 수 있는 성능 수준을 의미한다.
• 개별 클라이언트의 응답 시간에 높은 변동성이 있었음에도 불구하고, 일반적으로 매 실험에서 최소 6~30명의 클라이언트를 신뢰할 수 있었다.
• 성능 분포는 매우 넓은 범위의 지속 시간을 보였으며, 일부 클라이언트는 수천 초가 걸리는 경우가 있었는데, 이는 사용자가 페이지를 떠났다가 다시 돌아온 탓일 가능성이 높다.
• 이 시스템은 전용 인프라나 유료 자원 없이도 브라우저 기반의 자원 기부자 기반 환경에서 분산 진화 계산이 실현 가능하다는 것을 입증했다.
• 결과적으로 특정 지점 이후 클라이언트 수를 늘려도 알고리즘 성능 향상이 크게 이루어지지 않음을 시사하며, 이는 로드 분배의 포화 또는 비효율성 가능성을 시사한다.
• 공개된 코드와 데이터 공유를 포함한 오픈 과학 실천 방식이 신뢰를 구축하고 지속적인 사용자 참여를 장려하는 데 필수적이라는 것이 확인되었다.