[논문 리뷰] Multi-resource Fair Allocation with Bounded Number of Tasks in Cloud Computing Systems

Weidong Li, Xi Liu외 2명|arXiv (Cornell University)|2014. 10. 06.

Cloud Computing and Resource Management참고 문헌 16인용 수 10

한 줄 요약

이 논문은 작업 수가 제한된 클라우드 시스템에서 다중 자원 공정 할당을 위한 Lexicographically Max-Min Normalized Share (LMMNS) 메커니즘을 제안한다. 선형 시간 최적 알고리즘을 제시하고, LMMNS가 공정성과 전략적 거래 방지 성질을 만족함을 증명하며, 특히 두 개의 자원이 있는 경우에 강력한 성능을 보이는 구현 및 근사 분석을 수행한다.

ABSTRACT

Dominant resource fairness (DRF) is a popular mechanism for multi-resource allocation in cloud computing systems. In this paper, we consider a problem of multi-resource fair allocation with bounded number of tasks. Firstly, we propose the lexicographically max-min normalized share (LMMNS) fair allocation mechanism, which is a natural generalization of DRF, and design a non-trivial optimal algorithm to find a LMMNS fair allocation, whose running time is linear in the number of users. Secondly, we prove that LMMNS satisfies envy-freeness (EF) and group strategy-proofness (GSP), and analysis the approximation ratios of LMMNS, by exploiting the properties of the optimal solution. Thirdly, we propose a modified version of LMMNS, which is the second mechanism satisfying sharing incentive, EF, and GSP. Finally, we have implemented LMMNS, and show that it has a good average-case performance, especially when the number of resources is 2.

연구 동기 및 목표

• 사용자당 작업 수가 제한된 클라우드 컴퓨팅 시스템에서 다중 자원 공정 할당 문제를 해결하기 위해.
• Dominant Resource Fairness (DRF)를 일반화하기 위해 사전순으로 최대화하는 정규화된 자원 할당량(Lexicographically Max-Min Normalized Share, LMMNS) 메커니즘을 도입하기 위해.
• LMMNS 할당을 계산하기 위한 최적의 선형 시간 알고리즘을 설계하기 위해.
• LMMNS가 공정성의 핵심 성질인 공정성(Envy-freeness, EF)과 집단 전략적 거래 방지성(Group strategy-proofness, GSP)을 만족함을 증명하기 위해.
• LMMNS의 근사 비율을 평가하고, 공유 인centive를 유지하면서도 EF와 GSP를 보존하는 수정된 버전을 제안하기 위해.

제안 방법

• LMMNS를 DRF의 일반화로 제안하여, 사용자 간 정규화된 자원 할당량을 사전순으로 최대화하는 방식으로 설계함.
• 사용자 수에 비례하는 선형 시간 내에 LMMNS 할당을 계산할 수 있는 비현실적인 최적 알고리즘을 설계함.
• 이질적인 자원 유형 간의 자원 할당 균형을 맞추기 위해 새로운 정규화 기법을 도입함.
• 최적 해의 구조적 성질을 분석하여 LMMNS의 근사 비율을 유도함.
• 공유 인센티브, EF, GSP를 유지하면서도 특정 시나리오에서 공정성을 향상시키는 LMMNS의 수정 버전을 도입함.
• LMMNS를 구현하고, 특히 자원 수가 두 개인 경우에 평균 사례 성능을 평가함.

실험 결과

연구 질문

• RQ1 제한된 작업 수를 가진 시스템에서 DRF를 초월하여 다중 자원 공정 할당을 어떻게 일반화할 수 있는가?
• RQ2 제안된 LMMNS 메커니즘 하에서 공정 할당을 계산하는 데 있어 최적 알고리즘 복잡도는 무엇인가?
• RQ3 LMMNS는 공정성과 집단 전략적 거래 방지성을 만족하는가? 그리고 그 근사 성질은 어떠한가?
• RQ4 LMMNS의 수정 버전은 공정성과 인센티브 호환성을 유지하면서도 공유 인센티브를 향상시킬 수 있는가?
• RQ5 실제로 LMMNS는 평균 사례 효율성과 확장성 측면에서 어떻게 성능을 발휘하는가?

주요 결과

• LMMNS 메커니즘은 공정성과 집단 전략적 거래 방지성을 만족함을 증명하여 공정성과 전략적 거래에 대한 저항력을 확보함.
• 제안된 알고리즘은 사용자 수에 비례하는 선형 시간 내에 LMMNS 할당을 계산하여 대규모 시스템에서 효율적임.
• LMMNS는 강력한 근사 비율을 달성하며, 최적 해의 구조적 특성에서 유도된 이론적 상한값을 제공함.
• 수정된 LMMNS 버전은 공유 인센티브, 공정성, 집단 전략적 거래 방지성을 모두 만족하며 실질적인 공정성 향상을 제공함.
• 구현 결과에 따르면, LMMNS는 자원 수가 두 개인 경우에 특히 양호한 평균 사례 성능를 보임.