[논문 리뷰] On the Latency of Erasure-Coded Cloud Storage Systems.

Akshay Kumar, Ravi Tandon외 1명|arXiv (Cornell University)|2014. 05. 12.

Advanced Data Storage Technologies참고 문헌 37인용 수 9

한 줄 요약

이 논문은 n대의 서버가 R개의 데이터 클래스를 저장하는 이질적 분산 스토리지 모델을 제안하며, 각 클래스는 (n,ki) 에러 복구 코드로 인코딩된다. 다양한 스케줄링 정책 하에서 큐잉 이론을 사용하여 평균 검색 지연을 분석한다. 각 데이터 클래스에 대해 엄밀한 상한과 하한을 도출하고, 데이터 이질성과 스케줄링 정책이 성능 및 공정성에 미치는 영향을 규명한다.

ABSTRACT

Distributed (Cloud) Storage Systems (DSS) exhibit heterogeneity in several dimensions such as the volume (size) of data, frequency of data access and the desired degree of reliability. Ultimately, the complex interplay between these dimensions impacts the latency performance of cloud storage systems. To this end, we propose and analyze a heterogeneous distributed storage model in which $n$ storage servers (disks) store the data of $R$ distinct classes. Data of class $i$ is encoded using a $(n,k_{i})$ erasure code and the (random) data retrieval requests can also vary from class to class. We present a queuing theoretic analysis of the proposed model and establish upper and lower bounds on the average latency for each data class under various scheduling policies for data retrieval. Using simulations, we verify the accuracy of the proposed bounds and present qualitative insights which reveal the impact of heterogeneity and scheduling policies on the mean latency of different data classes. Lastly, we conclude with a discussion on per-class fairness in heterogeneous DSS.

연구 동기 및 목표

• 크기, 액세스 빈도, 신뢰성 요구 사항이 다른 데이터 클래스를 가진 이질적 클라우드 스토리지 시스템을 모델링하기 위해.
• 에러 복구 코드 적용 스토리지에서 데이터 이질성과 스케줄링 정책이 평균 검색 지연에 미치는 영향을 분석하기 위해.
• 다양한 스케줄링 전략 하에서 각 데이터 클래스에 대한 평균 지연에 대한 이론적 경계를 유도하기 위해.
• 시뮬레이션을 통해 이 경계의 정확도를 평가하고 시스템 설계의 트레이드오프에 대한 정성적 통찰을 제공하기 위해.
• 이질적 분산 스토리지 시스템(DSS)에서의 각 클래스별 공정성에 대해 논의하기 위해.

제안 방법

• 각 데이터 클래스에 대해 (n,ki) 에러 복구 코드를 사용하여 n대의 스토리지 서버에 저장된 R개의 데이터 클래스를 가진 이질적 분산 스토리지 모델을 수립한다.
• 요청 도착과 서비스 시간이 각 데이터 클래스에 따라 다를 수 있는 큐잉 시스템으로 데이터 검색을 모델링한다.
• 큐잉 이론적 분석을 적용하여 각 데이터 클래스에 대한 평균 지연의 상한과 하한을 유도한다.
• 우선순위 기반, FCFS 등 다양한 스케줄링 정책을 고려하여 그들이 지연과 공정성에 미치는 영향을 평가한다.
• 이론적 경계의 정확도를 검증하고 다양한 워크로드 및 파라미터 하에서 시스템 행동을 탐색하기 위해 시뮬레이션을 수행한다.
• 이질적 DSS에서 각 클래스의 성능 트레이드오프를 평가하기 위해 공정성 메트릭을 도입한다.

실험 결과

연구 질문

• RQ1 크기, 액세스 빈도, 신뢰성 측면에서의 데이터 이질성이 에러 복구 코드 적용 클라우드 스토리지 시스템에서 평균 검색 지연에 어떤 영향을 미치는가?
• RQ2 다양한 스케줄링 정책 하에서 각 데이터 클래스에 대한 평균 지연에 대한 이론적 경계는 무엇인가?
• RQ3 유도된 상한과 하한 경계가 실제 시스템 행동과 비교해 얼마나 정확한가?
• RQ4 스케줄링 정책이 다양한 데이터 클래스 간 지연과 공정성에 어떤 영향을 미치는가?
• RQ5 이질적 분산 스토리지 시스템에서 성능과 공정성 사이의 트레이드오프는 무엇인가?

주요 결과

• 제안된 큐잉 모델은 에러 복구 코드 적용 시스템에서 데이터 이질성과 검색 지연 간의 상호작용을 성공적으로 포착한다.
• 각 데이터 클래스에 대해 엄밀한 상한과 하한 경계가 도출되어 신뢰할 수 있는 성능 추정치를 제공한다.
• 시뮬레이션 결과는 다양한 시스템 구성에서 이론적 경계의 정확성을 확인한다.
• 스케줄링 정책은 지연에 상당한 영향을 미치며, 우선순위 기반 정책은 고우선순위 클래스의 지연을 감소시키지만 저우선순위 클래스의 지연을 증가시킨다.
• 데이터 액세스 패턴과 코드화 파라미터의 이질성은 클래스 간 비균일한 지연을 초래하며, 이는 공정성 인식 스케줄링이 필요함을 시사한다.
• 표준 스케줄링 정책 하에서는 각 클래스의 공정성이 손상되며, 이는 이질적 DSS에서 공정성 인식 설계의 필요성을 강조한다.