[논문 리뷰] Optimizing the Cost for Resource Subscription Policy in IaaS Cloud

M. Uthaya Banu, K. Saravanan|arXiv (Cornell University)|2014. 02. 11.

Cloud Computing and Resource Management참고 문헌 4인용 수 7

한 줄 요약

이 논문은 IaaS 클라우드에서 자원 조달 비용을 최소화하기 위해 예약 및 즉시 사용 계획 간의 구독 정책을 최적화하는 이단계 알고리즘을 제안한다. 첫 번째 단계에서는 수학적 공식을 사용하여 최적의 예약 자원 수량을 결정하고, 두 번째 단계에서는 칼만 필터를 적용하여 향후 자원 수요를 예측함으로써 높은 정확도를 유지하면서도 상당한 비용 절감을 달성한다.

ABSTRACT

Cloud computing allow the users to efficiently and dynamically provision computing resource to meet their IT needs. Cloud Provider offers two subscription plan to the customer namely reservation and on-demand. The reservation plan is typically cheaper than on-demand plan. If the actual computing demand is known in advance reserving the resource would be straightforward. The challenge is how to make properly resource provisioning and how the customers efficiently purchase the provisioning options under reservation and on-demand. To address this issue, two-phase algorithm are proposed to minimize service provision cost in both reservation and on-demand plan. To reserve the correct and optimal amount of resources during reservation, proposed a mathematical formulae in the first phase. To predict resource demand, use kalman filter in the second phase. The evaluation result shows that the two-phase algorithm can significantly reduce the provision cost and the prediction is of reasonable accuracy.

연구 동기 및 목표

• 혼합 예약 및 즉시 사용 구독 계획 하에서 IaaS 클라우드 자원 조달의 총 비용을 최소화하는 데 도전하는 것.
• 수요가 불확실할 경우 사전에 예약할 최적의 자원량을 결정하는 것.
• 예측 모델링을 통해 향후 자원 수요를 정확하게 예측하여 비용 효율성을 향상시키는 것.
• 예약으로부터의 비용 절감과 과다 조달의 위험 사이를 균형 잡는 체계적인 접근법을 개발하는 것.
• 제안된 방법이 전체 서비스 조달 비용을 줄이는 데 효과적인지 평가하는 것.

제안 방법

• 첫 번째 단계는 역학적 수요 패턴과 비용 파rameter를 기반으로 최적의 자원 수량을 계산하기 위해 수학적 공식을 사용한다.
• 두 번째 단계는 칼만 필터 알고리즘을 사용하여 향후 자원 수요를 동적으로 및 적응적으로 예측한다.
• 이중단계 접근법은 총 비용 최소화를 위해 예약 계획과 실시간 수요 예측을 통합한다.
• 시스템은 즉시 사용 계획과 예약 계획 간의 비용 차이를 사전에 알고 있으며, 예약 계획이 더 저렴하다고 가정한다.
• 성능는 자원 사용 패턴 데이터셋을 사용하여 비용 절감과 예측 정확도로 측정된다.
• 알고리즘은 예측값이 갱신될 때마다 예약을 조정할 수 있도록 주기적으로 적용되도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 미래 수요가 불확실할 경우 최적의 예약 자원량은 어떻게 결정할 수 있는가?
• RQ2 예측 모델링을 통해 IaaS 클라우드의 자원 조달 총 비용을 얼마나 줄일 수 있는가?
• RQ3 칼만 필터는 클라우드 조달을 위한 자원 수요 예측에서 얼마나 정확한가?
• RQ4 수학적 예약 계획과 동적 예측을 조합함으로써 비용 절감 잠재력은 어느 정도인가?
• RQ5 이중단계 접근법은 정적 또는 반응형 조달 전략과 비교해 어떻게 다른가?

주요 결과

• 제안된 이단계 알고리즘은 IaaS 클라우드의 자원 조달 총 비용을 상당히 줄인다.
• 칼만 필터는 향후 자원 수요를 합리적으로 정확하게 예측하여 효과적인 예약 결정을 뒷받침한다.
• 첫 번째 단계에서 수학적 공식을 사용함으로써 과다 및 과소 조달을 최소화하는 최적의 예약 수량을 확보한다.
• 평가 결과는 제안된 방법이 단순히 즉시 사용 또는 고정 예약 모델에 의존하는 것보다 상당한 비용 절감을 달성한다는 것을 확인한다.
• 변동성이 큰 워크로드를 가진 다이나믹 클라우드 환경에서도 이 시스템은 강건성과 적응성을 보여준다.
• empirical 결과를 통해 International Journal of Engineering Trends and Technology (IJETT)에 발표된 연구를 바탕으로 한 검증을 통해 테스트 케이스 전반에서 일관된 성능을 보였다.