[논문 리뷰] Performance Constraint and Power-Aware Allocation For User Requests In Virtual Computing Lab

Nguyen Quang-Hung, Nam Thoai외 1명|arXiv (Cornell University)|2012. 10. 03.

Cloud Computing and Resource Management참고 문헌 15인용 수 6

한 줄 요약

이 논문은 가상 컴퓨팅 랩 환경에서 성능 제약 조건을 고려한 전력 인지 VM 할당 정책—MAP 및 MAP-H2L—과 함께 네 가지 레이스 스케줄링 알고리즘(FF-MAP, FF-MAP-H2L, PI-FF-MAP, HalfPI-FF-MAP)을 제안한다. 조정 가능한 비율 θ를 사용하여 호스트 선택과 통합을 최적화함으로써, Haizea의 탐욕스러운 스케줄러 대비 최대 63.12%까지 에너지 소비를 감소시키면서도, 교육용 클라우드 환경에서 레이스 기반 리소스 할당 모델 하에서 서비스 품질을 유지한다.

ABSTRACT

Cloud computing is driven by economies of scale. A cloud system uses virtualization technology to provide cloud resources (e.g. CPU, memory) to users in form of virtual machines. Virtual machine (VM), which is a sandbox for user application, fits well in the education environment to provide computational resources for teaching and research needs. In resource management, they want to reduce costs in operations by reducing expensive cost of electronic bill of large-scale data center system. A lease-based model is suitable for our Virtual Computing Lab, in which users ask resources on a lease of virtual machines. This paper proposes two host selection policies, named MAP (minimum of active physical hosts) and MAP-H2L, and four algorithms solving the lease scheduling problem. FF-MAP, FF-MAP-H2L algorithms meet a trade-off between the energy consumption and Quality of Service (e.g. performance). The simulation on 7-day workload, which converted from LLNL Atlas log, showed the FF-MAP and FF-MAP-H2L algorithms reducing 7.24% and 7.42% energy consumption than existing greedy mapping algorithm in the leasing scheduler Haizea. In addition, we introduce a ratio θof consolidation in HalfPI-FF-MAP and PI-FF-MAP algorithms, in which θis π/2 and π, and results on their simulations show that energy consumption decreased by 34.87% and 63.12% respectively.

연구 동기 및 목표

• 대규모 데이터센터에서 증가하는 운영 비용을 해결하기 위해 가상 컴퓨팅 랩에서 에너지 소비를 최소화한다.
• 가상화 환경에서 사용자 레이스 요청을 효율적으로 관리하면서 서비스 품질(QoS)을 유지한다.
• VM 할당에서 에너지 효율성과 성능 제약 조건의 균형을 맞추기 위한 호스트 선택 및 스케줄링 정책을 개발한다.
• 통합 비율(θ = π/2, π)이 에너지 절감과 시스템 성능에 미치는 영향을 평가한다.
• Haizea의 기존 탐욕스러운 스케줄링을 개선하기 위해 성능 인지, 에너지 최적화된 할당 전략을 도입한다.

제안 방법

• 두 가지 호스트 선택 정책을 제안한다: MAP(활성 물리 호스트 수 최소화) 및 MAP-H2L(낮은 순서에서 높은 순서로 호스트 이용률 우선).
• 성능 및 전력 제약 조건을 적용한 첫 번째 적합(First-Fit) 히우리스틱을 사용하는 FF-MAP 및 FF-MAP-H2L 알고리즘을 도입한다.
• 에너지 절감을 위해 통합 비율 θ(π/2 및 π)를 사용하는 PI-FF-MAP 및 HalfPI-FF-MAP 알고리즘을 개발한다.
• 사용자가 고정된 기간 동안 VM을 요청하는 레이스 기반 모델을 사용하여 실제 교육 환경의 워크로드를 시뮬레이션한다.
• LLNL Atlas 로그에서 확보한 워크로드 트레이스를 사용하여 7일 간의 시뮬레이션을 수행하며, 실제 사용자 요청 패턴을 모방한다.
• 에너지 소비, QoS 준수, 호스트 이용률 등의 지표를 사용하여 성능을 평가한다.

실험 결과

연구 질문

• RQ1 가상 컴퓨팅 랩에서 성능 제약 조건을 준수하면서 에너지 소비를 최소화할 수 있는 VM 할당 정책은 어떻게 설계할 수 있는가?
• RQ2 호스트 선택 전략(MAP 대비 MAP-H2L)이 레이스 기반 VM 스케줄링에서 에너지 효율성과 QoS에 어떤 영향을 미치는가?
• RQ3 통합 비율(θ = π/2 및 π)을 통해 얼마나 많은 에너지 절감을 달성할 수 있으며, 서비스 품질 저하 없이 가능한가?
• RQ4 제안된 알고리즘(FF-MAP, FF-MAP-H2L, PI-FF-MAP, HalfPI-FF-MAP)이 Haizea의 탐욕스러운 스케줄러 대비 에너지 효율성과 성능에서 어떻게 비교되는가?
• RQ5 제안된 알고리즘은 실제 워크로드 패턴 하에서 에너지 소비를 줄이면서도 수용 가능한 QoS를 유지할 수 있는가?

주요 결과

• FF-MAP와 FF-MAP-H2L는 각각 Haizea의 탐욕스러운 알고리즘 대비 7.24%와 7.42%의 에너지 소비 감소를 달성했다.
• PI-FF-MAP 알고리즘은 θ = π일 때 에너지 소비를 63.12% 감소시켰다.
• HalfPI-FF-MAP 알고리즘은 θ = π/2일 때 에너지 소비를 34.87% 감소시켰다.
• 제안된 알고리즘은 에너지 소비를 크게 줄이면서도 QoS를 유지하여 성능과 효율성 간의 상호 트레이드오프를 입증했다.
• MAP-H2L 정책는 호스트 이용률 균형을 우선시함으로써 에너지 절감을 향상시키고, 불필요한 호스트 활성화를 줄였다.
• LLNL Atlas 기반 7일 간의 시뮬레이션 결과는 다양한 요청 패턴에서 일관된 에너지 절감 효과를 확인했다.