[논문 리뷰] Performance-oriented Cloud Provisioning: Taxonomy and Survey

Yasir Shoaib, Olivia Das|arXiv (Cornell University)|2014. 11. 19.

Cloud Computing and Resource Management참고 문헌 49인용 수 11

한 줄 요약

이 논문은 성능 중심의 클라우드 프로비저닝에 대한 종합적인 분류 체계와 서베이를 제시하며, 클라우드 환경에서의 동적 자원 할당에 중점을 둡니다. 자원 할당 유형(반응형/예측형, 수평/수직)을 이해관계자, 목표, 기술 등 다양한 차원으로 분류하고, 성능, 비용, 에너지 효율성을 최적화하기 위해 VM 및 애플리케이션 배치를 위한 알고리즘을 평가합니다.

ABSTRACT

Cloud computing is being viewed as the technology of today and the future. Through this paradigm, the customers gain access to shared computing resources located in remote data centers that are hosted by cloud providers (CP). This technology allows for provisioning of various resources such as virtual machines (VM), physical machines, processors, memory, network, storage and software as per the needs of customers. Application providers (AP), who are customers of the CP, deploy applications on the cloud infrastructure and then these applications are used by the end-users. To meet the fluctuating application workload demands, dynamic provisioning is essential and this article provides a detailed literature survey of dynamic provisioning within cloud systems with focus on application performance. The well-known types of provisioning and the associated problems are clearly and pictorially explained and the provisioning terminology is clarified. A very detailed and general cloud provisioning classification is presented, which views provisioning from different perspectives, aiding in understanding the process inside-out. Cloud dynamic provisioning is explained by considering resources, stakeholders, techniques, technologies, algorithms, problems, goals and more.

연구 동기 및 목표

• 변동하는 애플리케이션 워크로드를 충족시키기 위해 클라우드 자원을 동적으로 프로비저닝하는 데 있어 높은 성능 유지를 하면서 비용과 에너지 소비를 최소화하는 도전 과제를 해결하기 위해.
• 프로비저닝 용어를 명확히 하고 표준화하며, 자원 유형, 프로비저닝 유형, 이해관계자 등 다양한 차원에서 동적 프로비저닝을 분류하기 위해.
• 특히 VM 및 애플리케이션 배치를 위한 동적 프로비저닝에서 사용되는 핵심 알고리즘과 기법을 식별하고 분석하여 성능, 비용, 에너지 효율성에 기여하기 위해.
• 클라우드 컴퓨팅에서 기존의 동적 프로비저닝 접근 방식을 이해하고 비교하기 위한 체계적인 프레임워크를 제공하기 위해.

제안 방법

• 이해관계자, 자원 유형, 프로비저닝 유형(반응형/예측형, 수평/수직), 목표(성능, 비용, 에너지)를 기반으로 한 클라우드 동적 프로비저닝의 다차원 분류를 제안합니다.
• 기존의 동적 프로비저닝 알고리즘을 검토하고 분류하며, 예측 모델(예: Fast Up and Slow Down 알고리즘), 시뮬레이티드 어닐링, 자원 할당을 위한 혼합정수선형계획법(MILP)을 포함합니다.
• 애플리케이션과 VM 간의 일대일 매핑 및 다중 VM 기반 애플리케이션 배포와 같은 배치 정책을 분석하여 성능 및 효율성에 미치는 영향을 평가합니다.
• VM 및 서비스 배치를 위한 다차원 박스 패킹 및 벡터 패킹 기법을 평가하며, 자원 활용도를 극대화하기 위해 최적화 문제로 모델링합니다.
• 다양한 연구 간의 프로비저닝 및 배치 정책을 명확히 기술하고 비교하기 위해 표준화된 기호 체계를 도입합니다.
• 이전 연구에서의 시뮬레이션 및 측정 기반 결과를 활용하여, 선택된 알고리즘이 성능 향상과 자원 활용도 향상에 효과가 있음을 검증합니다.

실험 결과

연구 질문

• RQ1 이해관계자, 자원 유형, 프로비저닝 전략 등 다양한 차원에서 클라우드 프로비저닝을 체계적으로 분류할 수 있는 방법은 무엇인가요?
• RQ2 동적 클라우드 환경에서 반응형과 예측형 프로비저닝 간의 주요 차이점과 상호 간의 트레이드오프는 무엇인가요?
• RQ3 수평 및 수직 프로비저닝은 애플리케이션 성능과 자원 효율성에 어떤 영향을 미치나요?
• RQ4 성능, 비용, 에너지 효율성 측면에서 동적 VM 및 애플리케이션 배치에 가장 효과적인 알고리즘과 기법은 무엇인가요?
• RQ5 기존 접근 방식에서 공통적으로 설정된 목표와 목적은 무엇이며, 이를 어떻게 균형 잡고 있나요?

주요 결과

• Fast Up and Slow Down(FUSD) 알고리즘은 자원 사용량을 효과적으로 예측하고 다중 자원 할당에서 비대칭성을 최소화하여 성능과 안정성을 향상시킵니다.
• 시뮬레이티드 어닐링 기반 자원 할당은 시뮬레이션에서 First-Come-First-Serve보다 뛰어난 성능을 보이며, VM 배치에서 평균 자원 활용도를 높입니다.
• 최소 수익을 극대화하는 혼합정수선형계획법(MILP) 모델은 공유 가상화 환경에서 공정성과 성능을 향상시킵니다.
• 워크로드 예측 기반의 예측형 프로비저닝은 반응형 접근 방식에 비해 응답 시간을 줄이고 자원의 저활용도를 감소시킵니다.
• 많은 연구에서 프로비저닝 또는 배치 정책을 명확히 기술하지 않아, 재현 가능성과 비교 가능성을 향상시키기 위해 표준화된 기호 체계의 필요성이 뚜렷하게 드러납니다.
• 동적 프로비저닝은 과다 프로비저닝과 저부족 프로비저닝을 크게 줄여 클라우드 데이터센터에서 비용 절감과 에너지 효율성 향상에 기여합니다.