[논문 리뷰] A Decision Matrix and Monitoring based Framework for Infrastructure Performance Enhancement in A Cloud based Environment

Mansaf Alam, Kashish Ara Shakil|arXiv (Cornell University)|2014. 12. 27.

Cloud Computing and Resource Management참고 문헌 12인용 수 14

한 줄 요약

이 논문은 클라우드 환경에서 인프라 성능을 향상시키기 위해 결정보판과 모니터링 기반 프레임워크를 제안한다. 이는 사용자 워크로드 패턴을 기반으로 자원 할당 우선순위를 정하기 위해 새로운 결정보판 기반 최대-최소 알고리즘(DMMM)을 사용하며, 실시간 모니터링과 동적 자원 할당을 통해 전체 시스템의 효율성과 반응성을 향상시킨다.

ABSTRACT

Cloud environment is very different from traditional computing environment and therefore tracking the performance of cloud leverages additional requirements. The movement of data in cloud is very fast. Hence, it requires that resources and infrastructure available at disposal must be equally competent. Infrastructure level performance in cloud involves the performance of servers, network and storage which act as the heart and soul for driving the entire cloud business. Thus a constant improvement and enhancement of infrastructure level performance is an important task that needs to be taken into account. This paper proposes a framework for infrastructure performance enhancement in a cloud based environment. The framework is broadly divided into four steps: a) Infrastructure level monitoring of usage pattern and behaviour of the cloud end users, b) Reporting of the monitoring activities to the cloud service provider c) Cloud service provider assigns priority according to our decision matrix based max-min algorithm (DMMM) d) Providing services to cloud users leading to infrastructure performance enhancement. Our framework is based on decision matrix and monitoring in cloud using our proposed decision matrix based max-min algorithm, which draws its inspiration from the original min-min algorithm. This algorithm makes use of decision matrix to make decisions regarding distribution of resources among the cloud users.

연구 동기 및 목표

• 빠른 데이터 이동과 변동성이 큰 워크로드로 인해 동적인 클라우드 환경에서 높은 인프라 성능을 유지하는 데 도전하는 문제를 해결하기 위해.
• 기존의 자원 할당 방식의 한계를 극복하기 위해 데이터 기반의 우선순위 기반 결정보판 메커니즘을 도입하기 위해.
• 사용자 행동과 인프라 사용 패턴에 맞춰 자원 배분을 조율함으로써 클라우드 서비스 품질을 향상시키기 위해.
• 지속적인 모니터링과 지능적인 의사결정을 통해 클라우드 서비스 제공자가 인프라 성능을 사전에 관리하고 향상시킬 수 있도록 하기 위해.
• 다중 테넌트 클라우드 환경에서 실시간 성능 최적화를 지원하는 확장 가능하고 적응 가능한 프레임워크 개발하기 위해.

제안 방법

• 클라우드 최종 사용자의 실시간 사용 패턴과 행동 메트릭을 캡처하기 위해 인프라 수준의 모니터링을 구현하기 위해.
• 수집된 모니터링 데이터를 클라우드 서비스 제공자에게 보고하여 중앙 집중식 분석과 의사결정을 수행하기 위해.
• 최소-최소 알고리즘을 기반으로 하지만, 결정보판을 사용해 가중 우선순위를 부여함으로써 향상된 최대-최소 알고리즘(DMMM)을 적용하기 위해.
• 지정된 성능 기준(지연 시간, 처리량, 자원 가용성 등)을 기반으로 사용자 요청을 평가하고 순위를 매기기 위해 결정보판을 사용하기 위해.
• DMMM 알고리즘으로 생성된 우선순위 점수에 따라 자원을 동적으로 할당하여 최적의 부하 분산을 보장하기 위해.
• 지속적인 업데이트를 통해 결정보판을 수정하고 워크로드 다이나믹스 변화에 적응하기 위해 피드백 루프를 통합하기 위해.

실험 결과

연구 질문

• RQ1 실시간 최적화를 지원하기 위해 클라우드 환경에서 인프라 성능을 체계적으로 모니터링하고 분석하는 방법은 무엇인가?
• RQ2 전체 시스템 성능을 향상시키기 위해 클라우드 사용자 간 자원 할당을 우선순위화하기 위해 어떤 기준을 사용해야 하는가?
• RQ3 제안된 DMMM 알고리즘이 기존의 최소-최소 및 최대-최소 스케줄링 전략에 비해 클라우드 자원 할당에서 어떻게 향상되는가?
• RQ4 모니터링과 결정보판 기법의 통합이 인프라 반응성과 효율성 향상에 얼마나 측정 가능한 기여를 하는가?
• RQ5 이 프레임워크는 다양한 클라우드 배포 모델과 워크로드 유형에 효과적으로 스케일링되고 적응할 수 있는가?

주요 결과

• 제안된 DMMM 알고리즘은 가중 결정보판을 기반으로 워크로드 우선순위를 정함으로써 자원 경쟁을 효과적으로 줄이며, 응답 시간 향상에 기여한다.
• 실시간 모니터링을 통해 성능 저하 요인을 조기에 탐지할 수 있으며, 사전 자원 조정이 가능해진다.
• 서버, 네트워크, 스토리지 등 클라우드 인프라 구성 요소 간에 향상된 로드 밸런싱이 이루어짐을 입증하였다.
• 자원 할당에 결정보판 논리를 통합함으로써 기존 히ュ리스틱 기반 방법에 비해 공정성과 효율성이 향상됨을 확인하였다.
• 변동하는 사용자 수요에 동적으로 대응할 수 있어, 다양한 워크로드 하에서 지속적인 성능 유지를 가능하게 한다.
• 이 접근 방식은 자원 배분을 실제 사용 패턴과 성능 목표에 맞추어 조율함으로써 클라우드 제공자가 더 높은 품질의 서비스를 제공할 수 있도록 한다.