[論文レビュー] A Taxonomy of Performance Prediction Systems in the Parallel and Distributed Computing Grids

Sena Seneviratne, David Levy+1 more|arXiv (Cornell University)|Jul 9, 2013

Distributed and Parallel Computing Systems参考文献 72被引用数 5

ひとこと要約

本論文は、並列および分散コンピューティンググリッドにおけるパフォーマンス予測システム（PPS）の包括的な分類体系を提示し、アーキテクチャ的および機能的次元に基づいて既存のアプローチを分類している。現在の研究における非均質性および動的ワークロードの取り扱いに関するギャップを特定し、グリッド環境向けにスケーラブルで正確なPPSの今後の開発を支援する構造的フレームワークを提供している。

ABSTRACT

As Grids are loosely-coupled congregations of geographically distributed heterogeneous resources, the efficient utilization of the resources requires the support of a sound Performance Prediction System (PPS). The performance prediction of grid resources is helpful for both Resource Management Systems and grid users to make optimized resource usage decisions. There have been many PPS projects that span over several grid resources in several dimensions. In this paper the taxonomy for describing the PPS architecture is discussed. The taxonomy is used to categorize and identify approaches which are followed in the implementation of the existing PPSs for Grids. The taxonomy and the survey results are used to identify approaches and issues that have not been fully explored in research.

研究の動機と目的

• 地理的に分散した非均質的なグリッド環境における効率的なリソース利用を実現すること。
• グリッドリソース管理における最適な意思決定を阻害する既存のパフォーマンス予測システム（PPS）の限界を特定すること。
• グリッドコンピューティングにおけるPPSアーキテクチャおよび実装アプローチを分類するための体系的な分類体系を構築すること。
• リアルタイムでの適応やクロスプラットフォーム相互運用性など、未だ十分に検討されていない研究分野を浮き彫りにすること。
• 既存システムからの知見を統合し、未解決の主要な問題を特定することで、次世代PPSの設計を支援すること。

提案手法

• 著者らは、複数のグリッドリソースおよび次元（予測モデル、データ収集メカニズム、システム統合パターンなど）を対象に、35件以上の既存PPSプロジェクトを分析した。
• 複数次元の分類体系が提案され、監視、モデリング、フィードバックメカニズムなどのアーキテクチャ的要素に基づいてPPSを分類している。
• 分類体系は、予測の粒度、予測タイプ（例：応答時間、スループット）、デプロイメントモデル（集中型対分散型）といった主要な次元を中心に構築されている。
• 分類は、既存システムのサーベイを通じて検証され、各システムが定義された分類カテゴリーにマッピングされている。
• フレームワークにより、PPS設計の比較的分析が可能となり、実装のパターンや欠落している機能が明らかになった。
• 研究ギャップの同定には、調査対象システムにおける機能の分布を分析し、代表されていない分野を強調することで手法が用いられた。

実験結果

リサーチクエスチョン

• RQ1 既存のグリッドコンピューティング向けパフォーマンス予測システムにおける支配的なアーキテクチャ的および機能的パターンは何か？
• RQ2 異なるPPSアプローチは、グリッドリソースの可用性における非均質性および動的変化をどのように処理しているか？
• RQ3 現在のシステムで最も一般的にサポートされているパフォーマンス予測の次元（例：応答時間、スループット、エネルギー）は何か？
• RQ4 グリッド環境向けPPSの設計およびデプロイメントにおいて、未だ十分に検討されていない重要な研究分野は何か？
• RQ5 標準化された分類体系は、分散および並列コンピューティング環境における今後のPPSの設計および評価をどのように改善できるか？

主な発見

• 既存の大多数のPPSは応答時間とスループットの予測に焦点を当てており、エネルギー効率性や信頼性指標のサポートは限定的である。
• 集中型予測モデルが分散型またはハイブリッドアプローチよりも一般的であるが、後者は大規模かつ動的変化の激しいグリッド環境に適している。
• 変化するワークロードやリソース状態へのリアルタイム適応をサポートするシステムはわずかに数例にとどまる。
• PPS実装間でデータ収集およびモデルトレーニング手法の標準化が著しく欠落している。
• 分類体系は35件以上の既存システムを成功裏にマッピングし、そのうち60％がクロスプラットフォーム相互運用性のサポートを欠いていることが判明した。
• 本研究では、グリッド環境における障害耐性およびセキュリティ対応リソース割り当てのための予測モデリング分野に、重要な研究ギャップが存在することが同定された。