[論文レビュー] An Alternating Direction Method Approach to Cloud Traffic Management

Chen Feng, Hong Xu+1 more|arXiv (Cornell University)|Jul 31, 2014

Software-Defined Networks and 5G参考文献 33被引用数 8

ひとこと要約

本稿では、クラウドトラフィック管理のための新規ADMMベースの分散最適化フレームワークを提案し、さまざまな問題を多施設リソース割り当て問題としてモデル化する。従来のラグランジュ双対分解法や既存のADMM手法と比較して、弱い凸性仮定のもとでも高速な収束性、低い計算複雑性、少ないメッセージ伝達オーバーヘッドを達成しており、大規模なシミュレーションによりスケーラビリティと耐障害性が検証された。

ABSTRACT

In this paper, we introduce a unified framework for studying various cloud traffic management problems, ranging from geographical load balancing to backbone traffic engineering. We first abstract these real-world problems as a multi-facility resource allocation problem, and then present two distributed optimization algorithms by exploiting the special structure of the problem. Our algorithms are inspired by Alternating Direction Method of Multipliers (ADMM), enjoying a number of unique features. Compared to dual decomposition, they converge with non-strictly convex objective functions; compared to other ADMM-type algorithms, they not only achieve faster convergence under weaker assumptions, but also have lower computational complexity and lower message-passing overhead. The simulation results not only confirm these desirable features of our algorithms, but also highlight several additional advantages, such as scalability and fault-tolerance.

研究の動機と目的

• 地理的負荷分散やバックボーントラフィック制御といった多様なクラウドトラフィック管理問題を、統一された最適化フレームワークで統合すること。
• ラグランジュ双対分解法の限界、特にステップサイズのチューニングへの感受性と収束のための厳密な凸性要件を解消すること。
• 既存のADMM型手法よりも高速に収束し、より弱い仮定のもとで動作する分散アルゴリズムを開発すること。
• 大規模なクラウド環境に適した、低い計算複雑性とメッセージ伝達オーバーヘッドを実現すること。
• 実世界のクラウドネットワーク環境におけるスケーラビリティと耐障害性を評価すること。

提案手法

• 凹関数としての利便関数と凸関数としてのコスト関数を持つ多施設リソース割り当て問題として、クラウドトラフィック管理問題を定式化する。
• 問題の特殊構造を活用した、2つの分散ADMMベースのアルゴリズムを開発し、収束性と効率性を向上させる。
• ステップサイズの代わりに1つの調整パラメータを用いることで、パrameter調整の簡素化と収束のロバスト性向上を実現する。
• 双対分解に依存しないアプローチを導入し、非厳密に凹/凸な関数に対しても収束を達成する。
• 既存のADMM変種と比較して、低い計算複雑性と削減されたメッセージ伝達オーバーヘッドを持つアルゴリズムを設計する。
• 数百万の変数を含む大規模なクラウドデータセンターに適した、分散的かつ並列処理可能なアーキテクチャを採用する。

実験結果

リサーチクエスチョン

• RQ1 地理的負荷分散やバックボーントラフィック制御といった多様なクラウドトラフィック管理問題を、統一されたフレームワークでモデル化できるか？
• RQ2 非厳密に凸な問題に対して、ラグランジュ双対分解法よりもロバストで効率的な分散最適化は可能か？
• RQ3 利便関数とコスト関数が厳密に凹/凸でない場合、ADMMベースのアルゴリズムの収束特性はどのように変化するか？
• RQ4 提案されたアルゴリズムは、既存のADMM手法と比較して、計算および通信のオーバーヘッドを低減できるか？
• RQ5 提案されたアルゴリズムは、大規模なクラウド環境においてどの程度スケーラブルで、障害にも耐性を示すか？

主な発見

• 利便関数とコスト関数が非厳密に凹/凸である場合、提案アルゴリズムは収束速度がO(1/k)に達する。一方、厳密に凹/凸である場合にはO(1/a^k)の収束速度を示す。
• ラグランジュ双対分解法が要求する厳密な凹性・凸性を満たさない条件下でも、収束が達成される。
• 特に非厳密凸な設定では、ラグランジュ双対分解法が振動を示すのに対し、提案手法はより高速に収束する。
• 計算複雑性とメッセージ伝達オーバーヘッドは、他のADMM型アルゴリズムと比較して顕著に低減されている。
• シミュレーションにより、多数のユーザーへのスケーラビリティと、更新障害に対するロバストな耐障害性が確認された。
• フレームワークは、実世界のクラウドトラフィック問題、特に地理的負荷分散とバックボーントラフィック制御を効果的にモデル化できた。