[논문 리뷰] An NBDMMM Algorithm Based Framework for Allocation of Resources in Cloud

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

Cloud Computing and Resource Management참고 문헌 19인용 수 9

한 줄 요약

이 논문은 구름 환경에서의 동적 자원 할당을 위한 NBDMMM 기반 프레임워크를 제안하며, Google 클러스터 트레이스에서 유도된 인프라 사용 패턴을 활용하여 성능을 최적화한다. 네 단계로 구성된 모니터링 및 할당 파이프라인 내에서 수정된 DMMM 알고리즘에 네트워크 대역폭 의존성을 통합함으로써, CloudSim 시뮬레이션에서 자원 효율성과 인프라 수준의 성능 향상을 달성하여 할당 지연을 감소시키고 로드 밸런싱을 향상시킨다.

ABSTRACT

Cloud computing is a technological advancement in the arena of computing and has taken the utility vision of computing a step further by providing computing resources such as network, storage, compute capacity and servers, as a service via an internet connection. These services are provided to the users in a pay per use manner subjected to the amount of usage of these resources by the cloud users. Since the usage of these resources is done in an elastic manner thus an on demand provisioning of these resources is the driving force behind the entire cloud computing infrastructure therefore the maintenance of these resources is a decisive task that must be taken into account. Eventually, infrastructure level performance monitoring and enhancement is also important. This paper proposes a framework for allocation of resources in a cloud based environment thereby leading to an infrastructure level enhancement of performance in a cloud environment. The framework is divided into four stages Stage 1: Cloud service provider monitors the infrastructure level pattern of usage of resources and behavior of the cloud users. Stage 2: Report the monitoring activities about the usage to cloud service providers. Stage 3: Apply proposed Network Bandwidth Dependent DMMM algorithm .Stage 4: Allocate resources or provide services to cloud users, thereby leading to infrastructure level performance enhancement and efficient management of resources. Analysis of resource usage pattern is considered as an important factor for proper allocation of resources by the service providers, in this paper Google cluster trace has been used for accessing the resource usage pattern in cloud. Experiments have been conducted on cloudsim simulation framework and the results reveal that NBDMMM algorithm improvises allocation of resources in a virtualized cloud.

연구 동기 및 목표

• 실제 사용 패턴을 분석하여 클라우드 컴퓨팅 환경에서 효율적이고 즉각적인 자원 할당 문제를 해결하기 위해.
• 사전 모니터링과 지능적인 자원 제공를 통해 인프라 수준의 성능을 향상시키기 위해.
• 네트워크 대역폭 의존성을 자원 할당 결정에 통합하는 새로운 알고리즘(NBDMMM)을 개발하기 위해.
• 실제 클러스터 데이터와 CloudSim 내 시뮬레이션을 활용하여 프레임워크의 효과성을 평가하기 위해.
• 동적 클라우드 워크로드에서 더 나은 로드 밸런싱과 할당 지연 감소를 달성하기 위해.

제안 방법

• 프레임워크는 네 단계로 운영된다: 인프라 수준의 자원 사용 및 사용자 행동 모니터링, 사용 데이터를 클라우드 제공자에게 보고, NBDMMM 알고리즘을 적용하여 의사결정 내리기, 이를 바탕으로 자원 할당.
• NBDMMM 알고리즘은 자원 할당 결정에 네트워크 대역폭 의존성을 도입함으로써 DMMM(Dynamic Multi-Mode Management) 접근 방식을 확장한다.
• 자원 사용 패턴은 Google 클러스터 트레이스에서 유도되며, 시뮬레이션을 위한 현실적인 워크로드 특성을 제공한다.
• 프레임워크는 가상화된 클라우드 인프라스터럭처를 모델링하기 위해 CloudSim 시뮬레이션 환경을 사용하여 구현 및 평가된다.
• 알고리즘은 실시간 대역폭 및 워크로드 수요에 따라 자원 할당을 동적으로 조정하여 효율성을 향상시킨다.
• 할당 지연, 로드 밸런싱, 자원 활용도와 같은 지표를 통해 성능을 평가한다.

실험 결과

연구 질문

• RQ1 클라우드 환경에서의 동적 할당을 위해 인프라 수준의 자원 사용 패턴을 효과적으로 모니터링하고 활용할 수 있는가?
• RQ2 클라우드 시스템에서 네트워크 대역폭 의존성을 통합할 경우 자원 할당 효율성이 얼마나 향상되는가?
• RQ3 NBDMMM 알고리즘이 전통적인 할당 방법에 비해 로드 밸런싱과 반응 시간 측면에서 뛰어나다고 할 수 있는가?
• RQ4 제안된 프레임워크는 가상화된 클라우드 환경에서 전체 인프라 수준의 성능을 어떻게 향상시키는가?
• RQ5 실제 워크로드 데이터(Google 클러스터 트레이스에서 유도)는 제안된 할당 전략의 효과성에 어떤 영향을 미치는가?

주요 결과

• CloudSim 시뮬레이션 환경에서 기존 방법에 비해 NBDMMM 알고리즘이 자원 할당 지연을 크게 감소시켰다.
• 할당 결정에 네트워크 대역폭을 고려함으로써 가상 머신 간 로드 밸런싱이 향상되었다.
• 시뮬레이션 결과는 특히 고병렬 워크로드에서 자원 활용 효율성이 향상됨을 보여주었다.
• 네트워크 대역폭 의존성 통합은 동적 클라우드 환경에서 더 예측 가능하고 확장 가능한 성능을 이끌어냈다.
• 실제 Google 클러스터 트레이스의 사용은 시뮬레이션 결과의 현실성과 타당성을 높여 프레임워크의 실용적 적용 가능성을 뒷받침했다.
• 네 단계 프레임워크는 모니터링, 분석, 공급을 효과적으로 연결하여 사전적이고 적응적인 자원 관리가 가능하게 했다.