[論文レビュー] Cloud elasticity using probabilistic model checking

Athanasios Naskos, Emmanouela Stachtiari+5 more|arXiv (Cornell University)|May 19, 2014

Cloud Computing and Resource Management参考文献 24被引用数 27

ひとこと要約

本論文は、マルコフ決定過程（MDP）とPRISMツールを用いた形式的で確率的なモデル検査手法を提案し、クラウド環境における自動的で定量的検証可能なスケーラビリティを実現する。MDPモデルを動的にインスタンス化し、継続的にシステムの利便性としきい値準拠性を検証することで、最新の手法と比較してNoSQLデータベースクラスタにおけるユーザー定義利便性を著しく向上させるとともに、しきい値違反を低減する。

ABSTRACT

Cloud computing has become the leading paradigm for deploying large-scale infrastructures and running big data applications, due to its capacity of achieving economies of scale. In this work, we focus on one of the most prominent advantages of cloud computing, namely the on-demand resource provisioning, which is commonly referred to as elasticity. Although a lot of effort has been invested in developing systems and mechanisms that enable elasticity, the elasticity decision policies tend to be designed without guaranteeing or quantifying the quality of their operation. This work aims to make the development of elasticity policies more formalized and dependable. We make two distinct contributions. First, we propose an extensible approach to enforcing elasticity through the dynamic instantiation and online quantitative verification of Markov Decision Processes (MDP) using probabilistic model checking. Second, we propose concrete elasticity models and related elasticity policies. We evaluate our decision policies using both real and synthetic datasets in clusters of NoSQL databases. According to the experimental results, our approach improves upon the state-of-the-art in significantly increasing user-defined utility values and decreasing user-defined threshold violations.

研究の動機と目的

• クラウドシステムの既存のスケーラビリティ意思決定ポリシーに、正しさの保証と定量的検証が欠けているという問題に対処すること。
• 継続的なシステム動作と利便性の検証を伴う自律計算問題としてスケーラビリティを形式化すること。
• MDPと確率的モデル検査を用いて、スケーラビリティ意思決定をガイドする動的でオンラインの検証フレームワークを開発すること。
• 実環境および合成ワークロードにおけるNoSQLデータベースクラスタを対象に、本アプローチを評価し、利便性の最大化としきい値違反の低減に焦点を当てる。
• モデル検査駆動のスケーラビリティポリシーが、従来のヒューリスティックベースの手法に比べて実現可能性と優位性を示すことを実証すること。

提案手法

• スケーラビリティをマルコフ決定過程（MDP）としてモデル化し、非決定的アクション（例：追加、削除、no_op）と確率的環境の進化を捉える。
• PRISM確率的モデルチェッカーを用いて、PCTLで表現されたシステム特性を正式に検証し、確率的到達可能性と報酬ベースの目的に注目する。
• 累積報酬計算におけるパス長バイアスを避けるために、報酬はno_opアクションの際にのみ計算されるインstantaneous報酬として定義する。
• 実行時における現在のワークロードとシステム状態に基づき、MDPモデルを動的にインスタンス化することで、オンライン意思決定を可能にする。
• モデル検査のガイドと不要な意思決定パスのプルーニングを可能にするために、状態にメタデータ（previous_action, stop, decision）をラベル付ける。
• 検証済みMDPモデルを分析して期待利便性を最大化する意思決定ポリシーを構築し、システム動作に対する定量的保証を確保する。

実験結果

リサーチクエスチョン

• RQ1 確率的モデル検査は、クラウドシステムにおけるスケーラビリティ意思決定の検証とガイドに効果的に適用可能か？
• RQ2 MDPモデルはどのように動的にインスタンス化され、オンラインで検証され、リアルタイムのスケーラビリティ制御を可能にするか？
• RQ3 モデル検査ベースのポリシーは、既存の手法と比較して、どの程度システム利便性を向上させ、しきい値違反を低減できるか？
• RQ4 MDPベースのスケーラビリティ意思決定において、累積報酬ではなくインスタントリアス報酬を使用する影響は何か？
• RQ5 形式的検証の統合は、動的変化が激しいクラウド環境におけるスケーラビリティポリシーの信頼性をどのように向上させるか？

主な発見

• 提案手法は、実環境および合成ワークロードの両方におけるユーザー定義利便性値を著しく向上させた。
• 本手法は、最新のスケーラビリティポリシーと比較して、ユーザー定義しきい値違反の頻度をより効果的に低減した。
• 動的MDPインスタンス化とオンライン検証により、定量的保証を伴うリアルタイムで形式的に検証されたスケーラビリティ意思決定が可能になった。
• no_opアクション時にインスタントリアス報酬を使用することで、報酬蓄積におけるパス長バイアスを回避し、正確な利便性推定が可能になった。
• PRISMベースの検証をクラウドスケーラビリティメカニズムと統合することで、実用的実現可能性と性能向上が示された。
• 本手法は、サービスレベル制約を維持しながらシステム利便性を形式的に最適化する点で、ヒューリスティックベースのスケーラビリティポリシーを上回った。