[논문 리뷰] CloudGenius: Automated Decision Support for Migrating Multi-Component Enterprise Applications to Clouds

Michael Menzel, Rajiv Ranjan|arXiv (Cornell University)|2011. 12. 16.

Cloud Computing and Resource Management참고 문헌 19인용 수 5

한 줄 요약

CloudGenius는 분석적 계층 프로세스(AHP)를 적용하여 비용, 성능, 호환성과 같은 상충되는 기준을 균형 잡는 다성분 기업 애플리케이션의 클라우드 이전 과정에서 최적의 VM 이미지 및 IaaS 서비스 조합을 자동으로 선별하는 추천 프레임워크이다. CumulusGenius 프로토타입을 활용한 실험 결과, 구성 요소 수와 조합 수가 증가할수록 솔루션 시간 복잡도가 지수적으로 증가하는 경향이 있지만, 이 프레임워크는 이질적인 클라우드 제공업체 간에 확장 가능한 다기준 의사결정을 가능하게 한다.

ABSTRACT

One of the key problems in migrating multi-component enterprise applications to Clouds is selecting the best mix of VM images and Cloud infrastructure services. A migration process has to ensure that Quality of Service (QoS) requirements are met, while satisfying conflicting selection criteria, e.g. throughput and cost. When selecting Cloud services, application engineers must consider heterogeneous sets of criteria and complex dependencies across multiple layers impossible to resolve manually. To overcome this challenge, we present the generic recommender framework CloudGenius and an implementation that leverage well known multi-criteria decision making technique Analytic Hierarchy Process to automate the selection process based on a model, factors, and QoS requirements related to enterprise applications. In particular, we introduce a structured migration process for multi-component enterprise applications, clearly identify the most important criteria relevant to the selection problem and present a multi-criteria-based selection algorithm. Experiments with the software prototype CumulusGenius show time complexities.

연구 동기 및 목표

• 다성분 기업 애플리케이션의 클라우드 이전 과정에서 최적의 VM 이미지 및 IaaS 서비스 조합을 수동으로 선택하는 데 도전하는 문제를 해결하기 위해.
• 비용, 처리량, 호환성과 같은 상충되는 기준을 균형 잡는 동시에 이질적인 클라우드 제공업체 간의 의사결정 과정을 자동화하기 위해.
• 서비스 품질, 비용, 시스템 종속성 간의 트레이드오프를 지원하는 체계적이고 반복 가능한 이전 프로세스를 제공하기 위해.
• 알고리즘적 추천을 통해 복잡한 IT 시스템 구성과 클라우드 자원 간의 매핑 과정에서 시간 복잡도와 인간 오류를 줄이기 위해.
• 소프트웨어 및 인프라 계층 간의 종속성과 제약 조건을 모델링하여 다수의 제공업체 간 선택을 가능하게 하기 위해.

제안 방법

• 프레임워크는 선택 과정을 계층적 평가 문제로 모델링하기 위해 $(MC^{2})^{2}$ 다기준 의사결정 프로세스를 사용한다.
• 쌍별 비교와 가중치 평가를 통해 기준 간의 트레이드오프를 가능하게 하기 위해 분석적 계층 프로세스(AHP)를 적용한다.
• VM 이미지, IaaS 서비스 및 그 속성(예: 가상화 포맷, 운영체제, 비용, 성능)을 표현하기 위한 데이터 모델을 정의한다.
• 네트워크 비용을 구성 요소 간의 연결 고려 사항으로 반영하여 모든 가능한 VM 이미지 및 서비스 조합의 통합 값을 계산한다.
• 시간 복잡도는 네트워크 비용 계산에 대해 $O(l^2)$로 계산되며, 구성 요소 수 $l$에 따라 스케일링되며 총 솔루션 시간에 지수적 증가가 발생한다.
• 구현체인 CumulusGenius는 자바 라이브러리로 제공되며, 웹 프론트엔드 및 클라우드 서비스 데이터베이스 통합을 통해 확장 중이다.

실험 결과

연구 질문

• RQ1 다성분 클라우드 이전 과정에서 최적의 VM 이미지 및 IaaS 서비스 조합을 선택하기 위한 자동화된 의사결정 지원는 어떻게 제공할 수 있는가?
• RQ2 비용, 성능, 호환성과 같은 상충되는 목표를 균형 잡는 데 가장 적합한 다기준 의사결정 기법은 무엇인가?
• RQ3 선택 과정의 시간 복잡도는 구성 요소 수와 이용 가능한 서비스 옵션 수에 따라 어떻게 변화하는가?
• RQ4 구성 요소 간 네트워크 비용은 전체 선택 및 최적화 과정에 어떤 영향을 미치는가?
• RQ5 프레임워크는 호환성과 QoS 제약 조건을 유지하면서 어떻게 다수의 제공업체 간 선택을 지원할 수 있는가?

주요 결과

• 해결책을 찾는 총 시간은 VM 이미지 및 서비스 수가 증가함에 따라 지수적으로 증가하며, 특히 모든 구성 요소 조합을 평가할 경우 더욱 뚜렷하다.
• 추가적인 구성 요소가 하나 더 추가될 때마다 계산 시간이 선형적으로 증가하여, 세 개를 초과하는 구성 요소에서는 확장성 문제를 노출한다.
• 대부분의 계산 시간은 특히 여러 제공업체와 네트워크 구성에서의 병합 솔루션 평가에 소요된다.
• 프레임워크는 소프트웨어 및 IaaS 계층 간의 종속성과 제약 조건을 성공적으로 모델링하여 자동으로 다수의 제공업체 간 추천을 가능하게 한다.
• CumulusGenius의 구현체는 인텔 코어 i7 및 8GB RAM을 탑재한 테스트 머신에서 기능 가능성을 입증하였으며, 평가를 위한 합성 데이터 생성을 지원한다.
• 향후 CloudHarmony 등의 벤치마킹 도구 및 thecloudmarket.com 등의 클라우드 마켓플레이스와의 통합을 통해 데이터 완전성과 의사결정 정확도가 향상될 것으로 기대된다.