[論文レビュー] Decentralized Probabilistic Auto-Scaling for Heterogeneous Systems

Bogdan Alexandru Caprarescu, Dana Petcu|arXiv (Cornell University)|Mar 17, 2012

Peer-to-Peer Network Technologies参考文献 7被引用数 4

ひとこと要約

この論文は、ノードの能力が異なる異種クラウドシステムにおいて、分散型確率的スケーリング（DEPAS）アルゴリズムを拡張する。ノードの能力に応じた新しい確率的式を提案し、グローバルなシステム状態の知識を必要とせずに適切な負荷分散を実現する。理論的および実験的両面で、DEPASが動的で異種の環境において、最適な能力を持つノードの割り当てまたは削除によって所望の負荷レベルを維持することを証明する。

ABSTRACT

The DEPAS (Decentralized Probabilistic Auto-Scaling) algorithm assumes an overlay network of computing nodes where each node probabilistically decides to shut down, allocate one or more other nodes or do nothing. DEPAS was formulated, tested, and theoretically analyzed for the simplified case of homogenous systems. In this paper, we extend DEPAS to heterogeneous systems.

研究の動機と目的

• 中央集権的自動スケーリングにおけるスケーラビリティおよびフェイルセーフの制限を解決すること。
• 元々同種のシステムを想定して設計されたDEPASアルゴリズムを、能力が異なる多様なノードを有する異種システムに対応させる。
• 新規ノードの能力分布に依存しないノード追加および削除のための確率的式を導出および検証すること。
• ローカルで分散的に推定された情報に基づく自動スケーリング意思決定が、システムの平均負荷を所望のしきい値内に保つこと。
• DEPASがグローバルなシステム状態の知識なしに、異種環境でも適切なスケーリングを達成できることを示すこと。

提案手法

• 分散型オーバーレイネットワーク内の各ノードは、ローカル情報に基づいてシステムの平均負荷を推定する。
• アルゴリズムは、所望の負荷しきい値 $L_0$ と許容される変動 $δ$ に基づく確率的意思決定メカニズムを用いる。
• 新規ノードの能力は、既存の能力分布ではなく、クライアントが定義した基準（例：コスト効率）に基づいて選択される。
• 異種の能力を考慮したノード追加・削除の確率に関する解析的式を導出する。
• 合計システム能力とノードレベルの負荷推定値を用いて、追加または削除される期待能力を計算する。
• これらの確率的行動を通じて、システムの平均負荷が区間 $(L_0 - \delta, L_0 + \delta)$ の内側に保たれることを保証する。

実験結果

リサーチクエスチョン

• RQ1 ノードの能力が異なる異種クラウドシステムにおいて、DEPASを効果的に動作させるにはどうすればよいか？
• RQ2 任意の能力分布を持つ新規ノードに対して耐障害性を示すノード追加および削除に必要な確率的式は何か？
• RQ3 システム状態のグローバル知識なしに、DEPASは負荷を所望の範囲内に保つことができるか？
• RQ4 分散的でローカルな負荷推定は、異種環境において過剰プロビジョニングや不足プロビジョニングを引き起こすか？
• RQ5 混合能力を持つノードを有する動的ワークロード下で、アルゴリズムの性能はいかがなものか？

主な発見

• 提案されたノードスケーリングの確率的式は、理論的にも異種システムにおいても、システムの平均負荷が所望の区間 $(L_0 - \delta, L_0 + \delta)$ の内側に保たれることを保証する。
• 実験結果から、DEPASが適切に最適能力を持つノードを割り当てまたは削除しており、過剰プロビジョニングおよび不足プロビジョニングを回避していることが示された。
• スケールアウト時には高能力ノードを優先して追加し、スケールイン時には低能力および高能力ノードを両方削除することで、ワークロード変化に動的に適応する。
• スケーリング操作中でも低能力および高能力ノードの割合が安定しており、バランスの取れたリソース管理が実現していることが示された。
• ノードがシステム平均負荷のローカル近似値しか利用しない状況でも、アルゴリズムは正しさを保っていることから、その頑健性が確認された。
• ノードがノード総数や合計システム能力を知る必要がないため、スケーリングが良好に拡張可能であり、分散性およびフェイルセーフ性が向上している。