[論文レビュー] Formal Specification Language Based IaaS Cloud Workload Regression Analysis

Sukhpal Singh, Inderveer Chana|arXiv (Cornell University)|Feb 13, 2014

Cloud Computing and Resource Management参考文献 28被引用数 6

ひとこと要約

本稿では、Z記法を用いた形式的仕様言語ベースのアプローチを提案し、IaaSクラウドワークロードをモデル化・分析する。回帰分析を用いてワークロード要件と利用可能なクラウドリソースとの関係を特定する。この手法により、動的クラウド環境における効率的で形式的に検証されたリソースマッピングが可能となり、コストとジョブ送信バースト時間の両方を削減する。

ABSTRACT

Cloud Computing is an emerging area for accessing computing resources. In general, Cloud service providers offer services that can be clustered into three categories: SaaS, PaaS and IaaS. This paper discusses the Cloud workload analysis. The efficient Cloud workload resource mapping technique is proposed. This paper aims to provide a means of understanding and investigating IaaS Cloud workloads and the resources. In this paper, regression analysis is used to analyze the Cloud workloads and identifies the relationship between Cloud workloads and available resources. The effective organization of dynamic nature resources can be done with the help of Cloud workloads. Till Cloud workload is considered a vital talent, the Cloud resources cannot be consumed in an effective style. The proposed technique has been validated by Z Formal specification language. This approach is effective in minimizing the cost and submission burst time of Cloud workloads.

研究の動機と目的

• 動的IaaSクラウド環境における効率的リソースマッピングの課題に、ワークロードとリソースの関係を形式的にモデル化することで対処すること。
• データ駆動型リソース割り当てを通じて、クラウドワークロードにおけるコスト効率の向上とジョブ送信バースト時間の短縮を図ること。
• 形式的手法、特にZ仕様言語を用いて、提案されたワークロード分析手法の検証を行うこと。
• 変動するリソース条件下でのIaaSクラウドワークロード行動の理解と予測のための信頼性があり、形式的に検証されたフレームワークを構築すること。

提案手法

• 数学的精度をもってクラウドワークロードとリソース構成をモデル化するため、Z形式的仕様言語を採用した。
• ワークロード特性（例：CPU、メモリ）と利用可能なクラウドリソースとの間の統計的関係を特定するために、回帰分析を適用した。
• デプロイ前において、ワークロード-リソースマッピングの正しさと一貫性を形式的モデルを用いて検証した。
• 回帰モデルを形式的仕様と統合し、機能的正確性とパフォーマンス最適化の両方を保証した。
• IEEE ICCCCM-2013会議プロシーディングズから得た実世界のワークロードデータを用いて、手法の妥当性を検証した。
• 予測モデリングを通じて、コストの最小化とジョブ送信バースト時間の短縮を実現するリソース割り当ての最適化を実施した。

実験結果

リサーチクエスチョン

• RQ1 形式的仕様言語は、IaaSクラウドワークロードのモデル化と検証にどのように効果的に活用できるか？
• RQ2 クラウドワークロード要件と利用可能なインfraストラクチャリソースとの間には、どのような関係が存在するか？
• RQ3 形式的検証と組み合わせた回帰分析は、IaaSクラウドにおけるリソースマッピングの効率を向上させることができるか？
• RQ4 動的クラウド環境において、形式的モデリングはコストとジョブ送信バースト時間の削減にどの程度寄与するか？
• RQ5 形式的手法は、クラウドワークロードリソース割り当て意思決定の信頼性と正しさをどのように向上させることができるか？

主な発見

• Z形式的仕様と回帰分析の統合により、IaaSワークロード-リソース関係の正確なモデリングが可能になった。
• 提案手法により、ワークロード予測に基づくリソース割り当ての最適化が行われ、ジョブ送信バースト時間が短縮された。
• ワークロードマッピングの形式的検証により、クラウドリソース消費におけるコスト効率が顕著に向上した。
• 形式的モデルにより正しさと一貫性が保証され、動的リソースプロビジョニングにおけるエラーが最小限に抑えられた。
• 本手法は、実世界の国際会議でのデプロイ環境（ICCCCM-2013）において、実用性と有効性を示した。
• 回帰分析により、重要なワークロード-リソース相関関係が成功裏に同定され、データ駆動型最適化が可能になった。