[論文レビュー] Heterogeneous and Multidimensional Clairvoyant Dynamic Bin Packing for Virtual Machine Placement.

Yan Zhao, Zhan Zhang+3 more|arXiv (Cornell University)|Feb 9, 2018

Cloud Computing and Resource Management参考文献 25被引用数 3

ひとこと要約

本論文は、プライベートクラウドにおける仮想マシン配置のため、異種かつ多次元の予知的動的バインディングパッキング（CDBP）モデルを提案し、初期インfra構築コストを削減することを目的としている。時間に依存するスケジューリングと、新規の分割統治型分枝限定法（DCBB）アルゴリズムを活用することで、従来の分枝限定法と比較して著しく高速な収束を達成し、合成的および実世界のワークロードの両方で、変更版First-Fitおよびアンチコロニー法を上回る性能を発揮する。

ABSTRACT

Although the public cloud still occupies the largest portion of the total cloud infrastructure, the private cloud is attracting increasing interest because of its better security and privacy control. According to previous research, a high upfront cost is among the most serious challenges associated with private cloud computing. Virtual machine placement (VMP) is a critical operation for cloud computing, as it improves performance and reduces cost. Extensive VMP methods have been researched, but few have been designed to reduce the upfront cost of private clouds. To fill this gap, in this paper, a heterogeneous and multidimensional clairvoyant dynamic bin packing (CDBP) model, in which the scheduler can conduct more efficient scheduling with additional time information to reduce the size of the datacenter and, thereby, decrease the upfront cost, is applied. An innovative branch-and-bound algorithm with the divide-and-conquer strategy (DCBB) is proposed to reduce the number of servers (#servers), with fast processing speed. In addition, some algorithms based on first fit (FF) and the ant colony system (ACS) are modified to apply them to the CDBP model. Experiments are conducted on generated and real-world data to check the performance and efficiency of the algorithms. The results confirm that the DCBB can make a tradeoff between performance and efficiency and also achieves a much faster convergence speed than that of other search-based algorithms. Furthermore, the DCBB yields the optimal solution under real-world workloads in much less runtime (by an order of magnitude) than required by the original branch-and-bound (BB) algorithm.

研究の動機と目的

• プライベートクラウド導入における高い初期コスト課題を、仮想マシン配置最適化によって解決すること。
• 知的な時間に依存するVMスケジューリングを通じて、データセンターサイズとインfraコストを低減すること。
• 動的VM配置において性能と実行時間効率のバランスを取るスケーラブルで効率的なアルゴリズムの開発。
• CPU、メモリ、ストレージ、ネットワークを含む異種かつ多次元環境における最適なサーバー利用度の実現。

提案手法

• 将来のVMの到着および終了時刻を組み込んだ、異種かつ多次元の予知的動的バインディングパッキング（CDBP）モデルを定式化する。
• 収束速度の向上と実行時間効率の改善を目的とした、新規の分割統治型分枝限定法（DCBB）アルゴリズムを提案する。
• 比較評価のため、CDBPモデルに適応したFirst-Fit（FF）およびアンチコロニー系（ACS）アルゴリズムを採用する。
• 探索空間を分割することで計算負荷を軽減する戦略を採用し、正確な分枝限定法の計算コストを削減する。
• VMライフサイクルを予測し、リソース断片化を最小限に抑えるために、時間に依存するスケジューリングを統合する。
• 標準的なBBと比較して、より効率的に有望な解の部分空間を探索する再帰的分解アプローチを用いる。

実験結果

リサーチクエスチョン

• RQ1 予知的かつ時間に依存する動的バインディングパッキングモデルは、プライベートクラウド環境における必要サーバー数を削減できるか？
• RQ2 DCBBアルゴリズムは、従来の分枝限定法と比較して収束速度と解の品質の点でどのように異なるか？
• RQ3 変更版First-Fitおよびアンチコロニー法は、多次元的かつ異種的なCDBP環境においてどれほど有効に機能するか？
• RQ4 DCBBアルゴリズムは、実世界のワークロードにおいて、元の分枝限定法よりも最適解をより速く達成できるか？
• RQ5 提案されたモデルは、プライベートクラウド導入における初期インfraコストを著しく削減できるか？

主な発見

• DCBBアルゴリズムは、実世界のワークロードにおいて、元の分枝限定法と比較して実行時間のオーダーが1桁以上短縮され、最適解を達成する。
• DCBBアルゴリズムは、変更版First-Fitやアンチコロニー系のアプローチを含む他の探索ベースのアルゴリズムと比較して、はるかに高速な収束速度を示す。
• CDBPモデルは、必要なサーバー数を効果的に削減し、プライベートクラウドインfraの初期コストを直接低減する。
• 提案手法は、処理速度を著しく向上させながらも高い解の品質を維持しており、リアルタイムまたはニアリアルタイムのVM配置に適している。
• 合成的および実世界のデータを用いた実験により、DCBBがベースラインアルゴリズムを効率性および解の最適性の両面で上回ることが確認された。
• 時間に依存するスケジューリングの統合により、異種的かつ多次元的環境におけるリソース利用度が向上し、断片化が低減された。