[論文レビュー] Heuristic-based Optimal Resource Provisioning in Application-centric Cloud

Sunirmal Khatua, Preetam K. Sur+2 more|arXiv (Cornell University)|Mar 11, 2014

Cloud Computing and Resource Management参考文献 13被引用数 8

ひとこと要約

本論文は、応用指向クラウド環境における最適リソースプロビジョニングのためのヒューリスティックベースの多項式時間アルゴリズムを提案し、長期間のコストを最小化するためにクラウドリソースを戦略的に予約することを目的としている。この手法は、整数計画問題（IPP）の解から1%以内の近似的なコスト削減を達成するとともに、計算負荷を指数的時間から線形時間に削減し、正確な最適化手法の実用的限界を超える長期間のワークロードに対してもスケーラブルである。

ABSTRACT

Cloud Service Providers (CSPs) adapt different pricing models for their offered services. Some of the models are suitable for short term requirement while others may be suitable for the Cloud Service User's (CSU) long term requirement. In this paper, we look at the problem of finding the amount of resources to be reserved to satisfy the CSU's long term demands with the aim of minimizing the total cost. Finding the optimal resource requirement to satisfy the the CSU's demand for resources needs sufficient research effort. Various algorithms were discussed in the last couple of years for finding the optimal resource requirement but most of them are based on IPP which is NP in nature. In this paper, we derive some heuristic-based polynomial time algorithms to find some near optimal solution to the problem. We show that the cost for CSU using our approach is comparable to the solution obtained using optimal Integer Programming Problem(IPP).

研究の動機と目的

• ハイブリッド課金モデル下でのクラウドサービス利用者（CSUs）が長期間にわたるクラウドリソースコストを最小化する課題に対処すること。
• 長期間の需要シナリオにおいて整数計画問題（IPP）が計算的に非現実的になるという課題を克服すること。
• 最小限のコストオーバーヘッドで最適解に近い近似解を得られる、効率的で多項式時間のヒューリスティックアルゴリズムを設計すること。
• リソース予約戦略におけるコスト効率と計算複雑度のトレードオフを評価すること。
• 実世界のクラウドワークロードに向けた、長期的な需要予測を想定した実用的でスケーラブルなコスト最適化を可能にすること。

提案手法

• 著者は、コストを最小化しながら過剰プロビジョニングを回避するための定期的予約パターンに基づき、単一契約（3か月）と複数契約の2つのヒューリスティック戦略を開発した。
• ヒューリスティクスは、特に3か月の倍数を優先することで、最適なIPP解からのコスト偏差を最小化するように設計されている。
• アプローチは、需要の均一性と期間に基づいて、コスト効率の高い予約期間を優先して、リソースを貪欲に割り当てる。
• 数学的に、特定の制約（例えば、均一な需要と3か月の倍数）下で最適な結果が得られることを証明しており、非均一な需要や3か月の倍数でない需要に対しても拡張されている。
• 性能は、実世界のSDSCワークロードデータを用いて、最適なIPP解と比較して評価され、さまざまな期間におけるコスト偏差と実行時間を測定した。
• オーバーヘッドはマイクロ秒単位で評価され、IPPアプローチの指数的複雑度（O(2^n)）と比較して、線形時間複雑度（O(n)）であることが示された。

実験結果

リサーチクエスチョン

• RQ1 ヒューリスティックベースのリソース予約戦略は、長期間のクラウドプロビジョニングにおいて、計算的に現実的である一方で、ほぼ最適なコスト削減を達成できるか？
• RQ2 さまざまな需要パターンと期間において、ヒューリスティック戦略のコスト偏差は、最適な整数計画問題（IPP）解と比べてどの程度か？
• RQ3 予約期間（例：1か月契約対3か月契約）がコスト効率とスケーラビリティに与える影響は何か？
• RQ4 需要の均一性は、ヒューリスティックベースの予約戦略の性能と正確性にどのような影響を与えるか？
• RQ5 IPPが非現実的になるような、数年間の需要予測にも、ヒューリスティックアプローチはスケーラブルに適用可能か？

主な発見

• 単一契約（3か月）と複数契約のヒューリスティクスは、全テスト期間において最適なIPP解と比較して平均で1%未満のコスト増加を達成した。
• 非均一な需要データでは、均一なデータよりもコスト増加が高くなるが、平均で1%未満に抑えられており、強固なロバストネスを示している。
• コスト増加は3か月の倍数＋1か月（例：1か月、4か月、7か月）の期間でピークに達するが、3か月の倍数の期間では契約サイクルとの整合性により0%に近づく。
• ヒューリスティックベースの戦略は線形時間複雑度（O(n)）を示し、複数契約を用いた12か月分の需要では実行時間が1.113 msであったのに対し、最適なIPP手法では700,000 μsにのぼった。
• 提案されたヒューリスティクスは、IPPが変数と計算時間の指数的増加により非現実的になるような長期的ワークロード（例：3年間の需要）に対してもスケーラブルで実用的である。
• ヒューリスティックアプローチのオーバーヘッドは無視できるほど小さく、12か月分で2.3 ms未満であった。これは、リアルタイムまたは本番環境へのデプロイの可能性を示している。