[논문 리뷰] Pre-allocation Strategies of Computational Resources in Cloud Computing using Adaptive Resonance Theory-2

T. R. Gopalakrishnan Nair, P. Jayarekha|arXiv (Cornell University)|2012. 06. 03.

Neural Networks and Applications참고 문헌 8인용 수 5

한 줄 요약

이 논문은 클라우드 컴퓨팅 환경에서 들어오는 서비스 요청을 분류하고 자원 수요를 예측하기 위해 적응형 공명 이론-2(ART-2)를 사용하여 계산 자원에 대한 적응형 사전 할당 전략을 제안한다. 우선순위와 자원 유형 기반으로 요청 패턴을 동적으로 군집화함으로써, 시스템은 선제적 자원 할당을 가능하게 하여 다이나믹하고 다중 우선순위 클라우드 워크로드에서 지연을 줄이고 효율성을 향상시킨다.

ABSTRACT

One of the major challenges of cloud computing is the management of request-response coupling and optimal allocation strategies of computational resources for the various types of service requests. In the normal situations the intelligence required to classify the nature and order of the request using standard methods is insufficient because the arrival of request is at a random fashion and it is meant for multiple resources with different priority order and variety. Hence, it becomes absolutely essential that we identify the trends of different request streams in every category by auto classifications and organize preallocation strategies in a predictive way. It calls for designs of intelligent modes of interaction between the client request and cloud computing resource manager. This paper discusses about the corresponding scheme using Adaptive Resonance Theory-2.

연구 동기 및 목표

• 다이나믹한 클라우드 환경에서 요청-응답 결합 문제와 최적화되지 않은 자원 할당 문제를 해결한다.
• 랜덤하고 다중 우선순위, 다중 자원 서비스 요청을 처리하는 데 있어 표준 분류 방법의 한계를 극복한다.
• 진행 중인 요청 패턴에 기반해 예측 및 사전 할당을 수행하는 지능적이고 적응형 메커니즘을 개발한다.
• 실시간으로 스스로 조직화되는 요청 분류를 가능하게 하여 클라우드 시스템에서 선제적 자원 관리를 지원한다.

제안 방법

• 들어오는 서비스 요청의 온라인 및 누적 군집화를 수행하기 위해 신경망 모델인 적응형 공명 이론-2(ART-2)를 사용한다.
• 자원 유형, 우선순위 수준, 요청 빈도 등의 특징을 기반으로 ART-2를 사용해 요청을 분류한다.
• 새로운 요청이 도착함에 따라 군집 중심을 동적으로 갱신하여 변화하는 워크로드에 대한 안정성과 적응성을 확보한다.
• 우선순위 및 자원 요구 사항에 기반해 사전 정의된 사전 할당 정책에 분류된 요청 카테고리들을 매핑한다.
• ART-2 분류기와 클라우드 자원 관리자 간의 통합을 통해 피크 수요 이전에 선제적 할당을 트리거한다.
• ART-2의 안정성-유연성 트레이드오프를 활용하여 변화하는 요청 패턴에 적응하면서도 일관된 분류를 유지한다.

실험 결과

연구 질문

• RQ1 클라우드 자원 관리자는 다양한 속도의 서비스 요청을 우선순위가 다른 상황에서 효과적으로 분류할 수 있는가?
• RQ2 요청 분포에 대한 사전 지식 없이도 실시간으로 적응형으로 요청 스트림을 분류할 수 있는 메커니즘은 무엇인가?
• RQ3 예측 분류를 활용해 사전 할당 전략을 최적화하면 반응 시간을 단축하고 자원 경쟁을 줄일 수 있는가?
• RQ4 ART-2는 다이나믹한 클라우드 워크로드에서 요청 분류의 정확성과 안정성에 얼마나 기여하는가?
• RQ5 적응형이며 스스로 조직화되는 시스템은 클라우드 환경에서 자원의 저활용과 과도한 할당을 줄일 수 있는가?

주요 결과

• ART-2는 높은 정확도로 우선순위와 자원 유형 기반으로 들어오는 서비스 요청을 고유한 카테고리로 분류한다.
• 분류된 요청 스트림에서 수요 패턴을 예측함으로써 시스템은 선제적 자원 사전 할당을 가능하게 한다.
• ART-2의 적응형 특성 덕분에 변화하고 예측할 수 없는 요청 도착 상황에서도 안정적인 분류를 유지한다.
• 지능적인 사전 할당 덕분에 수요에 따른 할당 지연을 최소화함으로써 요청 반응 시간을 감소시킨다.
• 이 방법은 다중 우선순위 클라우드 환경에서 자원 활용도 향상과 경쟁 감소를 입증한다.
• ART-2를 클라우드 자원 관리와 통합함으로써 다이나믹 워크로드에 대응하는 확장 가능하고 실시간 의사결정이 가능해진다.