[论文解读] A Decision Matrix and Monitoring based Framework for Infrastructure Performance Enhancement in A Cloud based Environment

Mansaf Alam, Kashish Ara Shakil|arXiv (Cornell University)|Dec 27, 2014

Cloud Computing and Resource Management参考文献 12被引用 14

一句话总结

本文提出了一种基于决策矩阵与监控的框架，以提升云环境中的基础设施性能。该框架采用一种新颖的基于决策矩阵的最大最小算法（DMMM），根据用户工作负载模式优先分配资源，通过实时监控与动态资源分配，提升整体系统效率与响应能力。

ABSTRACT

Cloud environment is very different from traditional computing environment and therefore tracking the performance of cloud leverages additional requirements. The movement of data in cloud is very fast. Hence, it requires that resources and infrastructure available at disposal must be equally competent. Infrastructure level performance in cloud involves the performance of servers, network and storage which act as the heart and soul for driving the entire cloud business. Thus a constant improvement and enhancement of infrastructure level performance is an important task that needs to be taken into account. This paper proposes a framework for infrastructure performance enhancement in a cloud based environment. The framework is broadly divided into four steps: a) Infrastructure level monitoring of usage pattern and behaviour of the cloud end users, b) Reporting of the monitoring activities to the cloud service provider c) Cloud service provider assigns priority according to our decision matrix based max-min algorithm (DMMM) d) Providing services to cloud users leading to infrastructure performance enhancement. Our framework is based on decision matrix and monitoring in cloud using our proposed decision matrix based max-min algorithm, which draws its inspiration from the original min-min algorithm. This algorithm makes use of decision matrix to make decisions regarding distribution of resources among the cloud users.

研究动机与目标

• 解决由于数据快速移动和工作负载波动导致的在动态云环境中维持高性能基础设施的挑战。
• 通过引入数据驱动的、基于优先级的决策机制，克服传统资源分配方法的局限性。
• 通过将资源分配与实际用户行为及基础设施使用模式对齐，提升云服务的质量。
• 使云服务提供商能够通过持续监控与智能决策，主动管理并提升基础设施性能。
• 开发一种可扩展且自适应的框架，支持多租户云环境中实时性能优化。

提出的方法

• 实施基础设施级别监控，以捕获云终端用户实时的使用模式与行为指标。
• 将收集到的监控数据上报至云服务提供商，用于集中分析与决策制定。
• 应用基于决策矩阵的最大最小算法（DMMM），该算法源自最小最小算法，但通过决策矩阵引入加权优先级机制进行增强。
• 利用决策矩阵根据预设的性能标准（如延迟、吞吐量与资源可用性）评估并排序用户请求。
• 根据DMMM算法生成的优先级评分，动态分配资源给用户，以确保最优负载分配。
• 集成反馈回路，持续更新决策矩阵，以适应工作负载动态变化。

实验结果

研究问题

• RQ1 如何系统化地监控与分析云环境中的基础设施性能，以支持实时优化？
• RQ2 在云用户之间分配资源时，应采用何种标准以提升整体系统性能？
• RQ3 所提出的DMMM算法相较于现有的最小最小与最大最小调度策略，在云资源分配中有哪些改进？
• RQ4 监控与决策矩阵技术的集成在多大程度上带来了基础设施响应能力与效率的可测量提升？
• RQ5 该框架能否有效扩展并适配多种云部署模型与工作负载类型？

主要发现

• 所提出的DMMM算法通过基于加权决策矩阵的负载优先级机制，有效减少了资源争用，从而改善了响应时间。
• 实时监控使性能瓶颈得以早期检测，从而支持主动的资源调整。
• 该框架在云基础设施组件（包括服务器、网络与存储）之间表现出更优的负载均衡能力。
• 将决策矩阵逻辑整合到资源分配中，相比传统的启发式方法，显著提升了公平性与效率。
• 该框架能够动态适应用户需求的变化，确保在可变工作负载下持续保持高性能。
• 该方法使云服务提供商能够通过将资源分配与实际使用模式及性能目标对齐，提供更高质量的服务。