[论文解读] A Novel Admission Control Model in Cloud Computing

Yunlong He, Jun Huang+4 more|arXiv (Cornell University)|Jan 19, 2014

Network Traffic and Congestion Control参考文献 16被引用 7

一句话总结

本文提出了一种基于带宽的有效带宽准入控制（EBBAC）模型，用于云计算环境，利用网络计算理论来管理高流量聚合流。通过推导聚合流的有效带宽，并分析其与等效容量的关系，该模型在不同延迟约束条件下确保服务质量（QoS）保障，实验结果表明，随着延迟约束增大，有效带宽趋于稳定，聚合流容量随之增加。

ABSTRACT

With the rapid development of Cloud computing technologies and wide adopt of Cloud services and applications, QoS provisioning in Clouds becomes an important research topic. In this paper, we propose an admission control mechanism for Cloud computing. In particular we consider the high volume of simultaneous requests for Cloud services and develop admission control for aggregated traffic flows to address this challenge. By employ network calculus, we determine effective bandwidth for aggregate flow, which is used for making admission control decision. In order to improve network resource allocation while achieving Cloud service QoS, we investigate the relationship between effective bandwidth and equivalent capacity. We have also conducted extensive experiments to evaluate performance of the proposed admission control mechanism.

研究动机与目标

• 解决高流量、并行的云服务请求对传统单流准入控制机制造成过载的挑战。
• 为云环境中的聚合流量流开发可扩展的准入控制机制。
• 通过网络计算确定最小资源需求，确保服务质量（QoS）的提供。
• 研究聚合流的有效带宽（EB）与等效容量（EC）之间的关系。
• 在不同延迟约束和流类型下评估所提出准入控制方案的性能。

提出的方法

• 使用网络计算建模流量，通过到达曲线和速率曲线进行最坏情况性能分析。
• 将有效带宽（EB）定义为 α(s)/(s + D) 的上确界，以在延迟约束 D 下确定资源需求。
• 应用最小-加法卷积计算聚合流行为，并推导多个并发流的有效带宽。
• 分析有效带宽与等效容量（EC）之间的关系，以优化资源分配和缓冲区大小。
• 通过数值实验验证在不同延迟约束和流类型下有效带宽的稳定性与系统容量。
• 使用不等式 e_D(∑α_i) ≤ ∑e_D(α_i) 来限制聚合流的有效带宽，实现可扩展的准入决策。

实验结果

研究问题

• RQ1 如何在云计算中为聚合流量流计算有效带宽，以支持可扩展的准入控制？
• RQ2 在不同延迟约束下，聚合流的有效带宽（EB）与等效容量（EC）之间存在何种关系？
• RQ3 随着延迟约束 D 增大，聚合流的有效带宽行为如何变化？
• RQ4 所提出的准入控制模型在保持 QoS 保障的前提下，能在多大程度上提升资源利用率？
• RQ5 在不同延迟约束下，系统最多可支持多少云服务请求？

主要发现

• 当延迟约束 D 超过 0.53s（一种流类型）和 1.27s（另一种流类型）时，聚合流的有效带宽（EB）趋于稳定并保持不变，表明存在一个饱和点，在此之后延迟约束进一步增加无法提升资源效率。
• 当 D ≥ 0.53s 且 D ≥ 1.27s 时，聚合流的有效带宽等于各独立有效带宽之和（e_D(∑α_i) = ∑e_D(α_i)），证实了在高延迟约束下具有可加性行为。
• 缓冲区大小 B 随延迟约束 D 增大而增加，直至达到稳定状态，当服务速率等于平均流速率时，队列长度不再增长，符合理论预期。
• 所提出的 EBBAC 模型在延迟约束 D 增大时可支持更多云服务流，原因在于每一流对服务速率的需求降低。
• 对于给定输出速率 C，当 D 较大时系统可接纳更多流，如性能评估中 n1、n2 和 n3 的增加所示。
• EB 与 EC 之间的关系表明，当 EB 不再增加时缓冲区大小趋于稳定，验证了理论模型的一致性。