[论文解读] CloudGenius: Decision Support for Web Server Cloud Migration

Michael Menzel, Rajiv Ranjan|arXiv (Cornell University)|Mar 18, 2012

Cloud Computing and Resource Management参考文献 14被引用 16

一句话总结

CloudGenius 是一个决策支持框架，通过使用层次分析法（AHP）自动化选择适用于 Web 服务器迁移的最优云基础设施服务和虚拟机（VM）镜像。它通过建模多准则决策（如成本、性能和 SLA）来减少手动工作量和复杂性，从而实现可扩展的自动化解决方案，并通过原型实现和时间复杂度分析得到验证。

ABSTRACT

Cloud computing is the latest computing paradigm that delivers hardware and software resources as virtualized services in which users are free from the burden of worrying about the low-level system administration details. Migrating Web applications to Cloud services and integrating Cloud services into existing computing infrastructures is non-trivial. It leads to new challenges that often require innovation of paradigms and practices at all levels: technical, cultural, legal, regulatory, and social. The key problem in mapping Web applications to virtualized Cloud services is selecting the best and compatible mix of software images (e.g., Web server image) and infrastructure services to ensure that Quality of Service (QoS) targets of an application are achieved. The fact that, when selecting Cloud services, engineers must consider heterogeneous sets of criteria and complex dependencies between infrastructure services and software images, which are impossible to resolve manually, is a critical issue. To overcome these challenges, we present a framework (called CloudGenius) which automates the decision-making process based on a model and factors specifically for Web server migration to the Cloud. CloudGenius leverages a well known multi-criteria decision making technique, called Analytic Hierarchy Process, to automate the selection process based on a model, factors, and QoS parameters related to an application. An example application demonstrates the applicability of the theoretical CloudGenius approach. Moreover, we present an implementation of CloudGenius that has been validated through experiments.

研究动机与目标

• 解决在手动选择兼容的云基础设施服务和 VM 镜像以进行 Web 应用迁移时所面临的复杂性和风险。
• 通过基于多种异构准则的自动化选择过程，减轻系统工程师的决策负担。
• 提供一种系统化、可重复的框架，用于将 Web 应用需求映射到云服务配置。
• 通过建模依赖关系和质量服务（QoS）参数，实现高效、可扩展的云迁移决策。
• 通过原型实现和时间复杂度及解决方案质量的实证分析验证该框架。

提出的方法

• 以层次分析法（AHP）作为核心决策技术，用于对云基础设施服务和 VM 镜像的最优组合进行排序和选择。
• 将选择标准建模为定量指标（例如成本、延迟、SLA 合规性），并使用成对比较矩阵推导权重。
• 集成来自 CloudHarmony 和 TheCloudMarket.com 等来源的实时或基准数据，以确保数据的时效性和准确性。
• 通过搜索算法自动化生成服务-镜像组合，基于用户指定的 QoS 目标评估所有可行配对。
• 在遗传算法启发式方法中应用适应度函数（公式 4），以优化大规模配置中的解决方案搜索。
• 支持循环式迁移流程，包括服务选择、镜像选择、自定义、策略定义和执行，实现迭代优化。

实验结果

研究问题

• RQ1 如何设计一种系统化、自动化的决策支持框架，以简化 Web 服务器迁移中云基础设施服务和 VM 镜像的复杂选择？
• RQ2 在云迁移决策中，哪些标准和权重机制最能有效建模成本、性能、可靠性与 SLA 合规性之间的权衡？
• RQ3 随着服务和 VM 镜像数量的增加，选择算法的时间复杂度如何变化？可行的优化措施有哪些？
• RQ4 与临时性迁移规划相比，自动化选择在多大程度上能减少手动工作量并提高准确性？
• RQ5 未来版本中，如何扩展该框架以支持多层应用、持久化层以及定性标准？

主要发现

• CloudGenius 框架成功利用基于 AHP 的多准则决策方法，自动化选择了最优的云基础设施服务和 VM 镜像。
• 实验结果表明，最佳服务-镜像组合计算的时间复杂度呈二次方增长，表明在大规模数据集下存在可扩展性挑战。
• 原型实现表明，与手动评估相比，自动化选择显著减少了手动工作量和决策时间。
• 由于标准数量较多，服务评估比镜像评估更复杂，增加了计算负载。
• 该框架目前依赖于定量标准，限制了其应用范围，但未来可扩展以整合群体评分或定性评估。
• 对于无法进行穷举搜索的大规模配置，遗传算法等启发式方法结合适应度函数（公式 4）提供了可行的替代方案。