[论文解读] Decentralized Probabilistic Auto-Scaling for Heterogeneous Systems

Bogdan Alexandru Caprarescu, Dana Petcu|arXiv (Cornell University)|Mar 17, 2012

Peer-to-Peer Network Technologies参考文献 7被引用 4

一句话总结

本文将去中心化的概率自动扩展（DEPAS）算法扩展至异构云系统，其中节点具有不同的容量。提出新颖的概率公式以进行扩展决策，确保在无需全局系统知识的情况下实现正确的负载均衡，理论与实验结果均证明，DEPAS 能够通过在动态、异构环境中分配或移除具有最优容量的节点，维持期望的负载水平。

ABSTRACT

The DEPAS (Decentralized Probabilistic Auto-Scaling) algorithm assumes an overlay network of computing nodes where each node probabilistically decides to shut down, allocate one or more other nodes or do nothing. DEPAS was formulated, tested, and theoretically analyzed for the simplified case of homogenous systems. In this paper, we extend DEPAS to heterogeneous systems.

研究动机与目标

• 解决集中式自动扩展在云系统中可扩展性和容错能力的局限性。
• 将原本专为同构系统设计的 DEPAS 算法扩展至能够处理具有不同节点容量的异构系统。
• 推导并验证节点添加与移除的概率公式，使其独立于新节点容量分布。
• 确保自动扩展决策在仅依赖本地、去中心化估计的情况下，仍能将系统平均负载维持在期望阈值范围内。
• 证明 DEPAS 能够在异构环境中实现正确扩展，避免过度配置或配置不足。

提出的方法

• 在去中心化覆盖网络中的每个节点使用本地信息估计系统的平均负载。
• 该算法基于期望负载阈值 $L_0$ 和允许的波动范围 $δ$，采用概率决策机制。
• 新节点的容量根据客户端定义的标准（如成本效益）选择，而非依赖于现有容量分布。
• 本文推导出考虑异构容量的节点添加或移除的概率公式。
• 通过总系统容量和节点级负载估计，计算预期添加或移除的容量。
• 通过这些概率性操作，确保系统平均负载始终位于区间 $(L_0 - \delta, L_0 + \delta)$ 内。

实验结果

研究问题

• RQ1 如何将 DEPAS 扩展至节点容量各异的异构云系统中，以实现高效运行？
• RQ2 在新节点容量分布任意的情况下，节点添加与移除所需的概率公式是什么？
• RQ3 DEPAS 是否能够在不依赖系统状态全局知识的情况下，将系统负载维持在期望范围内？
• RQ4 在异构环境中，基于去中心化、本地负载估计是否会导致过度配置或配置不足？
• RQ5 在混合容量节点的动态工作负载下，该算法的性能如何？

主要发现

• 所提出的节点扩展概率公式在理论上被证明可将系统平均负载维持在期望区间 $(L_0 - \delta, L_0 + \delta)$ 内，即使在异构系统中亦成立。
• 实验结果表明，DEPAS 能够正确分配或移除具有最优容量的节点，避免了过度配置与配置不足。
• 系统通过在扩展时优先添加高容量节点，缩容时同时移除低容量与高容量节点，动态适应工作负载变化。
• 在扩展操作期间，低容量与高容量节点的占比保持稳定，表明实现了均衡的资源管理。
• 即使节点仅使用系统平均负载的本地近似值，算法仍能保持正确性，证实了其鲁棒性。
• 由于节点无需知晓总节点数或总系统容量，该方法具有良好的可扩展性，增强了去中心化与容错能力。