[论文解读] Heuristic-based Optimal Resource Provisioning in Application-centric Cloud

Sunirmal Khatua, Preetam K. Sur+2 more|arXiv (Cornell University)|Mar 11, 2014

Cloud Computing and Resource Management参考文献 13被引用 8

一句话总结

本文提出基于启发式的多项式时间算法，用于应用中心型云环境中的最优资源供应，旨在通过战略性预留云资源来最小化长期成本。该方法在将计算开销从指数级降低至线性时间的同时，实现接近最优的成本节省——与整数规划问题（IPP）解相比，成本增加不足1%，从而使其可扩展至超出精确优化方法实际可行范围的长期工作负载。

ABSTRACT

Cloud Service Providers (CSPs) adapt different pricing models for their offered services. Some of the models are suitable for short term requirement while others may be suitable for the Cloud Service User's (CSU) long term requirement. In this paper, we look at the problem of finding the amount of resources to be reserved to satisfy the CSU's long term demands with the aim of minimizing the total cost. Finding the optimal resource requirement to satisfy the the CSU's demand for resources needs sufficient research effort. Various algorithms were discussed in the last couple of years for finding the optimal resource requirement but most of them are based on IPP which is NP in nature. In this paper, we derive some heuristic-based polynomial time algorithms to find some near optimal solution to the problem. We show that the cost for CSU using our approach is comparable to the solution obtained using optimal Integer Programming Problem(IPP).

研究动机与目标

• 解决在混合定价模型下，云服务用户（CSUs）最小化长期云资源成本的挑战。
• 克服整数规划问题（IPP）在长期需求场景下计算不可行的问题。
• 设计高效、多项式时间的启发式算法，以最小成本开销近似最优解。
• 评估资源预留策略中成本效率与计算复杂度之间的权衡。
• 为具有长期需求周期的实际云工作负载实现实用且可扩展的成本优化。

提出的方法

• 作者提出两种启发式策略：单份合同（3个月）和多份合同，基于周期性预留模式，在避免过度配置的同时最小化成本。
• 启发式方法旨在使预留时长与需求模式对齐，尤其偏好3个月的倍数，以减少与最优IPP解的成本偏差。
• 该方法采用贪心方式将预留实例分配至时间区间，优先选择基于需求均匀性和持续时间的成本效益更高的预留窗口。
• 该方法在特定约束条件下（如需求均匀且为3个月倍数）被数学证明可获得最优结果，并进一步扩展以处理非均匀及非3个月倍数的需求。
• 通过真实SDSC工作负载数据，将性能与最优IPP解进行基准对比，测量不同持续时间下的成本偏差与执行时间。
• 计算开销以微秒为单位评估，表明其时间复杂度为线性（O(n)），相比IPP方法的指数级复杂度（O(2^n)）显著降低。

实验结果

研究问题

• RQ1 基于启发式的资源预留策略是否能在长期云供应中实现接近最优的成本节省，同时保持计算上的可行性？
• RQ2 在不同需求模式和持续时间下，启发式策略的成本偏差与最优整数规划问题（IPP）解相比如何？
• RQ3 预留时长（如1个月与3个月合同）对成本效率和可扩展性有何影响？
• RQ4 需求均匀性如何影响基于启发式的预留策略的性能与准确性？
• RQ5 该启发式方法是否可扩展至多 年需求周期，其中IPP因计算不可行而失效？

主要发现

• 在所有测试持续时间下，单份合同（3个月）和多份合同启发式方法与最优IPP解相比，平均成本增加低于1%。
• 对于非均匀需求数据，成本增加高于均匀数据，但平均仍低于1%，表明具有强鲁棒性。
• 成本增加在3个月+1的倍数时（如1、4、7个月）达到峰值，但随着与合同周期对齐（即3个月倍数），成本增加逐渐趋近于0%。
• 基于启发式的策略表现出线性时间复杂度（O(n)），12个月需求下多份合同策略的执行时间为1.113 ms，而最优IPP方法耗时700,000 μs。
• 所提出的启发式方法可扩展且适用于长期工作负载（如3年需求），在该场景下IPP因变量和计算时间呈指数增长而变得不可行。
• 启发式方法的开销可忽略不计——12个月需求下不超过2.3 ms，证明其适用于实时或生产环境部署。