[论文解读] Optimal bandwidth-aware VM allocation for Infrastructure-as-a-Service

Debojyoti Dutta, Michael Kapralov+2 more|arXiv (Cornell University)|Feb 16, 2012

Caching and Content Delivery参考文献 14被引用 5

一句话总结

本文提出一种动态规划算法，用于在树形数据中心拓扑的基础设施即服务（IaaS）环境中实现最优带宽感知虚拟机（VM）分配。对于一般请求图，该算法在 O(3^k n) 时间内实现最小网络拥塞；对于团请求，则在 O(nk^2) 时间内完成，证明即使在严格的拓扑约束下，该问题仍为 NP-难问题。

ABSTRACT

Infrastructure-as-a-Service (IaaS) providers need to offer richer services to be competitive while optimizing their resource usage to keep costs down. Richer service offerings include new resource request models involving bandwidth guarantees between virtual machines (VMs). Thus we consider the following problem: given a VM request graph (where nodes are VMs and edges represent virtual network connectivity between the VMs) and a real data center topology, find an allocation of VMs to servers that satisfies the bandwidth guarantees for every virtual network edge---which maps to a path in the physical network---and minimizes congestion of the network. Previous work has shown that for arbitrary networks and requests, finding the optimal embedding satisfying bandwidth requests is $\mathcal{NP}$-hard. However, in most data center architectures, the routing protocols employed are based on a spanning tree of the physical network. In this paper, we prove that the problem remains $\mathcal{NP}$-hard even when the physical network topology is restricted to be a tree, and the request graph topology is also restricted. We also present a dynamic programming algorithm for computing the optimal embedding in a tree network which runs in time $O(3^kn)$, where $n$ is the number of nodes in the physical topology and $k$ is the size of the request graph, which is well suited for practical requests which have small $k$. Such requests form a large class of web-service and enterprise workloads. Also, if we restrict the requests topology to a clique (all VMs connected to a virtual switch with uniform bandwidth requirements), we show that the dynamic programming algorithm can be modified to output the minimum congestion embedding in time $O(k^2n)$.

研究动机与目标

• 解决在满足 VM 间带宽保证的前提下，最小化 IaaS 环境中网络拥塞的挑战。
• 将 VM 分配问题建模为图嵌入任务，其中虚拟网络边必须映射到具备足够带宽的物理路径。
• 为树形物理与请求拓扑设计高效算法，实现最优 VM 部署，以提升资源利用率与服务质量（QoS）。
• 建立理论难解性结果，证明即使在限制性拓扑约束下，该问题仍为 NP-难。
• 为实际工作负载（如企业应用和 MapReduce）提供可扩展解决方案，其中请求规模较小但带宽保证至关重要。

提出的方法

• 使用动态规划计算最优 VM 到服务器映射，以最小化树形数据中心中的网络拥塞。
• 将问题建模为将请求图（包含 VM 及其带宽需求）嵌入物理树形网络，每个虚拟边映射到一条具备足够带宽的物理路径。
• 设计状态空间遍历机制，考虑所有可能的 VM 部署方案，并基于物理链路上累积的带宽使用量计算拥塞程度。
• 针对团状请求拓扑（如虚拟集群）设计改进算法，通过利用对称性与均匀带宽需求，将时间复杂度降低至 O(nk^2)。
• 通过从已知难解问题的归约，证明即使物理与请求拓扑均被限制为树与路径，该问题仍为 NP-难。
• 通过在小规模实例上对所有可行分配进行线性扫描，验证算法正确性，并表明暴力枚举在大规模场景下不可行。

实验结果

研究问题

• RQ1 当物理网络与请求图均被限制为树形拓扑时，最优带宽感知 VM 分配问题是否仍为 NP-难？
• RQ2 能否设计一种高效的动态规划算法，以计算树形数据中心中小型 VM 请求图的最小拥塞嵌入？
• RQ3 该算法在服务器数量（n）与请求图规模（k）方面如何扩展？
• RQ4 能否针对特定请求模式（如完全连通的团，例如 MapReduce 工作负载）进一步优化算法，以实现更优的时间复杂度？
• RQ5 启发式方法在实际环境中因缺乏精确流量建模而失效的程度如何？与最优解相比，其表现如何？

主要发现

• 即使物理网络与请求拓扑均被限制为树形，最小化带宽感知 VM 分配中的网络拥塞问题仍为 NP-难。
• 所提出的动态规划算法在 O(3^k n) 时间内计算最优嵌入，对请求规模较小（k）的实际工作负载具有可行性。
• 对于团状请求（如虚拟集群），该算法运行时间为 O(nk^2)，显著提升了 MapReduce 等工作负载的效率。
• 实验评估显示，该算法在服务器数量（n）上呈线性扩展，证实其在大规模数据中心中的高效性。
• 对所有可能的 VM 分配进行暴力枚举在真实数据中心中不可行，即使对小规模实例（如 n=125, k=4）也需数小时甚至数天，而所提算法可在数秒内完成。
• 该算法对残余链路容量的变化具有鲁棒性，并能始终提供最优结果，无论物理链路上可用带宽的分布如何。