[论文解读] RIOT: a Novel Stochastic Method for Rapidly Configuring Cloud-Based Workflows.

Jianfeng Chen, Tim Menzies|arXiv (Cornell University)|Aug 27, 2017

Cloud Computing and Resource Management参考文献 42被引用 1

一句话总结

RIOT 是一种基于概率模型的随机工作流调度方法，通过代理评估机制快速探索调度配置，将任务分组到虚拟机中。与传统方法相比，它在保持调度质量的同时，实现高达数十倍的加速，适用于动态云环境。

ABSTRACT

Cloud computing provides engineers or scientists a place to run complex computing tasks. Finding a workflow's deployment configuration in a cloud environment is not easy. Traditional workflow scheduling algorithms were based on some heuristics, e.g. reliability greedy, cost greedy, cost-time balancing, etc., or more recently, the meta-heuristic methods, such as genetic algorithms. These methods are very slow and not suitable for rescheduling in the dynamic cloud environment. This paper introduces RIOT (Randomized Instance Order Types), a stochastic based method for workflow scheduling. RIOT groups the tasks in the workflow into virtual machines via a probability model and then uses an effective surrogate-based method to assess a large amount of potential scheduling. Experiments in dozens of study cases showed that RIOT executes tens of times faster than traditional methods while generating comparable results to other methods.

研究动机与目标

• 解决动态云环境中工作流调度缓慢且缺乏灵活性的挑战。
• 开发一种方法，实现在不牺牲调度质量的前提下快速重新调度。
• 降低传统启发式与元启发式调度方法的计算开销。
• 探索随机与基于代理的方法在大规模工作流配置中的可行性。

提出的方法

• RIOT 基于执行特性，利用概率模型将工作流任务分组到虚拟机中。
• 采用基于代理的优化技术，高效评估大量潜在的调度配置。
• 通过从实例类型和任务分配的概率分布中采样，动态探索调度选项。
• 利用随机采样优先选择高潜力配置，减少穷举搜索。
• 通过迭代优化调度候选者，平衡探索与利用。

实验结果

研究问题

• RQ1 随机方法是否能在保持调度质量的同时显著减少云工作流的调度时间？
• RQ2 与传统启发式和元启发式方法相比，RIOT 的基于代理的评估在速度和准确性方面表现如何？
• RQ3 RIOT 在动态云环境中对复杂真实工作流配置的可扩展性如何？
• RQ4 概率模型在指导任务到虚拟机映射以实现最佳性能方面的有效性如何？

主要发现

• 在实验评估中，RIOT 的执行速度比传统调度方法快 up to 几十倍。
• 该方法生成的调度结果在质量上与其它先进方法相当。
• 基于代理的评估使在不进行完全计算的情况下，高效探索大规模调度空间成为可能。
• RIOT 在动态云环境中的重新调度中表现出强大的可扩展性与适应性。