[论文解读] Tight Bounds on Online Checkpointing Algorithms

Achiya Bar-On, Itai Dinur+5 more|arXiv (Cornell University)|Jan 1, 2018

Cryptography and Data Security被引用 2

一句话总结

本文建立了在线检查点算法差异性的紧致渐近界，证明最优渐近差异性恰好为 ln 4 ≈ 1.386，解决了长期存在的开放问题。此外，本文为所有 k ≤ 10 提供了可证明最优的算法，并引入了基于线性规划的高效技术，以计算小 k 值下的紧致上下界，显著优于 Bringmann 等人的先前工作。

ABSTRACT

The problem of online checkpointing is a classical problem with numerous applications which had been studied in various forms for almost 50 years. In the simplest version of this problem, a user has to maintain k memorized checkpoints during a long computation, where the only allowed operation is to move one of the checkpoints from its old time to the current time, and his goal is to keep the checkpoints as evenly spread out as possible at all times. At ICALP'13 Bringmann et al. studied this problem as a special case of an online/offline optimization problem in which the deviation from uniformity is measured by the natural discrepancy metric of the worst case ratio between real and ideal segment lengths. They showed this discrepancy is smaller than 1.59-o(1) for all k, and smaller than ln4-o(1)~~1.39 for the sparse subset of k's which are powers of 2. In addition, they obtained upper bounds on the achievable discrepancy for some small values of k. In this paper we solve the main problems left open in the ICALP'13 paper by proving that ln4 is a tight upper and lower bound on the asymptotic discrepancy for all large k, and by providing tight upper and lower bounds (in the form of provably optimal checkpointing algorithms, some of which are in fact better than those of Bringmann et al.) for all the small values of k <= 10.

研究动机与目标

• 解决确定在线检查点算法差异性紧致渐近界的开放问题。
• 开发高效计算技术，以确定小 k 值下可实现差异性的紧致上下界。
• 为所有 k ≤ 10 构建可证明最优的检查点算法，改进先前结果。
• 展示检查点模型在网络安全和容错系统中的新应用。

提出的方法

• 作者使用线性规划（LP）框架，计算小 k 值下最小可实现差异性 qk 的上界。
• 他们提出一种递归打砖策略，Recursive(G*, K*)，该策略渐近地达到最优差异性 ln 4。
• 本文证明，对于所有足够大的 k，差异性上下界均为 ln 4，从而确立了紧致性。
• 分析涉及求解特定特征多项式的最小实根，以确定递归策略中的最优参数。
• 作者通过在 k 从 11 到 20 的范围内进行大量计算验证，提供了具体的算法序列。
• 他们应用竞争分析，评估在线算法相对于最优离线基准的性能。

实验结果

研究问题

• RQ1 对于大 k 值，在线检查点算法的差异性紧致渐近上下界是什么？
• RQ2 能否为所有小值 k ≤ 10 构建可证明最优的检查点算法？
• RQ3 如何开发高效计算技术，以确定小 k 值下 qk 的紧致界？
• RQ4 递归打砖策略 Recursive(G*, K*) 在差异性方面的表现如何？
• RQ5 改进后的检查点模型在现实系统中的实际应用有哪些？

主要发现

• 在线检查点算法的渐近差异性被紧致地界定为 ln 4 ≈ 1.3863，且该界既可实现又为最优。
• 对于所有 k ≤ 10，本文提供了可证明最优的检查点算法，并给出了精确的差异性数值，优于 Bringmann 等人的结果。
• 递归策略 Recursive(G*, K*) 的差异性渐近趋近于 ln 4，且其上界已被证明为紧致。
• 当 k = 2^m + 1 时，最优参数 G* 是多项式 x^k/2 + k/4 - x^k/2 + k/4 - 1 - x^k/2 + 1 的最小实根，证实了分析的紧致性。
• 当 k = 2^m + 2 - 1 时，最优 G* 是 x^(m+1)(k+1)/2 - x^(m+1)(k+1)/2 - 1 - 1 的最小实根，表明上界在渐近意义下为紧致。
• 在最坏情况下，差异性的有效常数接近理论最优值 τ = -log₂(ln 2) 的 100%，证实了分析的锐利性。