Abstract
In the cloud computing environment, cloud service users purchase and use the virtualized resources from cloud resource providers on a pay as you go manner. Typically, there are two billing plans for computing resource allocation adopted by large cloud resource providers such as Amazon, Gogrid, and Microsoft, on-demand and reserved plans. Reserved Virtual Machine(VM) instance is provided to users based on the lengthy allocation with the cheaper price than the one of on-demand VM instance which is based on shortly allocation. With the proper mixture allocation of reserved and on-demand VM corresponding to users' requests, cloud service providers are able to reduce the resource allocation cost. To do this, prior researches about VM allocation scheme have been focused on the optimization approach with the users' request prediction techniques. However, it is difficult to predict the expected demands exactly because there are various cloud service users and the their request patterns are heavily fluctuated in reality. Moreover, the previous optimization processing techniques might require unacceptable huge time so it is hard to apply them to the current cloud computing system. In this paper, we propose the cloud brokering system with the adaptive VM allocation schemes called A3R(Adaptive 3 Resource allocation schemes) that do not need any optimization processes and kinds of prediction techniques. By using A3R, the VM instances are allocated to users in response to their service demands adaptively. We demonstrate that our proposed schemes are able to reduce the resource use cost significantly while maintaining the acceptable Quality of Service(QoS) of cloud service users through the evaluation results.
클라우드 컴퓨팅 환경에서, 클라우드 서비스 사용자는 클라우드 자원 제공자로부터 가상화된 컴퓨팅 자원을 사용할 시간만큼 구매하여 할당받는다. 일반적으로 아마존, 고그리드 및 마이크로소프트와 같은 대형 클라우드 자원 제공자들은 자원 과금 정책을 온디맨드와 예약형 기반 가상 자원의 두 가지로 구분하여 제공한다. 예약형 기반 가상 자원은 상대적으로 장기간 할당을 가지므로 단위 시간당 자원 사용 비용이 온디맨드 가상 자원과 비교하여 더 저렴하다. 이러한 과금 정책 특성을 기반으로 클라우드 서비스 사용자의 서비스 요구 사항을 고려하여 적절한 자원 할당을 수행함으로써 클라우드 서비스 제공자는 자원 할당 비용을 효과적으로 절감할 수 있다. 이를 위해서, 기존의 가상 자원 할당 기법들은 서비스 사용자의 요구사항 특성을 미리 예측하여 최적의 자원을 할당하는 방법들을 제안하였다. 그러나 실세계에서는 다양한 클라우드 서비스 사용자가 존재하고 서비스 요구사항이 동적으로 변하기 때문에 정확한 예측을 하기 어려우며, 최적화된 할당을 위한 연산 시간이 추가 오버헤드가 되어 자원 관리 성능을 떨어뜨릴 수 있다. 이를 해결하기 위해, 본 논문에서는 적응적 자원 할당 기법을 제안하여 요구사항 예측 및 최적화 기법을 수행하지 않으면서도 서비스 요구사항에 효과적으로 대응하여 자원을 제공할 수 있도록 한다. 실험 결과를 통해 제안된 기법이 자원 사용 비용을 크게 절감하면서도 클라우드 서비스 사용자의 QoS를 만족함을 보인다.
