Ksurf-Drone: Attention Kalman Filter for Contextual Bandit Optimization in Cloud Resource Allocation
Created by
Haebom
Category
Empty
저자
Michael Dang'ana, Yuqiu Zhang, Hans-Arno Jacobsen
개요
클라우드 데이터 센터의 컨테이너 기반 인프라에서 리소스 오케스트레이션 및 구성 파라미터 검색은 중요한 문제이다. 본 논문은 높은 가변성을 보이는 클라우드 환경에서 Ksurf를 활용한 리소스 오케스트레이션의 성능을 평가한다. 특히, Ksurf를 컨텍스트 기반 멀티-암드 밴딧(contextual multi-armed bandit)의 목적 함수 모델로 사용하여 Drone 오케스트레이터의 성능을 개선하고자 한다.
시사점, 한계점
•
시사점:
◦
Ksurf는 Drone을 사용한 클라우드 시나리오에서 높은 가변성을 보이는 워크로드 하에서 리소스 추정 작업을 수행하여 성능을 향상시킨다.
◦
p95에서 41%, p99에서 47%의 대기 시간 분산 감소를 달성한다.
◦
Kubernetes에서 CPU 사용량 4% 감소, 마스터 노드 메모리 사용량 7MB 감소를 보였다.
◦
VarBench Kubernetes 벤치마크에서 평균 워커 포드 수 7%의 비용 절감을 달성했다.
•
한계점:
◦
논문에 구체적인 한계점 언급은 없음. (단, Ksurf 및 Drone 사용에 따른 특정 환경 의존성, 다른 벤치마크/워크로드 환경에서의 성능 검증 필요성 등은 추후 연구 과제로 볼 수 있음)
