Efficient Resource Scheduling for Distributed Infrastructures Using Negotiation Capabilities

要約

過去数十年間、情報とインターネット技術の急速な発展により、大量のデータと情報が生み出されました。
情報爆発により、多くの企業や個人がクラウド コンピューティング インフラストラクチャをレンタルしてアプリケーションをクラウドに配置しようとしています。
ただし、クラウド コンピューティング プロバイダーとクライアントの間で締結される合意は、多くの場合効率的ではありません。
プロバイダーのクラウド コンピューティング インフラストラクチャのアイドル状態やクライアントへの追加コストなど、多くの要因が効率に影響します。
考えられる解決策の 1 つは、包括的な交渉ゲーム (交渉の一種) を導入し、交渉の結果に応じてリソースをスケジュールすることです。
ファジィ論理に基づくリソーススケジューリングのためのエージェントベースの自動ネゴシエーションシステムを提案します。
提案された方法は、1 対 1 の自動ネゴシエーション プロセスを完了し、プロバイダーとクライアントにとって最適なオファーを生成できます。
システムを最適化するために、さまざまなメンバー関数、ファジー ルール セット、および交渉シナリオのケースがオファーに与える影響を比較します。
私たちが提案した方法は、リソースをより効率的に利用でき、解釈可能で、柔軟性が高く、カスタマイズ可能であると結論付けることができます。
ファジー ネゴシエーション システムを置き換えて処理速度を向上させる機械学習モデルのトレーニングに成功しました。
この記事では、提案されたシステムと機械学習モデルに対する将来の改善の可能性についても取り上げています。
すべてのコードとデータはオープンソース リポジトリで入手できます。

要約(オリジナル)

In the past few decades, the rapid development of information and internet technologies has spawned massive amounts of data and information. The information explosion drives many enterprises or individuals to seek to rent cloud computing infrastructure to put their applications in the cloud. However, the agreements reached between cloud computing providers and clients are often not efficient. Many factors affect the efficiency, such as the idleness of the providers’ cloud computing infrastructure, and the additional cost to the clients. One possible solution is to introduce a comprehensive, bargaining game (a type of negotiation), and schedule resources according to the negotiation results. We propose an agent-based auto-negotiation system for resource scheduling based on fuzzy logic. The proposed method can complete a one-to-one auto-negotiation process and generate optimal offers for the provider and client. We compare the impact of different member functions, fuzzy rule sets, and negotiation scenario cases on the offers to optimize the system. It can be concluded that our proposed method can utilize resources more efficiently and is interpretable, highly flexible, and customizable. We successfully train machine learning models to replace the fuzzy negotiation system to improve processing speed. The article also highlights possible future improvements to the proposed system and machine learning models. All the codes and data are available in the open-source repository.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google