突発的なWebトラフィックの増減に適応するfuzzy entropyを用いたオートスケーリングシステム

情報処理学会

抄録

E コマースサービスなどをクラウド上で提供する際に，サービスレベルを一定に保つ一方でコストをなるべく抑えたい場合，不規則に増減するトラフィックに併せて提供するサーバ資源量を変化させる必要がある．過去の時系列データから将来生じる負荷を予測する研究は数多くあるが，急激に増減するバーストトラフィックに対して必要なサーバ資源を提供することは困難である．既存の自動スケーリング手法では，直近の負荷に加えバーストトラフィックを考慮し，近未来に必要なサーバ資源を提供している．本稿では fuzzy entropy を用いたバーストトラフィック検知，および動的なウィンドウサイズ変更を伴うスライディングウィンドウ学習に基づくトラフィック予測法を提案し，さらに複数の負荷指標に対する決定回帰木を適用する新たなオートスケーリングシステムを提案する．実トラフィックを用いた 4 つの比較実験を行った結果，提案手法がベースライン手法と比較してリクエスト失敗数を減少させ，理想的なコンテナ数の推移との平均二乗誤差（Mean Squared Error, MSE）が平均 26.4 ポイント改善した．

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ