클라우드 장기 비용 절감을 위한 휴리스틱 기반 자원 예약 최적화

초록

본 논문은 장기 운영 애플리케이션의 클라우드 자원 수요를 고려하여, 예약 인스턴스와 온디맨드 인스턴스의 혼합 사용으로 총 비용을 최소화하는 휴리스틱 알고리즘을 제안한다. 정수 계획법(IPP)의 최적해와 비교했을 때, 제안된 다항식 시간 휴리스틱이 거의 동일한 비용 효율성을 보이며, 특히 단일 계약 유형에서 최적 예약량을 수요 벡터의 정렬된 값 중 하나로 결정할 수 있음을 증명한다.

상세 분석

이 논문은 클라우드 서비스 제공자가 제공하는 다양한 과금 모델—고정 비용, 가변 비용, 하이브리드 비용, 유연 비용—중 특히 Amazon EC2의 온디맨드, 예약, 스팟 인스턴스 모델을 분석한다. 연구자는 장기적인 애플리케이션 실행을 여러 단계(t=1…T)로 나누고, 각 단계별 요구 자원량 Dₜ를 사전에 예측 가능하다고 가정한다. 예약 계약은 K가지 유형(k=1…K)으로 구분되며, 각 계약은 일회성 예약 비용 Rₖ, 시간당 사용 비용 rₖ, 계약 지속 기간 tₖ(스테이지 수)라는 파라미터를 가진다.

정수 계획법(IPP) 기반 모델은 예약 인스턴스 수 xᴿₖₜ, 예약 인스턴스 활용 수 xʳₖₜ, 온디맨드 인스턴스 수 xₒₜ를 변수로 두고, 전체 비용 Cₜ = Σₖ(xᴿₖₜ·Rₖ + xʳₖₜ·rₖ·h) + xₒₜ·o·h 를 최소화한다. 제약조건은 (1) 변수는 비음수 정수, (2) 각 단계에서 활용 가능한 예약 인스턴스는 해당 계약이 시작된 시점부터 tₖ 단계까지 누적된 예약량을 초과할 수 없으며, (3) 총 활용 인스턴스는 단계별 수요 Dₜ를 만족해야 한다.

IPP는 NP‑hard 문제이므로 실용적인 해법이 필요하다. 저자는 단일 계약 유형(k가 1)인 경우에 한해, 수요 벡터 D를 오름차순 정렬한 Dˢ를 이용해 최적 예약량이 Dˢ의 원소 중 하나임을 증명한다. 핵심은 비용 변화 ΔE를 (Dˢⱼ₊₁−Dˢⱼ)·(Rₖ−tₖ·αₖ + j·αₖ) 형태로 표현하고, 여기서 αₖ = o−rₖ(시간당 할인)이다. Lemma 1은 Rₖ < tₖ·αₖ, 즉 예약 비용이 전체 할인액보다 작아야 함을 보이며, Lemma 2는 최적 예약량이 Dˢ의 원소임을 보인다. Theorem 1은 j* = ⌊tₖ−Rₖ/αₖ⌋ 로 정의된 인덱스에 해당하는 Dˢⱼ*가 최소 비용을 제공한다는 결론을 내린다.

다중 계약 유형(K>1) 상황에서는 두 단계의 휴리스틱을 제시한다. 첫 번째는 각 계약별로 위의 단일 계약 알고리즘을 적용해 후보 예약량을 구하고, 두 번째는 전체 비용을 평가해 가장 비용 효율적인 조합을 선택한다. 이 과정은 O(K·T·log T) 시간 복잡도로, 실제 대규모 워크로드에도 적용 가능하다. 실험에서는 실제 Amazon EC2 가격 데이터를 사용해, 제안된 휴리스틱이 IPP 최적해와 평균 1‑2% 이내의 비용 차이를 보이며, 계산 시간은 수초 수준으로 크게 단축되는 것을 확인했다.

이 논문의 주요 기여는 (1) 예약 인스턴스와 온디맨드 인스턴스 혼합 사용 문제를 정형화한 IPP 모델, (2) 단일 계약 상황에서 최적 예약량을 수요 정렬값으로 한정하는 수학적 증명, (3) 다중 계약에 대한 다항식 시간 휴리스틱 설계, (4) 실험을 통한 비용 효율성 및 실행 시간 검증이다. 또한, 수요와 가격의 불확실성을 고려하지 않은 점은 향후 연구 과제로 남겨두었다.