부분 셧다운을 통한 에너지 효율적 스케줄링

본 논문은 데이터센터와 클라우드 컴퓨팅 환경에서 에너지 절감을 위한 새로운 스케줄링 모델인 “머신 활성화(Machine Activation)” 문제를 제안한다. 전통적인 병렬 기계 스케줄링은 모든 기계가 사전에 가동된 상태를 전제로 하지만, 실제 운영에서는 부하 변동에 따라 일부 기계를 완전히 차단하고 싶다. 이를 위해 각 기계 i에 활성화 비용 a_i를 부여하고, 전체 예산 A 이하로 선택된 기계 집합 S에만 작업을 할당한다. 목표는 선택된 기계들의 활성화 비용과 작업들의 makespan 사이의 트레이드오프를 최적화하는 것이다. 논문은 두 가지 주요 기계 모델을 다룬다. 첫 번째는 비관련(UNRELATED) 기계 모델로, 작업 j가 기계 i에서 수행되는 시간 p_{i,j}가 임의이며, 기계마다 서로 다른 활성화 비용이 존재한다. 두 번째는 균등 관련(UNIFORMLY RELATED) 모델로, 각 기계 i가 속도 s_i와 활성화 비용 a_i를 가지고, 작업 j의 처리시간이 p_j / s_i 로 정의된다. ### 비관련 기계 모델 먼저 비관련 기계 모델에 대해 LP(Linear Programming) 이완을 설계한다. 변수 y_i는 기계 i가 활성화되는지를 나타내며, x_{i,j}는 작업 j가 기계 i에 할당되는 비율을 의미한다. 제약식은 (1) 모든 작업이 적어도 하나의 기계에 할당됨, (2) 할당된 작업은 활성화된 기계에만 배정됨, (3) 각 기계의 총 작업량이 makespan T 이하가 되도록 제한한다. #### 단순 라운딩 LP 해를 기반으로 한 단순 라운딩 알고리즘은 y_i를 확률 ¯y_i 로 독립적으로 샘플링해 기계를 열고, 열린 기계에 대해 x_{i,j}를 정규화해 작업을 할당한다. 이 과정은 O(log n) 번의 반복으로 모든 작업을 할당하고, 각 기계의 부하는 O(T·log n) 이하가 된다. 하지만 활성화 비용과 makespan 모두 로그 팩터가 남는다. #### 의존 라운딩 및 (2+ε, 2(1+1/ε)(ln n·OPT_T+1)) 근사 이를 개선하기 위해 의존 라운딩(dependent rounding) 기법을 적용한다. LP 해에서 y_i와 x_{i,j}를 동시에 라운딩하면서, 각 작업이 여러 기계에 부분 할당된 상태를 유지한다. 라운딩 과정에서 (2+ε)·T 이하의 makespan을 보장하고, 활성화 비용은 2(1+1/ε)(ln n·OPT_T+1)·A 로 제한한다. 여기서 OPT_T는 최적 해의 makespan에 대한 상수이며, ε>0은 임의로 작은 값으로 조정 가능하다. 이 결과는 활성화 비용이 로그 n에 비례하는 집합 커버 문제와 동등한 난이도를 가지므로, (1‑ε)·ln n 이하의 근사는 불가능함을 논문은 언급한다. #### 그리디 알고리즘 기본 버전(활성화 비용만 고려)에서는 그리디 알고리즘을 제시한다. 현재 남은 예산 안에서 가장 많은 작업을 처리할 수 있는 기계를 선택하고, 해당 기계에 할당된 작업을 고정한다. 이 알고리즘은 makespan을 정확히 2·T 로 유지하면서, 활성화 비용을 A·(1+ln n) 로 제한한다. 구현이 간단하고, 실무 적용에 유리하다. #### 적분성 격차 논문은 자연적인 LP 모델에 대해 적분성 격차(integrality gap)를 보인다. 예시로 m개의 저비용 기계와 하나의 고비용 기계를 구성하면, 정수 최적해는 고비용 기계를 반드시 열어야 하지만, LP는 저비용 기계들을 부분적으로 열어 makespan 제약을 만족시킬 수 있다. 이는 활성화 비용에 대한 로그 n 수준의 하한이 존재함을 의미한다. ### 균등 관련 기계 모델 두 번째 모델은 각 기계 i가 속도 s_i와 활성화 비용 a_i를 가지고, 작업 j의 처리시간이 p_j / s_i 로 정의된다. 기존 연구에서는 활성화 비용이 없을 때 PTAS가 알려져 있었지만, 본 논문은 이를 활성화 비용 제약과 결합한다. #### PTAS 설계 작업들을 처리시간 p_j 기준으로 정렬하고, 속도 구간별로 그룹화한다. 이진 탐색을 통해 목표 makespan T에 맞는 최소 속도 임계값 s*를 찾고, 속도 ≥ s*인 기계만을 활성화한다. 이후에는 기존 PTAS(예: Epstein‑Sgall)와 동일한 방식으로 작업을 할당한다. 결과적으로 활성화 비용은 예산 A를 초과하지 않으며, makespan은 (1+ε)·T 로 근사된다. ### 아웃라이어 및 이익 모델 확장 논문은 또한 작업 중 일부를 드롭하거나, 각 작업에 이익 π_j를 부여하는 확장 모델을 다룬다. 목표는 총 이익이 최소 요구치 Π를 만족하면서, 활성화 비용과 makespan을 최소화하는 것이다. 기존의 GAP(Generalized Assignment Problem) 라운딩 기법을 변형하여, 기대 이익 ≥ Π, 기대 비용 ≤ C·Π, 그리고 makespan ≤ 2·T·Π 를 동시에 보장한다. 이는 데이터센터에서 에너지 절감과 동시에 서비스 수준을 유지하려는 상황에 유용하다. ### 관련 연구와 차별점 관련 연구에서는 주로 (1) 기계 수 최소화, (2) 전력 상태 전환 비용을 고려한 온라인 알고리즘, (3) 일정한 전력 소비 모델에 초점을 맞췄다. 본 논문은 활성화 비용(전력 + 냉각)과 작업 스케줄링을 하나의 통합 최적화 문제로 모델링하고, 비관련·균등 관련 두 가지 기계 환경 모두에서 강력한 근사 비율을 제공한다. 특히, 활성화 비용에 로그 n 수준의 하한이 존재함을 증명하고, 이를 회피하지 못하는 근사 한계를 명확히 제시한다. ### 실무적 의미 제안된 알고리즘은 데이터센터 운영자가 실시간 부하에 따라 동적으로 기계를 켜고 끄면서도 SLA(서비스 수준 협약)를 만족시킬 수 있는 이론적 기반을 제공한다. 예산 제한 하에 최소한의 기계만을 활성화하고, 남은 기계에 작업을 효율적으로 할당함으로써 전력 소비와 냉각 비용을 크게 절감할 수 있다. 또한, 아웃라이어 처리와 이익 기반 모델은 특정 서비스에 우선순위를 부여하거나, 비핵심 작업을 배제하고자 할 때 활용 가능하다. 종합적으로, 본 논문은 에너지 효율적인 데이터센터 운영을 위한 새로운 최적화 프레임워크와, 다양한 기계 모델에 대한 근사 알고리즘을 제시함으로써 이론과 실무를 연결하는 중요한 기여를 한다.