| 講演名 | 2020-03-03 広域データセンター間通信のトラフィック特性を考慮したジョブスケジューリング法の検討 荒川 隆志(東京都市大), 塩本 公平(東京都市大), 栗本 崇(NII), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年，データセンターの発達によりデータセンター間広域通信網(DC-WAN)を効率的に使用する需要が高まっている．また，ECサイトでは商品の検索結果の表示が遅延すると売上が減少する等，遅延は様々なサービスに影を落とすことから，DC-WANの高効率化と低遅延化を同時に実現するためジョブスケジューリングに注目が集まっている．そこで，本研究では回線の効率的な利用を目標に深層強化学習アルゴリズムであるPolicy Gradientを用いて，高回線使用率下のDC-WANにおける最適なジョブスケジューリングを学習する手法を提案した．提案手法では、ジョブの価値をデッドライン超過時間に反比例すると仮定し、ジョブの価値を最大化することを目指す。評価実験を通じてPolicy Gradientにより最適なスケジューリングアルゴリズムの学習が行えることを示した．また動的なスケジューリングアルゴリズムであるEarliest Deadline First(EDF)アルゴリズムとの比較を通じて，本提案手法を用いてスケジューリングを行った場合に，遅延に反比例するジョブの価値を最大で1.7倍程度増加することを示した． |
| 抄録(英) | Recent years, the demand for efficient use of Data-Center Wide Area Network (DC-WAN) is increasing. Since delay affects various services (eg, if search results has delayed, sales will decrease on EC site), job scheduling has attracted attention in order to achieve high efficiency and low delay of DC-WAN at the same time. In this study, we proposed a learning method to learn the optimal job scheduling in DC-WAN with high link utilization using Policy Gradient, a Deep Reinforcement Learning algorithm. The proposed method assumes that the job value is inversely proportional to the deadline excess time, and aims to maximize the job value. The evaluation experiments showed that the Policy Gradient can be used to learn the optimal scheduling algorithm. The proposed method increases the value of jobs by up to 1.7 times, compared with the Earliest Deadline First (EDF) algorithm, which is a dynamic scheduling algorithm. |
| キーワード(和) | DC-WAN / ジョブスケジューリング / 深層強化学習 / Policy Gradient |
| キーワード(英) | DC-WAN / job scheduling / Deep Reinforcement Learning / Policy Gradient |
| 資料番号 | PN2019-61 |
| 発行日 | 2020-02-24 (PN) |
| 研究会情報 | |
| 研究会 | PN |
|---|---|
| 開催期間 | 2020/3/2(から2日開催) |
| 開催地（和） | 奄美市社会福祉センター |
| 開催地（英） | |
| テーマ（和） | フォトニックネットワーク関連技術，一般 |
| テーマ（英） | |
| 委員長氏名（和） | 釣谷 剛宏(KDDI総合研究所) |
| 委員長氏名（英） | Takehiro Tsuritani(KDDI Research) |
| 副委員長氏名（和） | 大越 春喜(古河電工) / 古川 英昭(NICT) / 塩本 公平(東京都市大) |
| 副委員長氏名（英） | Haruki Ogoshi(Furukawa Electric) / Hideaki Furukawa(NICT) / Kohei Shiomoto(Tokyo City Univ.) |
| 幹事氏名（和） | 中川 雅弘(NTT) / 松浦 基晴(電通大) |
| 幹事氏名（英） | Masahiro Nakagawa(NTT) / Motoharu Matsuura(Univ. of Electr-Comm.) |
| 幹事補佐氏名（和） | 鈴木 恵治郎(産総研) / 小玉 崇宏(香川大) |
| 幹事補佐氏名（英） | Keijiro Suzuki(AIST) / Takahiro Kodama(Kagawa Univ) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Photonic Network |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 広域データセンター間通信のトラフィック特性を考慮したジョブスケジューリング法の検討 |
| サブタイトル（和） | |
| タイトル（英） | Research of Scheduling Method Considering Traffic-Characteristics for Data Center Wide Area Network(DC-WAN) |
| サブタイトル（和） | |
| キーワード(1)（和/英） | DC-WAN / DC-WAN |
| キーワード(2)（和/英） | ジョブスケジューリング / job scheduling |
| キーワード(3)（和/英） | 深層強化学習 / Deep Reinforcement Learning |
| キーワード(4)（和/英） | Policy Gradient / Policy Gradient |
| 第 1 著者 氏名（和/英） | 荒川 隆志 / Takashi Arakawa |
| 第 1 著者 所属（和/英） | 東京都市大学(略称：東京都市大) Tokyo City University(略称：TCU) |
| 第 2 著者 氏名（和/英） | 塩本 公平 / Kohei Shiomoto |
| 第 2 著者 所属（和/英） | 東京都市大学(略称：東京都市大) Tokyo City University(略称：TCU) |
| 第 3 著者 氏名（和/英） | 栗本 崇 / Takashi Kurimoto |
| 第 3 著者 所属（和/英） | 国立情報学研究所(略称：NII) National Institute of Informatics(略称：NII) |
| 発表年月日 | 2020-03-03 |
| 資料番号 | PN2019-61 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | PN-442 |
| ページ範囲 | pp.51-58(PN), |
| ページ数 | 8 |
| 発行日 | 2020-02-24 (PN) |