Data placement optimization through heterogeneous cloud storage

การวางตำแหน่งข้อมูลที่เหมาะสมที่สุดผ่านหน่วยเก็บข้อมูลแบบคลาวด์ที่ต่างกัน

Name: Titipat Sukhvibul

ThaSH: Algorithms

ThaSH: Cloud computing

ThaSH: Electronic data processing -- Distributed processing

Abstract: Storage as a Service is one of the fundamental parts of the cloud computing industry. Each storage providers offer different storage plan to meet various of customers’ requirement. Data temperature is one of the well-known models in data placement. In this model, the most frequently accessed data are called hot data. On the other hand, the infrequently accessed data are called cold data. Typically, most data placement algorithms decide where to store data based on three costs: storage cost, retrieval cost, and bandwidth cost. However, there is another condition in cold data, so-called minimal storage duration. As a result, an additional cost charged if the cold data are moved or deleted before the agreed storage duration. This extra cost is called the early update cost. As far as we are aware, none of the existing work had deeply studied the effect of this retention time. We proposed a new data placement to address the penalty cost. The experiments showed that our proposed algorithm eliminated the early update cost to nearly zero in mostly cold data and a very long time storage scenario. Besides, our proposed algorithm reduces the overall cost up to 24.87% compared to the existing algorithms.

Abstract: ในอุตสาหกรรมบริการระบบจัดเก็บข้อมูล (Storage as a Service) ผู้ให้บริการต่างเสนอแพ็กเกจที่ หลากหลายเพือตอบสนองความต้องการของผู้ใช้งานที่ต่างกัน หนึ่งในโมเดลของการวางตำแหน่ง ข้อมูล (Data Placement) ที่ได้รับความนิยมเรียกว่าโมเดลอุณหภูมิของข้อมูล (Data Temperature Model) ที่พิจารณาการวางตำแหน่งข้อมูลจากความถ่ีที่ข้อมูลถูกเรียกใช้งาน ในโมเดลดังกล่าวข้อมูลที่ ถูกเรียกใช้งานบ่อยจะถูกเรียกว่าข้อมูลร้อน (Hot Data) ตรงกันข้าม ข้อมูลที่ถูกเรียกใช้น้อยจะถูกเรียก ว่าข้อมูลเย็น (Cold Data) โดยทัว่ ไป การพิจารณาตำแหน่งในการวางตำแหน่งข้อมูลจะพิจารณาจากค่าจัดเก็บ (Storage Cost), ค่าเรียกใช้ (Retrieval Cost) และค่าแบนด์วิธ (Bandwidth Cost) แต่จากการศึกษาพบว่ายังไม่มีงาน วิจัยที่นำเง่ือนไขพิเศษของข้อมูลเย็นที่เรียกว่า ระยะเวลาขั้นตํ่าที่ข้อมูลต้องถูกเก็บ (Minimal Storage Duration) มาประกอบการพิจารณาในการวางตำแหน่งข้อมูล ทำให้เม่ือข้อมูลเย็นใด ๆ ถูกย้ายหรือลบ ก่อนครบระยะเวลา เจ้าของข้อมูลจะต้องเสียค่าปรับ เรียกค่าปรับที่เกิดขึ้นว่าค่าการแก้ไขข้อมูลก่อน กำหนด (Early Update Cost) ในงานวิจัยนี้ได้นำเสนออัลกอริทึมการวางตำแหน่งข้อมูลเพื่อแก้ปัญหาค่าปรับที่เกิดจากการแก้ไข ข้อมูลก่อนกำหนด ผลการทดลองแสดงให้เห็นว่าในกรณีที่ข้อมูลส่วนใหญ่เป็นข้อมูลเย็นและมีการ เก็บเป็นระยะนาน เมื่อเปรียบเทียบกับอัลกอริทึมดั่งเดิมแล้วอัลกอริทึมที่นำเสนอสามารถป้องกันการ เกิดค่าการแก้ไขข้อมูลก่อนกำหนดได้และสามารถลดค่าใช้จ่ายโดยรวมได้สูงสุดถึง 24.87%

Chiang Mai University. Library

Address: CHIANG MAI

Email: cmulibref@cmu.ac.th

Name: Nasi Tantitharanukul

Role: Chairman

Name: Juggapong Natwichai

Role: Member

Name: Paskorn Champrasert

Role: Member

Name: Pruet Boonma

Role: Member

Created: 2021

Modified: 2022-11-03

Issued: 2022-11-03

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Engineering

Level: Master's Degree

Descipline: Computer Engineering

Grantor: Chiang Mai University

©copyrights Chiang Mai University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	600631032.pdf	641.94 KB	1	2025-02-21 14:18:49

ใช้เวลา

0.040783 วินาที