Modellazione di Applicazioni mulS‐Ser in Cloud Data Center
Transcript
Modellazione di Applicazioni mulS‐Ser in Cloud Data Center
Modellazione di Applicazioni mul0‐0er in Cloud Data Center [email protected] h<p://www.ce.uniroma2.it/courses/MMI/ h<p://www.uniroma2.it/didaAca/MMI Emiliano Casalicchio ‐ [email protected] Riferimen0 • Questa lezione è basata sull’ar0colo – Jing Bi; Zhiliang Zhu; Ruixiong Tian; Qingbo Wang; , "Dynamic Provisioning Modeling for Virtualized Multi-tier Applications in Cloud Data Center," Cloud Computing (CLOUD), 2010 IEEE 3rd International Conference on , vol., no., pp. 370-377, 5-10 July 2010 Emiliano Casalicchio ‐ [email protected] Problema del Resource Provisioning • Allocazione dinamica e on‐demand di VMs per ges0re la domanda di risorse da parte degli uten0 di un’infrastru<ura Cloud • Necessità di abba0mento dei cos0 da parte degli uten0 e quindi massimizzazione l’uso delle risorse distribuendo il workload tra applicazioni mul00er • Allocazione dinamica e on‐demand di risorse quali CPU, disk, memory e bandwidth tra le macchine virtuali residen0 sui nodi un datacenter/cloud infrastructure • Configurazione oAma delle VM Emiliano Casalicchio ‐ [email protected] Un approccio basato su modelli a re0 di code per dynamic resource provisioning in VM-based cloud data center • Modello di applicazione mul0‐0er • Modello ibrido M/M/c + n M/M/1 per risolvere 2 problemi – “Resource provisioning, a number of cluster VMs are dedicated to virtualized multi-tier application and the model must determine how many VMs are allocated to virtualized multi-tier application to satisfy the requirement of given response time for customers” – “VM configuration, which enables various configuration parameters of the VM to be determined for a certain performance goal.” Emiliano Casalicchio ‐ [email protected] Archite<ura di riferimento • Archite<ura basata su ciclo MAPE (Monitor, Analyze, Plan and Execute) • Ogni applicazione (mul0‐0er applica0on) è composta da più applicazioni eseguite su diversi nodi del cluster Emiliano Casalicchio ‐ [email protected] Approccio risolu0vo 1. determinare la capacità delle mul0ple VMs ad ogni livello in termini di tasso di richieste ges0bili 2. calcolare il numero di VMs necessarie ad ogni livello per soddisfare i requisi0 di performance (tempo di risposta) dell’utente. Emiliano Casalicchio ‐ [email protected] Modelo anali0co (di performance) del resource scheduler • Mul0‐0er applica0on eseguita su più macchine virtuali ed ogni 0er fornisce una certa funzionalità al livello precedente – n 0er T1,…Tn – ci VM parallele (ed iden0che) ad ogni 0er – Tu<e le richieste in ingresso arrivano ad uno scheduler a coda singola (ODS) e a<endono risorse libere al primo livello. (modello M/M/c1) – Ogni 0er ha un suo dispatcher per la distribuzione del carico supposta “perfe<a” – Ogni 0er è modellato con un modello di code parallele (m M/M/1) – Ogni livello ha un modello two way Ti Ti+1 Emiliano Casalicchio ‐ [email protected] Modello anali0co (di performance) resource scheduler (cont) • Arrivi poissoniani, • inter‐arrival 0me exp.neg. λs,i = α i−1λs,i−1 n R = ∑ Tr (i) i=1 µ1,i = µ2,i = ... = µc i ,i ci ∑µ j,i = ui (c i ) j=1 ρ i = λs,i /ui (c i ) < 1 € Emiliano Casalicchio ‐ [email protected] Modello anali0co (di performance) del resource scheduler (cont.) • resp. 0me livello 1 ci ∑λ • resp. 0me livello i>1 s, j,i j=1 i = 2..n, s = 1..m c i = f i ( λs,i , µ1,i ,..., µc i ,i ) € Emiliano Casalicchio ‐ [email protected] € = λs,i Formulazione del problema di provisioning Emiliano Casalicchio ‐ [email protected]