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]