Proge&azione orientata alle prestazioni di strategie per la ges1one delle risorse in ambien1 Cloud

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "Proge&azione orientata alle prestazioni di strategie per la ges1one delle risorse in ambien1 Cloud"

Isidoro Benvenuto Colli
8 anni fa
Visualizzazioni

1 Proge&azione orientata alle prestazioni di strategie per la ges1one delle risorse in ambien1 Cloud h&p://

2 Riferimen1 In questa lezione viene discusso l ar1colo Ye Hu, Johnny Wong, Gabriel Iszlai, and Marin Litoiu Resource provisioning for cloud computing. In Proceedings of the 2009 Conference of the Center for Advanced Studies on Collaborative Research (CASCON '09), Patrick Martin, Anatol W. Kark, and Darlene Stewart (Eds.). ACM, New York, NY, USA,

3 Problema del Resource Provisioning Sta1c resource alloca1on vs autonomic resource alloca1on Applica1on Environment (AE) = insieme di risorse condivise da una o più applicazioni applicazioni intera@ve (requisi1 di limitata capacità computazionale e basso tempo di risposta) applicazioni cara&erizzate dallo stello SLA insieme di risorse = server un arbitro globale deve decidere la migliore allocazione di risorse ad un AE SLA: SLA(x,y)={Prob[ responce 5me <= x ] >= y}

4 Strategie di Allocazione Shared Alloca1on (SA): I server sono condivisi da applicazioni (job) appartenen1 a tu&e le classi di servizio. scheduling: FCFS, priorità (applicazioni con SLA stringen1 sono processa1 con priorità) Dedicated Alloca1on (DA) Ad ogni classe di applicazione è assegnato un numero fisso di server scheduling: FCFS

5 Modello di prestazione SA Processo degli arrivi: Poisson λ i arrival rate Service 1me esponenziale 1/μ i media

6 Modello di prestazione: DA Processo degli arrivi: Poisson λ i arrival rate Service 1me esponenziale 1/μ i media

7 Resource Provisioning: DA FCFS F(x)=Pr[responce 1me <= x] CDF del tempo di risposta M/M/m (per ogni classe) μ 1 = μ 2 = μ λ 1, λ 2 m D1, m D2 numero minimo di server per soddisfare l SLA m = m D = m D1 + m D2

8 Resource Provisioning: SA FCFS F(x)=Pr[responce 1me <= x] CDF del tempo di risposta M/M/m (1 per tu&e le classi) μ 1 = μ 2 = μ λ= λ 1 + λ 2 ρ = (λ 1 + λ 2 )/μ m S1, m S2 numero minimo di server per soddisfare l SLA m = m S = max{ m S1, m S2 }

9 Confronto tra SA e DA OBIETTIVO: Proge&are un algoritmo (euris1co) che determini la strategia di allocazione preferita (DA o SA) in funzione dello stato del sistema

10 SLA difference: una metrica per rimuovere la dipendenza dall SLA e tasso di arrivo per un dato SLA(x,y) le prestazioni di DA/SA variano al variare del tasso di arrivo Devo trovare una metrica che mi perme&a di confrontare le due strategie di allocazione su tu&o il range del tasso di arrivo

11 Dipendenza dal tasso di arrivo: SA v.s. DA Scelgo scenari con D simile Valuto se SA migliore di DA, ossia m S < m D m S < m D m S < m D m S > m D m S > m D

12 m S < m D m S < m D m S > m D m S > m D

13 Allocazione Euris1ca: Algoritmo

14 Valutazione delle prestazioni (FCFS) Indice di prestazione: Effec5veness S S = Pr[Alg. euris1co trova una soluzione corre&a] = n_correct / L

15 Scheduling con priorità: Probability Dependent Priority (PDP) proge&ato per massimizzare la probabilità di soddisfare un (vincolo) sul tempo di risposta dovrebbe avere come side effect la minimizzazione del numero di server necessari ad un AE τ i frequenza misurata dell evento {responce_1me i <= x i }

16 FCFS Altre discipline di scheduling Head of the Line priority (HOL): Job con il più elevato valore di G(SLA) sono considera1 prima

17 Valutazione delle prestazioni frazione del numero di volte una disciplina è megliore delle altre: q F =n F /L, q H =n H /L, q P =n P /L Differenza in numero di server alloca1 da PDP rispe&o a FCFS e HOL: Δ F =s F /n, Δ H =s H /n

Documenti analoghi

Lo scheduling. Tipici schedulatori

Lo scheduling. Tipici schedulatori Lo scheduling Un processo durante la sua evoluzione è o running o in attesa di un evento. Nel secondo caso trattasi della disponibilità di una risorsa (CPU, I/O, struttura dati, ecc.) di cui il processo