Динамическое управление питанием в задаче динамического управления ресурсами вариации планировщика и эксперименты (1187399), страница 6
Текст из файла (страница 6)
7. SLAV-метрика.Рис. 8. Энергопотребление, Квт-Ч.41Рис. 9. Число миграций.IQRMTMADMTLRMTLRRMT IQRMU MADMU LRMU LRRMUNONEE, КВт*Ч200.06196.53173.98174.90156.29154.46142.8349.60792.11ESV,7.878.724.545.66.937.913.14.403.944.442.613.24.435.122.172.940OTF %4.924.933.734.05.545.693.624.20PDM %897889670MIG_N27788278492699827178170641766714601154310( −3 )x 10SLAV,( −5 )x 10Табл. 2. Результаты симуляций.6. Выводы.На основании полученных результатов, следует сделать нескольковыводов:1. Динамическая консолидация ВМ в комбинации с локальным DPM даётсущественный выигрыш в минимизации энергопотребления (рис. 5.3).2. Методы локальной регрессии превосходят методы с адаптивнойграницей ввиду меньшего уровня SLAV и числа миграций ВМ.3. Локальная регрессия даёт лучшие результаты по сравнению смодификацией Кливланда, что может быть объяснено тем, что длясимулируемой нагрузки важнее оперативно реагировать на «быстрые»42пики нагрузок, нежели размывать последние по невязке.
Вопроспрактического компромисса между ЛР и ЛРР остаётся открытым и будетисследован автором в дальнейшем.4. Вопрос выбора ВМ также остаётся открытым в практическом смысле.Использование смешанной политики выбора ВМ «Минимальное времямиграции при максимальном использовании CPU» даёт статистическилучшие результаты, снижая число миграций, однако, ввиду примененияпростейшей модели для миграции, без учёта корреляции нагрузки CPU сосложностью живой миграции, не учитывается ряд важных факторов,которыепотребуетсяанализироватьприпостроенииреальногопрактического решения.7.
Заключение.Проведённая автором работа определяет модель динамическогоуправления облачной системой с целью соответствия QoS и минимизацииэнергопотребления. Децентрализованность решения трёх подзадач изчетырёхобеспечиваетраспределённость,высокуюдоступностьиотказоустойчивость системы в случае выхода из строя некоторыхкомпонент. Также происходит упрощение работы по расположению ВМ:глобальный планировщик контролирует весь набор ВМ и весь диапазонФМ, вообще говоря, только в начальном расположении. Далее активностьпо определению перегруженности, недогруженности, мигрируемых ВМ ипереключения ФМ, за исключением команды приведения выключеннойФМ в активное состояние и поиска расположения подмножества ВМ,передаётся локальным планировщикам ФМ.Граничный метод определения недогруженности позволяет оперативнорешатьподзадачуотключенийнезагруженныхФМ,адаптивныеэвристические методы определения перегруженности — осуществлять43разгрузку и поддерживать QoS.
К сожалению, недостатком данных методовявляется отсутствие прямого управления уровнем QoS в виде явной SLAVконстанты. Теоретическое обоснование существования эффективногоонлайн-алгоритма, реализующего прямое управление, вывод свойствданногоалгоритма(максимизациямежмиграционноговремени,оптимальная реакция на SLAV) также приведены в работе, а практическаяреализация метода — вопрос дальнейших исследований автора.8.Дальнейшие исследования.В дальнейшем, автором планируется проведение ряда исследований повыявлениюпрактическихособенностейинтеграцииприведённыхалгоритмов в реальные облачные системы на основе различных технологийвиртуализации, построение оптимального онлайн-алгоритма с явнымуправлениемуточнениеQoS-уровнем.моделиживойВполеисследованиймиграции,учёттакже попадаетпроцессарепликациизагрязняемых страниц памяти и других особенностей, необходимых дляпостроения адекватного и эффективного решения по динамическойоптимизации в IaaS.9.
Литература:1. Ефанов Н. Н., Мелехова А. Л., Бондарь А. О. Алгоритмыдинамического управления энергопотреблением в облачной системе,«Программная инженерия», №4, 2015, С. 20 – 302.ASHRAEpublicatios,2014.Электронныйисточник:https://www.ashrae.org/resources--publications3. J.
Koomey, “Worldwide electricity used in data centers”. EnvironmentalResearch Letters. vol. 3, no. 034008. September 23444. Anton Beloglazov, Rajkumar Buyya, “Energy Efficient ResourceManagementin Virtualized Cloud Data Centers”, IEEE TCSC DoctoralSymposium, Proceedings of the 10th IEEE/ACM InternationalSymposium onCluster, Cloud, and Grid Computing (CCGrid 2010),Melbourne, Australia, May 17-20, 2010.5.
VMWare Russia: vSphere и vSphere with Operations Management, 2016Электронныйисточник:http://www.vmware.com/ru/products/vsphere/features/drs-dpm6. Карпов Д.В., Бондарь А.О., Энергосбережение изнутри: что вдействительности могут измерить профилировщики , RSDN Magazine,2013.7. ACPI specification. Электронный источник: http://www.acpi.info8. S. Mittal, "A survey of techniques for improving energy efficiency inembeddedcomputing systems", IJCAET, 6(4), 440–459, 2014.9. Minas and B.
Ellison,Energy Efficiency for Information Technology: Howto Reduce Power Consumption in Servers and Data Centers. Intel Press,2009.10. Bishop Brock, Karthick Rajamani, «Dynamic Powe Management forEmbedded Systems, IBM Research, 2001.11. Wireless Local-Area Network Fundamentals. — М.: «Вильямс», 2004. —С. 304. — ISBN 5-8459-0701-212.
Intel® 64 and IA-32 Architectures Developer's Manual: Vol. 3B, Intel Labs,2016.13. Fan, W. D. Weber, and L. A. Barroso, “Power provisioning for a warehousesizedcomputer,” in Proceedings of the 34th Annual InternationalSymposium on Computer Architecture (ISCA) , 2007, pp. 13–23.14.TheSPECpowerbenchmark.http://www.spec.org/power_ssj2008/45Электронныйисточник:15. F. Farahnakian, P. Liljeberg and J. Plosila, "LiRCUP: Linear RegressionBased CPU Usage Prediction Algorithm for Live Migration of VirtualMachines in DataCenters," 2013 39th Euromicro Conference onSoftware Engineering and Advanced Applications, Santander, 2013,pp. 357364.16.
Электронный источник: https://github.com/nefanov/17. Susanta Nanda Tzi-cker Chiueh, A Survey on Virtualization Technologies,Department of Computer Science SUNY at Stony Brook, Stony Brook, NY,2015.18. Mike Day, A Survey of High-Performance Virtualization Techniques, IBMRESEARCH, 2014.19. A. Borodin, R El-Yaniv, Online computation and competitive analysys.Cambridge University Press, New York, 1998, vol.
53.20. Anton Beloglazov and Rajkumar Buyya, “Managing Overloaded Hosts forDynamic Consolidation of Virtual Machines in Cloud Data Centers UnderQuality of Service Constraints”, IEEE Transactions on Parallel andDistributed Systems (TPDS), 24(7), pp. 1366-1379, 2013.21. Cleveland, William S.; Devlin, Susan J.
(1988). "Locally-WeightedRegression: An Approach to Regression Analysis by Local Fitting". Journalof the American Statistical Association, vol. 83 (403): 596–610.22. W. S. Cleveland, “Robust locally weighted regression and smoothingscatterplots”, Journal of the American Statistical Association, vol. 74, no.368, pp.829–836, 1979.23. Norris, James R. Markov chains. Cambridge University Press, 1998.24. Everitt,B.S. The Cambridge Dictionary of Statistics, CUP, 2002.25. Parzen, E. , Stochastic Processes, Holden-Day, 1962.26.
Dodge, Y. , The Oxford Dictionary of Statistical Terms, OUP, 2003.27. S. P. Meyn, R.L. Tweedie, Markov Chains and Stochastic Stability, 2005.28. O. Luiz, A. Perkusich, A. M. N. Lima, “Multisize sliding window in46workloadestimationfordynamicpowermanagement,”IEEETransactions on Computers, vol. 59, no. 12, pp. 1625–1639, 2010.29. Christopher Clark, Keir Fraser, Steven Hand, Jacob Gorm Hansen, Eric Jul,Christian Limpach, Ian Pratt, Andrew Warfield Live Migration of VirtualMachines, University of Cambridge Computer Laboratory Department ofComputer Science 15 JJ Thomson Avenue, Cambridge, UK, 2005.30.
William Voorsluys , James Broberg , Srikumar Venugopal , RajkumarBuyya, Cost of Virtual Machine Live Migration in Clouds: A PerformanceEvaluation, School of Computer Science and Engineering, The Universityof New SouthWales, Sydney, Australia, 2009.31. M. Yue, “A simple proof of the inequality FFD (L)<11/9 OPT (L)+ 1,for alll for the FFD bin-packing algorithm,”Acta Mathematicae ApplicataeSinica (English Series) ,vol.
7, no. 4, pp. 321–331, 1991.32. S. Park and V. S. Pai, “CoMon: a mostly-scalable monitoring system forPlanet-Lab”, ACM SIGOPS Operating Systems Review , vol. 40, no. 1, pp.65–74,2006.33. Ryan T.A., Joiner B.L. Normal Probability Plots and Tests for Normality,Technical Report, Statistics Department, The Pennsylvania State University,1967.4748.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
