Evaluating dynamic rssource allocation strategies in virtualized data centers  

Andreas Wolke and Lucas Zegler

Évaluation des stratégies d'allocation dynamique des ressources dans les centres de données virtualisés

2014 IEEE International Conference on Cloud Computing15-18 december 2014. Singapour

MIR Soufiane

Problématique Contexte Solution proposée

Résultats Limites

Problème général d’allocation optimale des ressources 

Affectation des serveurs à des machines virtuelles

Dans les entreprises, les Serveurs  sont sous 

utilisés (< à 50%)

Consommation d’énergie mal 

adaptée à la charge

Consommation d’énergie par les serveurs et les systèmes de 

climatisation est devenu un problème pour les centres de données

Expérimentent ou adaptent la technologie des machines 

virtuelles  

Besoin de réduire la consommation d’énergie

Problématique Contexte Solution proposée

Résultats Limites

Problématique Contexte Solution proposée

Résultats Limites

Technologie de virtualisation : allocation dynamique des machines virtuelles aux serveurs à l’aide de stratégies dynamiques en fonction de leur charge de travail réelle des serveurs.

Méthode de programmation linéaire DSAP (Dynamic Server Allocation Problem)

J Machines virtuelles j=1,…,J

I Serveurs i=1,…,I

L’horizon total du planing est divisé en τ intervalles de temps : t=1,…, τA chaque période t on a une connexion des Machines virtuelles aux serveurs

Problématique Contexte Solution proposée

Résultats Limites

: CPU du serveur i 

: débit d’utilisation du VM j durant la période t

: Coût du serveur i par période

: = 1 si le serveur est utilisé, 0 sinon

: = 1 si la VM j est liée au serveur i durant la période t, 0 sinon

(1)

(2)

(1) : Chaque VM j est reliée à un seul serveur i durant la période t(2) : La charge totale des VM reliée à un serveur i doit être inférieur au CPU de ce serveur i

Problématique Contexte Solution proposée

Résultats Limites

Problématique Contexte Solution proposée

Résultats Limites

Trois profiles de charges sont considérés, ils sont composés à partir d’une base de données de 486 profiles : MIX1 à partir de 18 profiles avec une forte volatilitéMIX2 à partir de 18 profiles avec une faible volatilitéMIX3, moyenne des deux premiers avec 9 de chaque catégorie

Problématique Contexte Solution proposée

Résultats Limites

Simulation

Problématique Contexte Solution proposée

Résultats Limites

Simulation

Problématique Contexte Solution proposée

Résultats Limites

Simulation

Problématique Contexte Solution proposée

Résultats Limites

Simulation

DSAP permet de réduire la charge des serveurs avec une qualité de service raisonnable. Elle nécessite cependant plus de temps de migration qu’une gestion réactive, ce qui peut causer un risque d’interruption de service et une pression supplémentaire dans la gestion de la plateforme.

Ce temps de migration peut être réduit par l’ajout d’une contrainte supplémentaire dans le programme DSAP. Les résultats ainsi obtenus sont comparables à ceux de l’approche réactive même si la demande en serveurs augmente parfois mais en gardant une bonne qualité de service.

Les résultats sont comparés à d’autres approches de contrôle telle l’approche statique et l’approche réactive.

Problématique Contexte Solution proposée

Résultats Limites

Problématique Contexte Solution proposée

Résultats Limites

Expérience

Problématique Contexte Solution proposée

Résultats PF & Pf

DSAP est un outil simple déterministe pour prédire le nombre de serveurs et le nombre de migration pour l’allocation des machines virtuelles facilement utilisable par les centres de données. Il permet de réduire la demande de serveurs par rapport aux allocations statiques pour le même niveau de qualité de service.

Le modèle ne fournit que des estimations approximatives sur la qualité de serviceConduit à allongement du temps de migration contribuant à la dégradation de la qualité de service. Nécessite de recourir à des techniques particulières pour limiter ce temps.Ne prends pas en compte les fluctuations de la charge de travail (aspect stochastique).

Points forts

Points faibles