Анализ показателей эффективности функционирования системы облачных вычислений с динамическим масштабированием Текст научной статьи по специальности «Математика»

Печинкин А.В.1, Гайдамака Ю.В.2, Сопин Э.С.3, Таланова М.О.4

1 Институт проблем информатики РАН, г. Москва, главный научный сотрудник,

[email protected]

2 Российский университет дружбы народов, г. Москва, к.ф.-м.н., доцент кафедры

прикладной информатики и теории вероятностей, ygaidamaka @ mail.ru 3 Российский университет дружбы народов, г. Москва, к.ф.-м.н., старший преподаватель кафедры прикладной информатики и теории вероятностей, sopin [email protected] 4 Российский университет дружбы народов, г. Москва, аспирант, ассистент кафедры прикладной информатики и теории вероятностей, matalanova @gmail . com

Анализ показателей эффективности функционирования системы облачных вычислений с динамическим масштабированием12

КЛЮЧЕВЫЕ СЛОВА

Облачные вычисления, гистерезисное управление, динамическое подключение/отключение сервера, исключение состояний.

АННОТАЦИЯ

В статье исследована модель системы облачных вычислений с динамическим масштабированием в виде системы массового обслуживания с гистерезисным управлением количеством серверов и немгновенным подключением для анализа ее производительности. Используя метод исключения состояний, получен эффективный алгоритм расчета стационарных вероятностей и показателей качества функционирования системы. Предложен пример численных расчетов характеристик модели.

Введение

Системы облачных вычислений предоставляют

высокопроизводительную вычислительную среду, которая доступна везде при наличии соединения с интернетом. Они обладают хорошей масштабируемостью и сравнительно просты в обслуживании, что приводит к непрерывному увеличению числа облачных приложений и поставщиков облачных услуг [1-4]. Наиболее очевидным решением, позволяющим эффективно использовать вычислительные ресурсы, то есть улучшить отношение «стоимость/производительность» системы, является реагирование на изменение рабочей нагрузки путем динамического подключения/отключения обслуживающих серверов (виртуальных машин) [5, 6].

Если на систему не поступают запросы клиентов, серверы отключены

12 Работа выполнена при частичной поддержке РФФИ, проекты № 13-07-00223, 14-07-00090.

для экономии электроэнергии, и включаются по мере увеличения загруженности системы. С одной стороны, подключение дополнительного сервера помогает обслужить большее количество заявок и повысить производительность системы. С другой стороны, это приводит к увеличению затрат на обслуживание, а время активации дополнительного сервера - к снижению эффективности функционирования. Поэтому для снижения числа срабатываний системы управления масштабированием применяется гистерезисный подход. Для разработки алгоритма вычисления стационарных вероятностей мы используем метод исключения состояний [7, 8, 9], при этом учтено время, необходимое для активации сервера.

В статье исследована модель системы облачных вычислений с динамическим подключением/отключением серверов в виде системы с гистерезисным управлением [5] и получен эффективный алгоритм расчета вероятностей состояний системы, которые позволяют оценить важные показатели качества обслуживания (QoS, Quality of Service), такие как среднее время отклика, количество подключенных серверов и др.

Математическая модель

Рассмотрим систему массового обслуживания с бесконечной очередью и с гистерезисом, имеющую K обслуживающих приборов. Заявки поступают в систему по закону Пуассона с параметром я . Считаем, что приборы однородные, каждый с экспоненциальным обслуживанием с параметром #. Количество активных приборов ограничено сверху значениями порогового вектора H = (H1, H2,...,HK_1), H1 < H2 <... < HK_1 и снизу - вектором L = (L1, L2,...,LK_1), L1 < L2 <... < LK_1, где Lt < Hi, i = 1, K _ 1 . Очередь имеет дисциплину FCFS (First Come First Served). Поступившая в пустую систему заявка обслуживается одним прибором. Если в системе уже есть Hi заявок, то при поступлении новой заявки активируется один дополнительный прибор, но не мгновенно, а через случайное время, имеющее экспоненциальное распределение с параметром % . Если в системе Li заявок и при этом одна заявка обслужилась, то (i +1) -й прибор мгновенно отключается.

... I ■

i i i I

н2 НЧ А

Рис.1. Многолинейная система массового обслуживания с порогами H и L

Функционирование системы описывается Марковским процессом X (t) с множеством состояний:

£ = ^ I И, п I

О <п <Я,Д = 1,1= 1;

<н <ЯЬ*= 2, Г-1, 1=1, Г-1;

где к означает количество приборов, которое необходимо в момент 1; ' означает количество активированных приборов в момент 1; п количество заявок в очереди.

Диаграмма интенсивностей переходов для описанной системы массового обслуживания показана на рис. 2. Она может иметь бесконечное число уровней в зависимости от количества порогов. В нашей статье мы строим модель для двух пар порогов: (А,Н^ и , поэтому диаграмма

рис.2 построена для К = 3 .

X X X

м м

XXX

(ООЗС-

Рис.2. Диаграмма интенсивностей переходов

Метод исключения состояний

Для вычисления стационарных вероятностей мы используем метод исключения состояний. Состояния цепи Маркова исключаются последовательно один за другим, начиная с конца, пока не будут получены только два состояния (рис. 3): начальное состояние (11,0) и макросостояние (11,1), содержащее все остальные состояния системы.

После исключения состояний мы разворачиваем их один за другим в обратном порядке, записывая уравнения глобального баланса с учетом

11,1

исключенных состоянии.

#

Рис.3. Два состояния после исключения состояний для диаграммы на рис.2 Для состояний рис. 3 получаем соотношение

-А

&11,1 — &11,0 . #

На рис. 4 показано исключение состояний для 1 — 1.

А А А

11,1

А

11,

—# # #

Рис.4. Исключение состояний для первого уровня диаграммы на рис.2 Следовательно, для диаграммы рис. 4 получаем соотношение

Я

V

Для вычисления стационарных вероятностей первого уровня введем

(211 „, Ь\ <П<Н\~\

вспомогательную вероятность 1 1 того, что из состояния

(11, п) состояние (11, п -1) будет достигнуто раньше, чем состояние (11, L1 -1) . На рис. 5 показаны интенсивности с учетом описанной вспомогательной вероятности.

А А А А А т

АУи п +1

(1)

4" alln+\)

Рис.5. Исключение состояний для первого уровня диаграммы на рис.2 Вспомогательные вероятности вычисляются с помощью рекуррентного соотношения

— #

a

11,н

И

1 Я + # '

аП,п - ,

А + р- АЩ 1>и41

Тогда стационарные вероятности с учетом исключенных состояний имеют вид

Щ\,п =

Я

-Л11.И-1.

Я

&11, н,

(2) (3)

2. т 11,н. -1 .

1 # + Я 1

Для вычисления стационарных вероятностей второго уровня, когда

активирован один прибор, введем следующие вспомогательные вероятности:

а21,п > ^2<П<Н2 —вероятность ТОГО, ЧТО ИЗ СОСТОЯНИЯ состояние (21,п ~!) будет достигнуто раньше, чем состояние (22, Ц -1) или состояние (31, Ц2) ;

а*1 —вероятность того, что из состояния (21,Ц2) состояние (21,Ц -1) будет достигнуто раньше, чем состояние (22, Ь2 -1);

а21,п > ¿1+1 ¿и <1^-1 —вероятность ТОГО, ЧТО ИЗ СОСТОЯНИЯ (21'й)

состояние (21,п -1) будет достигнуто раньше, чем состояние (22,Ц2).

Эти вероятности вычисляются по рекуррентным соотношениям

_ #

а21, Н 2

/и + Л + а'

р + Л + а- Да21>н+1

(! - Огщ )-

а21 _ а21,Ь2 +(1 - а '$С21

Л + а

где С21 —вероятность того, что из состояния (31, Н2 +1) состояние

(21, Ц -1) будет достигнуто раньше, чем состояние (22, Ц -1);

_ #

а 21, Ц -1 т т * ,

2 # + Л + а-Ла 21

=-:--> ^йпй^-г.

{¿ + Л + а-Ла2и+1

Далее введем вспомогательные вероятности

; Ь. —вероятность того, что из состояния (21,#1+1)

состояние (21 п) будет достигнуто раньше, чем состояние (22, Ц -1) или состояние (31, Ц2) ;

—вероятность того, что из состояния (21, Н1 +1) состояние (21, Ь2 -1) будет достигнуто раньше, чем состояние (22, Ь2-1);

> ^ <п< ¿2 - 2 —вероятность ТОГО, ЧТО ИЗ СОСТОЯНИЯ (21,#1+1)

состояние (21 п) будет достигнуто раньше, чем состояние (22,Ц) .

Для этих вероятностей справедливы следующие уравнения:

Я!+1

!=Н+1

=421,1^-1+ 1.1-421,1^-1 1-Г^' А А Л+а

*

41,« = 41 П ^М- ^<^<¿2-2.

¡'=>5+1

Используя описанные вспомогательные вероятности, вычислены

стационарные вероятности с учетом исключенных состоянии:

я-а11=Л--,

1 &21,Н1 + &11Н

&21, Н1 +1 =$-ТТ.-^»

1 # + а + Щ - а21, н1+2;

^21,п = Д

^21,73-1

р + а + Я\\ -а21,н+1 1

, Нх + 2<п<Н2-\,

&

21, Н 2 -1

&21, Н 2 л ■

2 # + а+$

(4)

(5)

(6)

(7)

(8)

(9) (10)

Рассмотрим случай, когда активировано два прибора. Введем вспомогательные вероятности и интенсивности:

а ¿9+1 <П<Н~! (22

22 и, 1 1 —вероятность ТОГО, ЧТО ИЗ СОСТОЯНИЯ

состояние (22,7?-1) будет достигнуто раньше, чем состояние (22,^-1);

Л„ Ь<п<Н7

22 и, " 2 —интенсивность непосредственного перехода из

состояний уровня 21 в состояние (22, п) при условии, что исключены состояния (22,п +1),..., (22,Н2) и все состояния уровней 31, 32, 33.

Для этих вероятностей и интенсивностей справедливы уравнения

2ц

а

22, я,

а

22,п

2ц

1 + 2¡л - Ла22г „+1

2ц + Я'

, Ь2 + \<п<Н2-\,

^22 ,Н2 ~ аЯ21Н2 -А 22,;ч = ал21,И + |^22,п+1^122,п+1, к<П<Н2~ 1,

Л22,л I^ <N<¿2-1.

г=п

Используя описанные вспомогательные вероятности и интенсивности, вычислены стационарные вероятности с учетом исключенных состояний:

&

Л&22,Н 2-1 + ' 22, Н2

22, Н 2

(11)

(12) (13)

+ Х (14)

Для вычисления стационарных вероятностей третьего уровня, когда активирован один прибор, введем следующие вспомогательные вероятности:

аъ\,п 1 П - —вероятность ТОГО, ЧТО ИЗ СОСТОЯНИЯ (З1'и) состояние

(31,и — 1) будет достигнуто раньше, чем состояние (22,^-1);

^31.», Ь. - п- Щ —вероятность того, что из состояния (31,Я2 + 1) состояние (31, п) будет достигнуто раньше, чем состояние (22, Ц2 -1);

С31 —вероятность того, что из состояния (31, Ц2) состояние (21, Ц -1) будет достигнуто раньше, чем состояние (22, Ц -1).

Для этих вероятностей справедливы уравнения

X + ¡л + 2а - ^ X + ¡л + 2а ? - 4Ду

а2\,п ~

2Х

= Ь2<п<Н2+ Ь

П > ¿2 +1:

С31 -

¡л + 2а + 1- а31 > Отсюда можно получить формулу для вероятности С21:

С _ А С

21 _ ^131,Ц2^31"

Используя описанные вспомогательные вероятности, получены стационарные вероятности с учетом исключенных состояний:

&31,Ц _ Ч31А31,Ь2&21,Н2, (15)

&

п -Н 2-1

31,п

^31

&

31,Н 2 +15

п > Н + 2,

(16) (17)

где ?31 _

Л

Отметим, что формула (17) представляет собой

# + 2а + $(1 - а31)

бесконечную убывающую геометрическую прогрессию, а значит, сумма вероятностей &л,п, п>Н2+2 может быть легко вычислена.

Рассмотрим случай, когда активировано два прибора. Введем вспомогательные вероятности и интенсивности:

аз2,п, п>-L2 + 1 —вероятность того, что из состояния (32, п) состояние (32, п -1 будет достигнуто раньше, чем состояние (22, L2 -1);

^З2,п, L2—п—Н2 + 1 —вероятность того, что из состояния (32, Н2 +1) состояние (32, п) будет достигнуто раньше, чем состояние (22, L2 -1);

л3

п > L 2 —интенсивность непосредственного перехода из

состояний слоя 31 в состояние (32, п) при условии, что исключены состояния (32,п +1),...,(32, п + 2),... и все состояния слоя 33.

Для этих вероятностей и интенсивностей справедливы уравнения

$ + 2# + а -т]($ + 2# + а)2 -8$#

а

32,п

2$

АХг1 = а$+1-\ 12<п<Н2+Ь

А

32, п ~

2а ..п-н2-1

пз\,н2+ь П>Н2 + \,

1 -а32д31

Л32>„ = 2 атгзи + а32,п+\А32,п+\> ^<п<Н2. Используя описанные вспомогательные вероятности и интенсивности, вычислены стационарные вероятности с учетом исключенных состояний:

&

32,¿2

Л 32,¿2 +$^32,Ь2 &22,Н2

2# + а + $(1 - а32)

яЪ2,п ~ Мз\ где А =

Ъ\ 2

(18)

(19)

^ 2 ^31,Я2 44 +/Г Н^32,н2+ъ п>н2+ 2, Яз\ - /2

2а

;> А2 =

$

(20)

. Отметим, что

(1 - а3^31 )(2# + а + $(1 - а32))' 2 2# + а+$(1 - а32) формула (20) представляет собой сумму нескольких убывающих геометрических прогрессий, а значит, сумма вероятностей &32,и, п>Н2+2 может быть легко вычислена.

Рассмотрим случай, когда активировано три прибора. Введем

вспомогательную интенсивность

л 3

п > L 2 —

интенсивность

непосредственного перехода из состояний слоя 32 в состояние (33, п) при условии, что исключены состояния (33,п +1) , (33,п +2), .... Для нее справедливы уравнения { „п-Я-,-1

А

33,п -

Яз\ - /2

Яз\

32

1~Яз\

^31,^2+1 + ■

а/2 2

2 ;

1-/2

п>Н2+1,

Азз,п = + Лзз,п+1, Ь-А<п<Н2.

Используя описанную вспомогательную интенсивность, вычислены стационарные вероятности с учетом исключенных состояний:

(22)

Аналогично формулам (17) и (20), соотношения для вероятностей -зз,п, п>Ь2+1 представимы в виде суммы нескольких убывающих геометрических прогрессий.

Таким образом, методом исключения состояний мы получили соотношения между стационарными вероятностями всех состояний, представленных на диаграмме рис. 2. Эти соотношения позволяют вычислять стационарное распределение с точностью до константы. Пусть

начальная ненормированная вероятность ^цо =1. По формулам (1)-(22)

^ ~ _ _ _

вычисляем . Суммы вероятностей , " , и

п ^ Ь 2+1 могут быть легко вычислены, так как формулы (17), (20), (22) содержат убывающие геометрические прогрессии. Вычисляется нормирующая константа

2

что позволяет получить нормированные стационарные вероятности:

п | е £

О

Основным достоинством предложенного алгоритма является его линейная вычислительная сложность.

Характеристики производительности системы

С помощью вычисленных вероятностей можно рассчитать основные характеристики производительности системы. Введем подмножество

- {(Ьи, п 1е £ | I ^ Которое включает все состояния с / активными

приборами, I = 1, К . Тогда вероятности того, что i приборов активны,

могут быть вычислены простым суммированием соответствующих вероятностей:

I ЛЬ,™-

Формула для среднего числа м заявок в системе и для среднего времени Т отклика (времени пребывания заявки в очереди и время обслуживания этой заявки на любом приборе) представлены ниже.

(Ь,п)еЛ' (23)

г = N $ ■

Время тi , проведенное заявкой в состоянии ^ , вычисляется по формулам

/ ВТ и. V1

Тх = Р 1.^1

V

£ я*

к=2 J

V1

£ я*

£=3+1

п=Х

Я-1

2<* < Г-1,

= РI. ^ II | .

Численные результаты

При численном анализе нас интересует среднее число ы заявок в системе и среднее время Т отклика системы. Пусть количество обслуживающих приборов К =3 , а интенсивность обслуживания # =1 заявок/мс.

На рис. 6 представлен график зависимости среднего числа заявок м в системе от интенсивности $ (заявок/мс) входящего потока: для значений порогов (А,нх) = (5°Л°0) , = (75,125) на рис. 6а, для

(А,И,) = (250,75^ , (¿2,Н2) = (500,1000) на рис. 6б.

,, —а = 0.1 -а = 1

%заявок_ _ N заявок

-1

-- J (

Я

и

г.5

Я гоо

1 1,Б 1 3,5 э

а. для (А,Я1) = (50,100), (Ь2,Н2) = (75,125) б. для (А,^) = (250,750), (Ь2,Н2) = (500,1000) Рис.6. График зависимости среднего числа заявок от интенсивности входящего потока На рис.7 представлен график зависимости среднего времени Т (мс) отклика от интенсивности $ (заявок/мс) входящего потока: для значений порогов (4,И) = (50,100) , (¿2,И2) = (75,125) на рис. 7а, для (А,И,) = (250,750) , (¿2,И2} = (500,1000) на рис. 7б.

Отметим, что в рассматриваемой системе нет потерь, поэтому параметр $1 # имеет также смысл среднего числа работающих приборов. На графиках рис. 7 видно, что среднее время отклика зависит от значений порогов: чем выше их значения, тем длительней это время. При этом с увеличением времени подключения дополнительного прибора (% =0Л приборов/мс) время отклика увеличивается, что вполне ожидаемо.

— а = 0.1 * = 1

зс£ 26 22 18 14 10

а. для (А,Н) = (50,100), (А,Н2) = (75,125) б. для (А,= (250,750), (¿2,Н2) = (500,1000)

Рис.7. График зависимости среднего времени отклика от интенсивности входящего

потока

Отметим поведение графика на рис. 7а. На достаточно большом интервале нагрузочных параметров (I-3 < $/# < 2 7 ) среднее время отклика практически не меняется. Такое поведение важнейшего показателя производительности системы облачных вычислений оправдывает применение гистерезисного управления, поскольку, правильно подобрав пороги подключения и отключения дополнительных виртуальных машин, провайдер облачных услуг может улучшить энергоэффективность системы, не снижая показателей качества услуг.

График на рис.7б представляет собой пример неправильного подбора порогов. Из-за больших промежутков между порогами на интервалах 1.1 <$/ #< I.9 и 2-1 <$/ #< 29 среднее число заявок в системе почти не меняется, в то время как среднее число работающих приборов линейно возрастает, поэтому на данных интервалах время отклика уменьшается. И наоборот, на интервалах I-9 <$/#< 2-1 и 2 9 <$/#< 3 среднее число заявок резко растет, а среднее число работающих приборов растет медленнее, что приводит к увеличению времени отклика.

Таким образом, из-за неудачного подбора порогов появляются значительные колебания времени отклика системы в зависимости от нагрузки. Следовательно, оптимизация значений порогов является ключевой задачей для повышения эффективности функционирования системы облачных вычислений. Однако данная задача является предметом отдельного исследования.

Заключение

Моделирование процессов в системах облачных вычислений является одной из наиболее востребованных областей применения теории массового обслуживания. В статье исследована модель включения/отключения серверов в сети, для которой в [5] с помощью матрично-геометрического подхода были получены формулы вычисления некоторых стационарных характеристик системы для анализа динамического управления ресурсами при предоставлении услуги «видео по запросу». Однако, в применении к

А{С

1

__ 1— 11

1,5

2,5

Л

% мс

490 450 410 370 330 290 250

Гч

1

н- — Л

1,5

2,5

облачным вычислениям формулы [5] не дают возможности проводить анализ показателей функционирования системы даже для сравнительно небольших значений структурных параметров системы облачных вычислений. Наша цель заключалась в разработке эффективного алгоритма расчета стационарных вероятностей состояний системы, который позволял бы проводить расчеты для близких к реальности значений параметров системы облачных вычислений. В статье мы применили метод исключения состояний, который позволяет вычислить стационарные характеристики системы значительно легче, чем матрично-геометрический подход [5]. Преимущество предложенного алгоритма заключается в том, что его сложность возрастает линейно.

Основной задачей дальнейших исследований является разработка метода вычисления вероятностей для произвольного количества серверов, формализация задачи оптимизации для системы облачных вычислений и проведение численного анализа с целью определения оптимальных значений порогов системы. Также планируется разработать имитационную модель для проверки адекватности математической модели.

Работа выполнена при частичной поддержке РФФИ (проекты № 1307-00223, 14-07-00090). Авторы выражают благодарность магистру кафедры прикладной информатики и математической статистики РУДН Ивану Васильеву, принимавшему участие в вычислительном эксперименте.

Литература

1. IEEE P2301 Guide for Cloud Portability and Interoperability Profiles (GCPIP). URL: https://standards.ieee.org/develop/project/2301.html.

2. IEEE P2302 Standard for Intercloud Interoperability and Federation (SIIF). URL: http://standards.ieee.org/develop/project/2302.html.

3. OASIS Identify in Cloud Technical Committee. URL: https://www.oasis-open.org/committees/tc_home.php?wg_abbrev=id-cloud.

4. Joint Coordination Activity on Cloud Computing (JCA-Cloud). URL: http://www.itu.int/ITUT/

5. L. Golubchik, J. C. S. Lui «Bounding of Performance Measures for Threshold-Based Queuing Systems: Theory and Application to Dynamic Resource Management in Video-on-Demand Servers» // IEEE Trans. Computers. - Vol. 51, No. 4, 2002. - Pp. 353-372.

6. V Goswami, S. S. Patra, G. B. Mund, "Performance Analysis of Cloud with Queue-Dependent Virtual Machines", 1st Int'l Conf. on Recent Advances in Information Technology, RAIT-2012 (2012).

7. A.V. Pechinkin, "On an invariant queuing system", Math. Operationsforsch. und Statist. Ser. Optimization. 1983. Vol. 14. № 3. P. 433-444.

8. P. P. Bocharov, C. D'Apice, A. V. Pechinkin, S. Salerno, Queueing Theory. Ultrecht, Boston: VSP Publishing. 2004.

9. Shorgin S.Y., Pechinkin A.V., Samouylov K.E., Gaidamaka Y.V, Gudkova I.A., and Sopin E.S. Threshold-based queuing system for performance analysis of cloud computing system with dynamic scaling // AIP Conference Proceedings: Proc. of the 12th International Conference of Numerical Analysis and Applied Mathematics ICNAAM-2014 (September 22-28, 2014, Rhodes, Greece). - USA, AIP Publishing. - 2014. - В печати.