Вероятностная модель для анализа задержки доступа к инфраструктуре облачных вычислений с системой мониторинга Текст научной статьи по специальности «Компьютерные и информационные науки»

Вероятностная модель для анализа задержки доступа к инфраструктуре облачных вычислений с системой мониторинга

В последнее время широкое распространение и активное продвижение получила концепция "облачных вычислений" (cloud computing), которая реализует независящий от конечного абонентского оборудования доступ по требованию к разделяемому между многими пользователями набору разнородных вычислительных ресурсов, территориальное расположение и объем которых может меняться во времени. В рекомендации Y.3510 МСЭ представлены требования, предъявляемые к облачной инфраструктуре, из которых следует необходимость в мониторинге производительности развернутых приложений и в сборе соответствующих статистических данных. Зачастую вычислительные ресурсы предоставляются пользователям в виде виртуальных машин, разделение доступа и контроль использования которых являются первоочеред ной задачей поставщика облачных услуг. Рассматривается облачный ц ентр обработки данных с системой мониторинга, которая осуществляет непрерывный контроль доступности виртуальных машин, отслеживая в том числе их текущее количество. Необходимость применения мониторинга услуг играет важную роль в среде облачных вычислений, в особенности для оценки SLA/QoS, так как в приложении или услуге могут возникнуть проблемы, даже если виртуальные машины, на которых выполняется работа, выглядят работоспособным. Система мониторинга должна контролировать рабочее состояние виртуальных машин, время отклика и пропускной показатель системы. В рамках современных исследований, анализ этих данных можно использовать для выявления первопричины возникновения задержек в обслуживании. При работе системы мониторинга происход ит приостановка деятельности виртуальных машин, следовательно при мониторинге возникает задержка в обслуживании запросов, поэтому предложена вероятностная модель, учитывающая время, затраченное на мониторинг. Актуальной является задача расчета и анализа различных показателей качества функционирования сети, в том числе, с помощью методов математической теории телетрафика. Разработан рекуррентный алгоритм для расчета стационарного распределения вероятностей состояний модели, получены формулы для вычисления таких показателей качества, как вероятность блокировки и среднее время работы системы мониторинга, что сказывается, на задержке подключения пользователей к виртуальным машинам.

Гудкова ИА, Российский Университет Дружбы Народов РУДН, Москва, ул. Орджоникидзе, д.3, Доцент кафедры систем телекоммуникаций РУДН, кф.-м.н., igvdkova@sci.pV.edv.v

Масловская Н.Д., Российский Университет Дружбы Народов РУДН, г. Москва, ул. Орджоникидзе, д.3, Аспирант кафедры систем телекоммуникаций РУДН, maslov.nafik@mail.iv

Введение

Облачные вычисления представляют собой динамически масштабируемый способ доступа к внешним вычислительным ресурсам в виде сервиса, предоставляемого посредством Интернета [2]. Усилия по стандартизации облачных технологий консолидирует Международный союз электросвязи, работа в котором изначально проводилась в рамках группы Focus Group on Cloud Computing, результаты работы которой были оформлены в виде нескольких отчетов [3], а летом 2013 г. были выпущены спецификации [5-7], определяющие требования к качеству предоставления облачных услуг, инфраструктуре и особенностям управления вычислительными ресурсами. Из требований, предъявляемых к облачной инфраструктуре, следует необходимость в мониторинге производительности центра обработки данных (ЦОД), в том числе, в отслеживании текущего числа включенных виртуальных машин.

В статье рассматривается приложение, размещенное на ЦОД, который состоит из виртуальных машин, буфера и системы мониторинга. Предложена вероятностная модель, учитывающая время, затраченное на сбор соответствующей информации, и разработан рекуррентный алгоритм для расчета стационарного распределения вероятностей состояний модели [4].

1. Модель доступа к облачной инфраструктуре с системой мониторинга

Система состоит из С виртуальных машин, конечного буфера объемом г и системы мониторинга (рис. 1). Предполагается, что входящий поток запросов является пуассонов-ским с интенсивностью Я, а время предоставления облачной услуги распределено по экспоненциальному закону со средним 1 / ц. Запросы обслуживаются в соответствии с дисциплиной FCFS (First Come First Served - первый пришел первый обслужился).

За отслеживание числа занятых виртуальных машин отвечает система мониторинга, при этом оказывается влияние и на буфер и на функционирование виртуальных машин. Система мониторинга может находиться в двух состояниях: включена («оп») и выключена («off»). В состоянии «оп» система мониторинга осуществляет свою работу по экспоненциальному закону за среднее время 1 / а, а работа виртуальных машин приостанавливается. Система переходит в со-

Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 13-07-00953 а.

Ключевые слова: облачные вычисления, центр обработки данных, виртуальная машина, система мониторинга, рекуррентный алгоритм, вероятность блокировки, среднее время.

T-Comm #6-2014

13

14

Т-Сотт #6-2014

7- <7(Л,0) = — [(Л + а)9(Л-1,1)-Л<7(Л-2,1)].

С /V

«г/( R, 1) = - [СрЧ( R, 0) - л<7( R -1,0)] • а

Получив ненормированные вероятности, можно рассчитать нормирующую константу С = У ціп я)* а затем

найти стационарное распределение вероятностей

/’(/7,5) = <7(/7,$)Д/,(/7,.5)Є X •

Основными вероятностно-временными характеристиками модели являются вероятность /? блокировки запроса на предоставление облачной услуги, среднее время и-, задержки в предоставлении услуги по причине работы системы мониторинга и суммарное среднее время и> задержки, складывающееся ИЗ времени XV. и среднего времени ожидания начала предоставления услуги:

С-1 я

£л/К«,1) + С£/>(л,1)

B = p(R,0)+p(R,\), щ =

п=С

А(\-В)

г

^п(р(С + п, 0) + р(С + /7,1))

IV = wt+^-

/1(1 -В)

Далее представлены примеры численного анализа зависимости некоторых из характеристик от предложенной нагрузки для системы с параметрами:

/? = 100. цл =10.ис, а’1 =0,2 С = 20, Л = 100, /Г1 =10л»с, а"1 =0,2

5 10 IS 20

Предложенная наїру іка. /»= /./ р

Предложенная наїру іка. р = /.//і

Заключение

Разработанная вероятностная модель облачной инфраструктуры с системой мониторинга позволяет оценить задержку в предоставлении облачных услуг, связанную с процессом мониторинга. В дальнейшем предполагается провести более детальный численный анализ исследуемой модели, направленный на определение параметров системы, при которых задержка в предоставлении облачных услуг по причине системы мониторинга была бы допустима.

Интерес также представляет задача анализа влияния принципа автомасштабирования числа виртуальных машин на показатели качества обслуживания пользователей, а также учет распределенности инфраструктуры облачных реше-

Литература

1. Башарин Г.П., Гайдамака Ю.В., Сачуйлов К.Е. Математическая теория телетрафика и ее приложения к анализу мультисер-висных сетей связи следующих поколений, Автоматика и вычислительная техника, 2013,№2.-С. 11-21.

2. Buyya R.. BrobergJ., Goscinski A.. Cloud Computing. Principles and Paradigms, John Wiley & Sons, Inc., 2011, New Jersey, pp. 637.

3. Focus Group on Cloud Computing Technical Report, 2012, 'Part 1: Introduction to the cloud ecosystem: definitions, taxonomies, use cases and high-level requirements', ver. 1.0, c. 62.

4. Khaled S., Boutaba R.. Estimating service response time for elastic cloud applications, Proc. of the International Conference on Cloud Networking CLOUDNET, IEEE, 2012, c. 12-16.

5. Recommendation ITU-T, 2013, Cloud computing framework and high-level requirements, Y.3501, c. 27.

6. Recommendation ITU-T, 2013, Cloud computing infrastructure requirements, Y.35IO, 22.

7. Recommendation ITU-T, 2013, Cloud computing framework for end-to-end resource management, Y.3520, c. 16.

Probability model for analysing impact of delays due to monitoring on mean service time in cloud computing

Irina Gudkova, Peoples' Friendship University of Russia, Telecommunication Systems Department, associate professor, igudkova@sci.pfu.edu.ru Nataliya Maslovskaya, Peoples' Friendship University of Russia, Telecommunication Systems Department, PhD student, maslov.natik@mail.ru

Abstract

Recently the wide circulation and the active advance was received by the concept of "cloud computing" which implements access independent of the finite subscriber equipment on demand to a set of heterogeneous computing resources separated between much users, territorial layout and which volume can change in time. Requirements imposed to cloudy infrastructure from which need for monitoring of productivity of the torn applications and assembled relevant statistical data follows are provided to recommendations Y3510 of the International Telecommunications Union. Often computing resources are provided to users in the form of the virtual machines, division of access and which monitoring of use are a priority of the supplier of cloudy services. In article the cloudy data processing center with the monitoring system, which exercises the continuous monitoring of accessibility of the virtual machines is considered, tracing including their current quantity. Need of application of monitoring of services plays an important role in the environment of cloud computing, in particular for SLA/QoS assessment as in application or service there can be problems even if the virtual machines on which operation is performed, look operable. The monitoring system have to control working state of the virtual machines, time of a response and a conducting index of system. Within the modern researches, the analysis of these data can be used for detection of the prime cause of origin of time delays in service. In case of system operation of monitoring there is a suspension of activities of the virtual machines, therefore when monitoring there is a time delay in service of requests therefore the probability model considering time, spent for monitoring is offered. The task of calculation and the analysis of different figures of merit of functioning of a network, including, by means of methods of the mathematical teletraffic theory is actual.The probability model considering time, spent for monitoring is offered. The recurrent algorithm is developed for calculation of stationary distribution of probabilities of statuses of model, and also formulas for computation of such figures of merit as blocking probability and mean time of collection and statistics processing - that affects, first of all, a time delay of connection of users to the virtual machines are received.

Keywords: cloud computing, data center, virtual machine, monitoring, recursive algorithm, blocking probability, mean time.

References

1. Basharin, G, Gaidamaka, Y Samouylov, K. 2013, 'The mathematical teletraffic theory and its applications to the analysis of multiservice communication networks of the next generations', Automatic equipment and computer facilities, No2, pp. 11-21.

2. Buyya, R, Broberg, J., Goscinski, A. 2011, Cloud Computing. Principles and Paradigms, John Wiley & Sons, Inc., New Jersey, 637.

3. Focus Group on Cloud Computing Technical Report, 2012, 'Part 1: Introduction to the cloud ecosystem: definitions, taxonomies, use cases and high-level requirements', ver. 1.0, 62.

4. Khaled, S, Boutaba, R. 2012, 'Estimating service response time for elastic cloud applications', Proc. of the International Conference on Cloud Networking CLOUDNET, IEEE, pp. 12-16.

5. Recommendation ITU-T, 2013, Cloud computing framework and high-level requirements, Y.3501, 27.

6. Recommendation ITU-T, 2013, Cloud computing infrastructure requirements, Y3510, 22.

7. Recommendation ITU-T, 2013, Cloud computing framework for end-to-end resource management, Y.3520, 16.

T-Comm #6-2014

1S