Методы и модели сервиса распределения ресурсов в кластерах с балансировкой нагрузки центров обработки данных

Объектом исследования являются вычислительные кластеры облачных центров обработки данных (ЦОД), содержащие множество серверов, систем хранения данных, систему ввода-вывода связанных между собой коммуникационной сетью. Целью работы является разработка методов и моделей повышения производительности кластера ЦОД путем уменьшения времени обработки запросов на обслуживание, а также уменьшения затрат на оборудование за счет эффективного распределения его ресурсов. Это вызывает необходимость реализации оптимизационных алгоритмов размещения виртуальных машин (ВМ) на физических серверах в реальном времени на основе балансировки нагрузки. В основу предложенного метода распределения ресурсов положен итерационный жадный алгоритм и процедура ограниченного перебора. Сокращение времени вычислений достигается при этом путем введения ограничений на допустимую глубину перебора. В работе предложена математическая модель распределения ресурсов, построенная на основе модели Эрланга в виде многолинейной m-узловой системы массового обслуживания (СМО) типа с n-местным буфером, позволяющая определять основные показатели качества обслуживания запросов в виде параметров СМО. Работоспособность предложенного подхода проверена на имитационной модели, построенной на основе статистического анализа функционирования системы, проведено ее экспериментальное исследование.

1. Gnedenko B.V., Kovalenko I.N. Introduction to queuing theory. LCI Publisher; 2007. 400 p.

2. Aliev T.I. Fundamentals of modeling of discrete systems. St. Petersburg, ITMO; 2009. 363 p.

3. Feller E., Rilling L., Morin C. A scalable and autonomic virtual machine management framework for private Clouds. Proceedings of the 12th IEEE/ACMInternational Symposium on Cluster, Cloud and Grid Computing (CCGrid). 2021:482–489.

4. Ward J.S., Barker A. Cloud cover: monitoring large-scale clouds with Varanus. Journal of Cloud Computing: Advances, Systems and Applications, 2015;4:127–135.

5. Kleinrock L.. Queueing Theory. Mashinostroenie; 1979. 432 p.

6. Mochalov V.P., Linets G.I., Bratchenko N.Y., Govorova S.V. An analytical model of a corporate software-controlled network switch. Scalable Computing. 2020;21(2):337–346.

7. Boev V. Kompjuternoe modelirovanie: Posobie dlja prakticheskih zanjatij, kursovogo i diplomnogo proektirovanija v AnyLogic7. St. Petersburg, VAS Publ.; 2014. 432 p. (in Russ.)

8. Taihoon K., Soksoo K. Analysis of Security Session Reusing in Distribution Server System. Computational Science and Its Applications. ICCSA 2006; 2006. 1045 p.

9. Holland J.H. Adaptation in Natural and Artificial Systems:An Introductory Analysis with Applications to Biology,Control, and Artificial Intelligence. The MITPress, Cambridge; 1992. 211 p.

10. Khritankov A. Modeli i algoritmy raspredelenija nagruzki. Algoritmy na osnove setej SMO. Informacionnye tehnologii i vychislitel'nye seti = Information technologies and computer networks. 2009;(3):257 p. (in Russ.).

11. Ivanisenko I., Kirichenko L., Radivilova T. Balancer multifractal methods considering load characteristics. International Journal «Information Content and Processing». 2015;2(4):345–368.

12. Panchenko T.V. Genetic Algorithms. Astrakhan, Astrakhanskiy Universitet; 2007. 87 p.

13. Tsoy Yu.R., Spitsyn V.G. Genetic Algorithm. Tomsk, Knowledge Representation in Information Systems; 2006. 146 p.

14. Mochalov V.P., Bratchenko N.Y., Yakovlev S.V. Analytical model of object request broker based on Corba standard. Journal of Physics: Conference Series. 2018;1015(2). DOI: 10.1088/1742-6596/1015/2/022012.

15. McNab A., Stagni F., and Luzzi C. LHCb experience with running jobs in virtual machines. Journal of Physics: Conference Series. 2016;664:1–7.

16. Ward J.S., Barker A Observing the clouds: a survey and taxonomy of cloud monitoring. Journal of Cloud Computing: Advances. Systems and Applications. 2014;3:25–33.

17. Mochalov V.P., Bratchenko N.Y., Yakovlev S.V. Analytical model of integration system for program components of distributed object applications. International Russian Automation Conference, RusAutoCon 2018. 2018;8501806. DOI: 10.1109/ RUSAUTOCON.2018.8501806.

18. Computing Center of the Institute of High Energy Physics (IHEP-CC). «VCondor – virtual computing resource pool manager based on HTCondor». 2016. Available by: //github.com/hep-gnu/VCondor.

19. Anne-C´ecile Orgerie. When Clouds become Green: the Green Open Cloud Architecture. International Conference on Parallel Computing (ParCo). 2009;228–237.

20. Mochalov V.P., Bratchenko N.Yu., Yakovlev S.V., Gosteva D.V. Distributed management system for infocommunication networks based on TM Forum Framework. CEUR Workshop Proceedings. 2016;2254:81–93.

21. Mochalov V., Bratchenko N., Linets G., Yakovlev S. Distributed management systems for infocommunication networks: A model based on tm forum frameworx. Computers. 2019;8(2). DOI: 10.3390/computers8020045.

22. Mochalov V.P., Bratchenko N.Y., Yakovlev S.V. Process-Oriented Management System for Infocommunication Networks and Services Based on TM Forum Frameworx. Proceedings - 2019 International Russian Automation Conference, RusAutoCon 2019. 2019;8867619. DOI: 10.1109/RUSAUTOCON.2019.8867619.

23. McNab A., Love P., MacMahon E. Managing virtual machines with Vac and Vcycle. Journal of Physycs: Conference Series. 2015;664b:115–122.

24. Beloglazov R. OpenStack Neat: A Framework for Dynamic and Energy-Efficient Consolidation of Virtual Machines in OpenStack Clouds. Concurrency and Computation: Practice and Experience (CCPE). 2015;27(5):1310–1333.

25. Kuzin L.Т. Fundamentals of cybernetic models. М.: Energia; 1979. 584 p.

26. Open Grid Forum. «Open Cloud Computing Interface». 2016. Available by: http://occiwg.org/.

27. Balashov N., Baranov A., Korenkov V. Optimization of over-provisioned clouds. Physics of Particles and Nuclei Letters. 2016;13(5):609–612.