Specialized software for simulating dynamic virtual machine consolidation

For many cloud service providers, virtual machines remain the basic technology for computing virtualization. Virtual machines are used both to host application software and to implement container virtualization. Widespread use of virtual machines develops specialized software to determine the impact...

Full description

Saved in:

Bibliographic Details
Date:	2022
Main Authors:	Zharikov, E.V., Telenyk, S.F.
Format:	Article
Language:	Ukrainian
Published:	PROBLEMS IN PROGRAMMING 2022
Subjects:	virtual machine consolidation virtualization cloud computing class diagram sequence diagram UDC 004.94 004.4 004.62
Online Access:	https://pp.isofts.kiev.ua/index.php/ojs1/article/view/485
Tags:	Add Tag No Tags, Be the first to tag this record!
Journal Title:	Problems in programming
Download file:

Institution

Problems in programming

id	pp_isofts_kiev_ua-article-485
record_format	ojs
resource_txt_mv	ppisoftskievua/79/25c00d15460f5542039537722cb92479.pdf
spelling	pp_isofts_kiev_ua-article-4852022-07-12T19:17:35Z Specialized software for simulating dynamic virtual machine consolidation Спеціалізоване програмне забезпечення для моделювання динамічної консолідації віртуальних машин Zharikov, E.V. Telenyk, S.F. virtual machine consolidation; virtualization; cloud computing; class diagram; sequence diagram UDC 004.94; 004.4; 004.62 консолідація віртуальних машин; віртуалізація; хмарні обчислення; діаграма класів; діаграма послідовності УДК 004.94; 004.4; 004.62 For many cloud service providers, virtual machines remain the basic technology for computing virtualization. Virtual machines are used both to host application software and to implement container virtualization. Widespread use of virtual machines develops specialized software to determine the impact of model parameters on the quality of the consolidation process, which will prevent experimental research in production to evaluate new cloud data center resource management strategies. In recent years, there were many approaches in literature that offers various sets of software tools and frameworks for modeling data center processes, providing a platform and the necessary building blocks to optimize the process of consolidation of virtual machines. Models and software tools for modeling data center resource management processes are usually not exhaustive and solve a specific problem or management task. The specialized simulation software presented in the paper allows to investigate different control modes of virtual machines dynamic consolidation, provides a wide range of logging and debugging information using text and MS Excel files, such as performance indicators and workload diagrams, and allows to determine the optimal model parameters for various modes of data center operation, minimizing the number of active physical servers and reducing the number of SLA violations.Prombles in programming 2022; 1: 03-12 Для багатьох провайдерів хмарних послуг віртуальні машини залишаються базовою технологією віртуалізації обчислень. Віртуальні машини використовуються як для розміщення прикладних програмних засобів, так і для реалізації контейнерної віртуалізації. В умовах широкого викорис- тання віртуальних машин виникає необхідність розроблення спеціалізованого програмного за- безпечення, що дозволяє визначати вплив параметрів моделей і методів управління на показники якості процесу консолідації, що дозволить запобігти виконанню експериментальних досліджень у виробничих умовах з метою оцінки нових стратегій управління ресурсами хмарного центру об- роблення даних (ЦОД). Останніми роками в літературі запропоновано різні набори програмних інструментів і фреймворків для моделювання роботи ЦОД, забезпечуючи платформу та необхідні будівельні блоки для оптимізації процесу консолідації віртуальних машин. Моделі та програмні засоби моделювання процесів управління ресурсами ЦОД зазвичай не є вичерпними і вирішують конкретну проблему або завдання управління. Запропоноване у статті спеціалізоване програмне забезпечення моделювання дозволяє дослідити різні режими управління динамічною консоліда- цією віртуальних машин, забезпечує протоколювання результуючої інформації, такої, як показ- ники продуктивності та діаграми навантажень, а також дозволяє визначати оптимальні параме- три моделі для різних режимів роботи ЦОД, мінімізуючи кількість активних фізичних серверів та зменшуючи кількість порушень SLA.Prombles in programming 2022; 1: 03-12 PROBLEMS IN PROGRAMMING ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ ПРОБЛЕМИ ПРОГРАМУВАННЯ 2022-05-30 Article Article application/pdf https://pp.isofts.kiev.ua/index.php/ojs1/article/view/485 10.15407/pp2022.01.003 PROBLEMS IN PROGRAMMING; No 1 (2022); 03-12 ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ; No 1 (2022); 03-12 ПРОБЛЕМИ ПРОГРАМУВАННЯ; No 1 (2022); 03-12 1727-4907 10.15407/pp2022.01 uk https://pp.isofts.kiev.ua/index.php/ojs1/article/view/485/484 Copyright (c) 2022 PROBLEMS IN PROGRAMMING
institution	Problems in programming
baseUrl_str	https://pp.isofts.kiev.ua/index.php/ojs1/oai
datestamp_date	2022-07-12T19:17:35Z
collection	OJS
language	Ukrainian
topic	virtual machine consolidation virtualization cloud computing class diagram sequence diagram UDC 004.94 004.4 004.62
spellingShingle	virtual machine consolidation virtualization cloud computing class diagram sequence diagram UDC 004.94 004.4 004.62 Zharikov, E.V. Telenyk, S.F. Specialized software for simulating dynamic virtual machine consolidation
topic_facet	virtual machine consolidation virtualization cloud computing class diagram sequence diagram UDC 004.94 004.4 004.62 консолідація віртуальних машин віртуалізація хмарні обчислення діаграма класів діаграма послідовності УДК 004.94 004.4 004.62
format	Article
author	Zharikov, E.V. Telenyk, S.F.
author_facet	Zharikov, E.V. Telenyk, S.F.
author_sort	Zharikov, E.V.
title	Specialized software for simulating dynamic virtual machine consolidation
title_short	Specialized software for simulating dynamic virtual machine consolidation
title_full	Specialized software for simulating dynamic virtual machine consolidation
title_fullStr	Specialized software for simulating dynamic virtual machine consolidation
title_full_unstemmed	Specialized software for simulating dynamic virtual machine consolidation
title_sort	specialized software for simulating dynamic virtual machine consolidation
title_alt	Спеціалізоване програмне забезпечення для моделювання динамічної консолідації віртуальних машин
description	For many cloud service providers, virtual machines remain the basic technology for computing virtualization. Virtual machines are used both to host application software and to implement container virtualization. Widespread use of virtual machines develops specialized software to determine the impact of model parameters on the quality of the consolidation process, which will prevent experimental research in production to evaluate new cloud data center resource management strategies. In recent years, there were many approaches in literature that offers various sets of software tools and frameworks for modeling data center processes, providing a platform and the necessary building blocks to optimize the process of consolidation of virtual machines. Models and software tools for modeling data center resource management processes are usually not exhaustive and solve a specific problem or management task. The specialized simulation software presented in the paper allows to investigate different control modes of virtual machines dynamic consolidation, provides a wide range of logging and debugging information using text and MS Excel files, such as performance indicators and workload diagrams, and allows to determine the optimal model parameters for various modes of data center operation, minimizing the number of active physical servers and reducing the number of SLA violations.Prombles in programming 2022; 1: 03-12
publisher	PROBLEMS IN PROGRAMMING
publishDate	2022
url	https://pp.isofts.kiev.ua/index.php/ojs1/article/view/485
work_keys_str_mv	AT zharikovev specializedsoftwareforsimulatingdynamicvirtualmachineconsolidation AT telenyksf specializedsoftwareforsimulatingdynamicvirtualmachineconsolidation AT zharikovev specíalízovaneprogramnezabezpečennâdlâmodelûvannâdinamíčnoíkonsolídacíívírtualʹnihmašin AT telenyksf specíalízovaneprogramnezabezpečennâdlâmodelûvannâdinamíčnoíkonsolídacíívírtualʹnihmašin
first_indexed	2025-07-17T10:06:52Z
last_indexed	2025-07-17T10:06:52Z
_version_	1850411200105414656
fulltext	3 Інструментальні засоби і середовища програмування Вступ Інструменти моделювання хмарних центрів оброблення даних (ЦОД) широ- ко застосовуються для досліджень і прак- тичного використання постачальниками хмарних послуг, щоб відтворити поведін- ку певної групи фізичних серверів (ФС) та віртуальних машин (ВМ) у ЦОД із застосу- ванням нових моделей, політик, та з метою дослідження нових алгоритмів і методів управління. Такі програмні засоби моделювання протягом багатьох років широко викорис- товувалися в різних дослідженнях у сфе- рі управління ресурсами хмарних ЦОД, оскільки вивчення нових підходів із вико- ристанням виробничого середовища є ризи- кованим і дорогим процесом, який може іс- тотно заважати нормальній роботі хмарних сервісів у виробничих умовах. Програмне забезпечення, яке реалізує подання системи у вигляді симуляційної моделі і поводить себе аналогічно або працює з деякими при- пущеннями, [1] будемо називати інструмен- том моделювання. Запропонований у статті інструмент моделювання ЦОД використовує модель системи, політики управління, вхідне ро- боче навантаження з реального ЦОД та кількість ресурсів ФС в ЦОД. Викорис- товуючи цю інформацію, інструмент мо- делювання ЦОД дозволяє моделювати процеси створення, видалення та міграції ВМ, а також отримувати такі показники якості: кількість порушень угоди про рі- вень обслуговування (SLA, Service Level Agreement), кількість активних ФС та кіль- кість міграцій ВМ у процесі моделювання під час експерименту. Іншим важливим фактором, який слід мати на увазі при моделюванні хмарно- го ЦОД, є кількість вхідних параметрів, які враховуються під час оцінки роботи методів управління ресурсами. Багато фреймворків і програмних засобів моделювання врахову- ють лише робоче навантаження централь- ного процесора (ЦП) як вхідні дані для змо- дельованої ВМ. Розроблений інструмент моделювання ЦОД використовує як вхідні УДК 004.94; 004.4; 004.62 https://doi.org/10.15407/pp2022.01.003 Е.В. Жаріков, С.Ф. Теленик СПЕЦІАЛІЗОВАНЕ ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ ДЛЯ МОДЕЛЮВАННЯ ДИНАМІЧНОЇ КОНСОЛІДАЦІЇ ВІРТУАЛЬНИХ МАШИН Для багатьох провайдерів хмарних послуг віртуальні машини залишаються базовою технологією віртуалізації обчислень. Віртуальні машини використовуються як для розміщення прикладних програмних засобів, так і для реалізації контейнерної віртуалізації. В умовах широкого викорис- тання віртуальних машин виникає необхідність розроблення спеціалізованого програмного за- безпечення, що дозволяє визначати вплив параметрів моделей і методів управління на показники якості процесу консолідації, що дозволить запобігти виконанню експериментальних досліджень у виробничих умовах з метою оцінки нових стратегій управління ресурсами хмарного центру об- роблення даних (ЦОД). Останніми роками в літературі запропоновано різні набори програмних інструментів і фреймворків для моделювання роботи ЦОД, забезпечуючи платформу та необхідні будівельні блоки для оптимізації процесу консолідації віртуальних машин. Моделі та програмні засоби моделювання процесів управління ресурсами ЦОД зазвичай не є вичерпними і вирішують конкретну проблему або завдання управління. Запропоноване у статті спеціалізоване програмне забезпечення моделювання дозволяє дослідити різні режими управління динамічною консоліда- цією віртуальних машин, забезпечує протоколювання результуючої інформації, такої, як показ- ники продуктивності та діаграми навантажень, а також дозволяє визначати оптимальні параме- три моделі для різних режимів роботи ЦОД, мінімізуючи кількість активних фізичних серверів та зменшуючи кількість порушень SLA. Ключові слова: консолідація віртуальних машин, віртуалізація, хмарні обчислення, діаграма класів, діаграма послідовності. © Е.В. Жаріков, С.Ф. Теленик, 2022 ISSN 1727-4907. Проблеми програмування. 2022. № 1 4 Інструментальні засоби і середовища програмування дані для кожної змодельованої ВМ наванта- ження на чотири ресурси: ЦП, оперативну пам’ять, мережу та сховище. Для розв’язання задачі моделю- вання роботи хмарного ЦОД з метою ви- значення близьких до оптимальних пара- метрів управління у статті пропонується спеціалізоване програмне забезпечення (ПЗ) моделювання ЦОД, що дозволяє до- сліджувати залежність показників якості управління ресурсами ЦОД відповідно до налаштувань змінних методу управління та параметрів моделі. 1. Аналіз публікацій Згідно з оглядом літератури, пред- ставленим у [2, 3], інструменти та фрейм- ворки моделювання роботи хмарного ЦОД характеризуються різними показниками, точністю моделі та архітектурною гнучкіс- тю. Аналіз різних фреймворків моделюван- ня показує, що надані функції і можливості недостатньо описані для розробників, які вносять модифікації з метою покращення моделі та методів управління. Крім того, при порівнянні інструментів і фреймвор- ків моделювання слід враховувати кілька показників: функціональність, вичерпність моделі, масштабованість, вхідні дані, гнуч- кість, точність моделі. CloudSim [4] – це широко викорис- товуваний модульний і розширюваний симулятор із відкритим кодом, призначе- ний для моделювання будь-якої можливої функціональності хмарного ЦОД та реалі- зації алгоритмів і методів управління для різних хмарних середовищ. Багато різних фреймворків моделювання хмарних ЦОД, запропонованих у літературі, засновані на CloudSim. Автори [5] запропонували розши- рення CloudSim, щоб розробники могли внести модифікації та випробувати пев- ну стратегію управління ресурсами з різ- ними характеристиками та показниками якості рівня обслуговування, викорис- товуючи георозподілені хмарні серед- овища. Розподілена система моделювання CloudSimScale, яка запропонована у [6], розроблена на базі CloudSim та забезпе- чує масштабованість системи у розподі- леному середовищі, взаємодію між мо- дулями та дозволяє моделювати процеси управління ресурсами хмарних ЦОД з використанням алгоритмів користувача. GPUCloudSim [7] – це ще одне розширен- ня CloudSim, розроблене для аналізу та дослідження роботи політик управління з надання віртуальних машин із підтрим- кою GPU. Цей симулятор дозволяє моде- лювати розподіл ресурсів на рівні графіч- ного процесора, щоб дослідити взаємодію між запущеними програмами користува- ча, накладні витрати на віртуалізацію та енергоспоживання графічних процесорів. У [8] автори застосували моделюван- ня дискретних подій для реалізації моделі хмарної системи, щоб дослідити продук- тивність хмарної системи та отримати ком- бінований результат планування ВМ та від- мов компонентів. Запропонований симуля- тор дискретних подій використовується для планування виконання програмних модулів забезпечення наукових процесів у хмарних системах та використовує продуктивність системи як цільову функцію. Система моделювання інфраструк- тури як сервісу (IaaS) DISSECT-CF була запропонована у [9] і реалізує такі функ- ції: підтримка розширюваності, підтрим- ка оцінки споживання енергії при наданні IaaS і можливість оцінки багатьох пара- метрів планування та політик управління, пов’язаних із IaaS. У [10] запропоновано систему мо- делювання з відкритим вихідним кодом CloudSim Plus. Автори обґрунтовують такі її переваги, як розширюваність та можли- вість повторного використання компонен- тів пропонованого фреймворку. Система моделювання забезпечує розширюваний, модульний та точний інструмент для оцінки алгоритмів управління ресурсами хмарних ЦОД. 2. Постановка задачі Дослідження нових моделей і ме- тодів управління ресурсами хмарних ЦОД можна здійснити у спосіб розроблення спе- ціалізованих програмних засобів моделю- вання, які підтримують моделювання вір- туалізованих систем, візуалізацію, реєстра- цію показників якості управління та оцінку запропонованих алгоритмів управління на 5 Інструментальні засоби і середовища програмування змодельованій великомасштабній хмарній інфраструктурі. Отже, необхідно розробити інстру- мент моделювання ЦОД, що забезпечує різні режими моделювання на основі гі- бридного підходу консолідації віртуальних машин, який об’єднує метод управління розміщенням нових віртуальних машин та метод управління міграцією активних вір- туальних машин, мінімізуючи кількість активних фізичних серверів та зменшуючи кількість порушень SLA. 3. Розроблення моделі ЦОД з урахуванням динаміки створення, вимкнення та міграції віртуальних машин У статті використовується модель системи, представлена в попередній статті авторів [11]. ЦОД складається з M ФС та N ВМ, , N M . Кожен ФС оснащений по- стійною кількістю ресурсів k таких, як ЦП, оперативна пам’ять, мережа та сховище, { , , }k CPU,RAM NET IO [11]. Змінні моделі визначаються так: k jc – необхідна ємність ресурсу k для j-ї ВМ, k iC – ємність ресурсу k i-го ФС визначена складом обладнання, k iu – навантаження на ресурс k i-го ФС, iv – кількість ВМ, розмі- щених на i-му ФС, [0,1]kw – відносна вага ресурсу k, max kr – найбільша необхідна єм- ність кожного ресурсу k серед усіх ВМ для нормалізації, max/k k k j jk r w c r – необхід- на загальна ємність ресурсів для j-ї ВМ, max kR – найбільша наявна єм ність кожного ресурсу k серед усіх ФС для нормалізації, max/k k k i ik R w C R – наявна ємність ре- сурсів i-го ФС, max/k k k i ik u w u R – заван- таженість ресурсів i-го ФС, [0,1]kT – поро- гове значення доступного ресурсу k i-го ФС, [0,1]kD – бажане навантаження на ресурс k, [0,1]kL – бажане навантаження на ре- сурс k i-го ФС, який визначений як недован- тажений, ( ,1]k kQ T – доступне порогове значення ресурсу k i-го ФС, який може при- ймати мігруючі ВМ, vi – кількість ВМ, що працюють на i-му ФС, max/k k k i ik d w d R – відхилення від бажаного навантаження i-го ФС, \| \|k k k k k i j i id c u C D – відхилення від бажаного навантаження для ресурсу k, (1 ) ( ) ( )k k k k k i i m ii B i A f T C u c v – за- гальний обсяг ресурсу, який доступний для виконання міграцій ВМ, k mc – ємність ре- сурсу k, який необхідний для забезпечення міграції ВМ, max/k k k k w – оцінка можливості виконання міграції ВМ, де : max : max k k k k k k i i i ik k k k k k k i i i i u L C L C u u L C D C u , V – список нових ВМ для розміщення в системі, W – список працюючих ФС, Wf – список ФС зі списку W, які мають вільні ресурси, R – список ФС, які знаходяться в режимі енергозбереження (очікування, сну) \| \| \| \|W R M , W R . У статті авторів [11] запропоновано два методи, що забезпечують розміщен- ня нових ВМ та міграцію працюючих ВМ. Перший запропонований метод забезпечує ефективне розміщення нових ВМ, а другий метод консолідує існуючі ВМ, застосовую- чи міграції. Рис. 1 ілюструє алгоритм для першого методу початкового розміщення ВМ. Міграція ВМ використовується або для перемикання ФС у стан енергозбереження (або стан очікування), або для розвантажен- ня перевантажених ФС. Рис. 1. Схема алгоритму розміщення нових ВМ 6 Інструментальні засоби і середовища програмування Міграція ВМ відбувається через пе- ревантаження ФС (вільний обсяг ресурсу k менше ніж Tk) для одного або кількох ре- сурсів. Перевантаження ФС призводить до нестачі ресурсів для забезпечення роботи віртуальних машин, що призводить до по- рушення SLA. Для кожного ФС з набору A запропонований метод шукає такий ФС з набору B, який може приймати мігруючі віртуальні машини. Тоді один або кілька ФС з набору A можна перевести в режим енергозбереження. У результаті першо- го етапу методу отримують список A та список B [11] для подальшого визначен- ня плану міграції на другому етапі. Рис. 2 ілюструє алгоритм для другого методу, спрямованого на виконання консолідації віртуальних машин. 4. Архітектура програмного забезпечення моделювання Розроблений інструмент моделю- вання реалізований у вигляді ПЗ, яке за- безпечує різні варіанти моделювання та дозволяє визначити близькі до оптималь- них параметри моделі для різних режимів роботи ЦОД. ПЗ використовує багатоша- рову архітектуру та підхід до проєкту- вання, орієнтованого на домен (domain- driven design). Архітектура складається з: (i) рівня бази даних, що забезпечує інтер- фейси для отримання даних з бази даних, (ii) рівня основної логіки та (iii) рівня по- дання, що забезпечує інтерфейси для ви- воду результатів моделювання у консоль, записування результатів у текстові файли та створення файлів MS Excel з результа- тами моделювання. Основним шаблоном розроблення застосунку є шаблон проєктування фасаду [12]. Він приховує складність системи та надає клієнтові інтерфейс, за допомогою якого той може отримати доступ до системи [12]. Клас фасаду відповідає за отримання даних із рівня бази даних, керує чотирма модулями та передає результати на рівень подання. Шаблон репозиторію [13] використо- вується для взаємодії з рівнем бази даних, застосовуючи модель домену, щоб спрос- тити складну бізнес-логіку та відокремити бізнес-логіку від даних. Його також можна використовувати для доступу до джерела даних з багатьох місць і для застосування централізовано керованих правил і логіки доступу [13]. Репозиторій є посередником між рівнем джерела даних і бізнес-рівня- ми програмного забезпечення. Репозиторій відокремлює бізнес-логіку від взаємодії з основним джерелом даних [13]. Рис. 2. Схема алгоритму консолідації ВМ 4.1. Діаграма класів На рис. 3 показана діаграма осно- вних класів розробленого ПЗ моделювання. Клас Server складається з основних методів, які обробляють віртуальні машини, що зна- ходяться у колекції VMCollection та управ- ляють їхнім станом. Класи колекції містять ВМ та ФС, які обслуговують запити під час запуску симуляції. Клас Simulation, показаний на рис. 4, керує чотирма модулями, а саме діагностич- ним модулем, який виявляє перевантажені 7 Інструментальні засоби і середовища програмування та недовантажені ФС, модулем розміщен- ня нових віртуальних машин, модулем мі- грації, який консолідує існуючі віртуальні машини, застосовуючи міграції, і модулем прогнозування. 4.2. Діаграма послідовності Діаграма послідовності на рис. 5 ілюструє взаємодію між основними моду- лями ПЗ моделювання. На першому кроці обробляються системні події, а саме: за- вершення роботи ВМ, розміщення нової ВМ, оновлення вимог до ресурсів для іс- нуючих ВМ. Потім обчислюються про- гнози використання ресурсів ФС для на- ступних кроків моделювання (один або два кроки) за допомогою модуля прогно- зування. На наступному етапі працює діа- гностичний модуль, визначаючи переван- Рис. 3. Діаграма класів ПЗ моделювання Рис. 4. Представлення класу фасаду Рис. 5. Діаграма послідовності ПЗ моделювання 8 Інструментальні засоби і середовища програмування тажені та недовантажені ФС, які будуть передані модулю міграції ВМ для подаль- шого розвантаження ФС. Якщо потрібно розмістити нові вір- туальні машини, цільовий модуль виділяє багатовимірні ресурси ФС. Модуль міграції розвантажує недовантажені та переванта- жені ФС. Після цього моделювання перехо- дить до наступного кроку. 4.3. Пакети у складі ПЗ моделювання ПЗ моделювання динамічної консо- лідації віртуальних машин складається з трьох пакетів, як показано на рис. 6: DAL, Utilities та Simulation. Пакет Utilities міс- тить допоміжні класи, які використовують- ся в пакетах DAL і Simulation. Рис. 6. Діаграма компонентів ПЗ моделювання Пакет DAL містить логіку взаємодії з базою даних і реалізує пакет Simulation з інтерфейсами DataUnit (містить набір ре- позиторіїв із відповідного компонента) і SimulationTimeEvent (основна сутність, що описує всі події на певному кроці моделю- вання). Пакет Simulation містить компонент із моделями ВМ і ФС, якими керує система, і пакет із чотирма модулями, що надають ін- терфейси для моделювання головного класу фасаду. Крім того, пакет DAL використовує додатковий компонент EntityFramework, а пакет Simulation використовує EPPlus і MathNet.Numerics відповідно. 5. Моделювання динамічної консолідації віртуальних машин ПЗ моделювання для динамічної консолідації ВМ реалізовано за допомогою C#, .NET Framework 4.6 [14], SQL Server Express, ORM Framework, Entity Framework, Math.NET Numerics та EPPlus для створен- ня звітів у файлах MS Excel за допомогою .NET [15]. Для моделювання та досліджен- ня різних режимів роботи ЦОД на осно- ві гібридного підходу консолідації вірту- альних машини автори використовують вхідні дані Bitbrains [16]. Дані файлів Bitbrains містять записи у вигляді часових рядів про навантаження на чотири типи ресурсів k. Робоче навантаження, записа- не у файли Bitbrains, являє собою вико- ристання ресурсів веб-серверів, серверів баз даних або серверів додатків 1250 вір- туальними машинами, які належать до 44 різних класів [17]. У процесі моделювання автори ви- користовують 20 гетерогенних ФС із пара- метрами, наведеними в таблиці 1 [18]. Крім Табл. 1. Конфігурації ФС PM Number CPUMHz The number of PEs RAM, GB Storage performance, IOPS Net, Gb/s PowerEdge R940 5 2500 112 384 32000 40 PowerEdge R740 5 2500 56 192 23190 40 PowerEdge R830 5 2200 88 256 8000 40 PowerEdge R630 5 2200 44 128 6000 40 9 Інструментальні засоби і середовища програмування того, автори використовують дані Bitbrains, зібрані з 1114 віртуальних машин із різним обсягом запитуваного ЦП (у МГц), пам’яті (у МБ), сховища (в IOPS) та мережі (у Гбіт/с), які подаються у застосунок моде- лювання протягом 1100 часових інтервалів. Параметри моделі ЦОД для кожної симуляції, показані в таблиці 2, зберігають- ся у файлі settings.ini. Табл. 2. Параметри моделі Parameter Variable Value TIME_STEP_VALUE - 300, s STEPS_TO_SIMULATE - 1100 RES_WEIGHT wk 1 RES_THREADHOLD Tk Changes RES_DESIRED_LEVEL Dk Changes RES_LOW_LEVEL Lk Changes RES_RECIEVER_ THREADHOLD Qk Changes BEAM_LENTH N Changes CPU_ON_MIGRATION 100, MHz MIN_NETWORK_ON_ MIGRATION 100, Mbps Розроблене ПЗ моделювання гене- рує файл MS Excel, в якому зберігається використання ресурсів, кількість розміще- них ВМ і кількість міграцій ВМ для кож- ного ФС під час виконання симуляції, як показано на рис. 7. Файл MS Excel також містить діаграми використання усіх ресур- сів під час симуляції. На рис. 8 показані фактичні, прогнозовані значення та загаль- на продуктивність ЦП фізичного сервера Power-Edge R940. У застосунку використовується ре- гресійна модель для прогнозування викорис- тання ресурсів: 1 1 2 1 1...k k k k t t t n t nx a x a x a x , де t – інтервал часу, n – кількість незалеж- них змінних у моделі, xk – використання ресурсу k, а – коефіцієнти моделі. На рис. 7 стовпець «+0» вказує на використання ресурсу на момент часу t, стовпець «+1» вказує на прогноз використання ресурсу на момент часу t+1, а стовпець «+2» вказує на прогноз використання ресурсу на момент часу t+2. Під час першого запуску вхідні дані з папки даних Bitbrains завантажуються в базу даних, як показано на рис. 9. Дані бази даних будуть використовуватися в усіх по- дальших симуляціях. Рис. 7. Навантаження на ресурси одного ФС Рис. 8. Використання ЦП ФС 1 (Power-Edge R940) у файлі MS Excel 10 Інструментальні засоби і середовища програмування Рис. 9. Завантаження вхідних даних у базу даних для подальшого моделювання Під час симуляції застосунок відо- бражає події, що відбувалися на кожному кроці. ПЗ також зберігає ці події у файлі журналу. На першому кроці ФС запуска- ються, як показано на рис. 10. Рис. 10. Перший крок симуляції На рис. 11 показані результати опти- мізації, а саме консолідація ВМ, за якої вда- лося перемкнути три ФС (9, 10, 11) у спля- чий стан. Три ВМ закінчили роботу і зупи- нені та одна ВМ повинна бути розміщена на якомусь ФС. Рис. 11. Результати оптимізації на кроці 10 План міграцій ВМ також відобража- ється у консолі. На рис. 12 показано, що у процесі діагностики виявлено перевантаже- ні ФС, через що був згенерований і застосо- ваний план міграцій для розвантаження ФС за допомогою модуля міграції. Отже, ФС 16 буде розвантажено у спосіб міграції вірту- альних машин 280, 250 і 629 до ФС 3. Рис. 12. Згенерований план міграцій на кроці 17 6. Оцінка результатів моделювання Під час запусків застосунку моделю- вання встановлено, що наявна сумарна по- тужність двадцяти ФС, обраних для симу- ляції роботи ЦОД з метою розміщення 1114 ВМ, є недостатньою, про що свідчить зна- чна кількість міграцій ВМ. У багатьох випадках немає необхід- ності визначати адаптивні порогові значення для використання певних ресурсів, оскільки експерименти показують, що агресивна по- 11 Інструментальні засоби і середовища програмування літика перемикання ФС у режим енергозбе- реження не допомагає мінімізувати кількість порушень SLA. Натомість адаптивні поро- гові значення рекомендується визначати від- повідно до наявності стрибків робочого на- вантаження. Чим частіше такі стрибки, тим менше порогове значення треба використо- вувати. Крім того, чутливість багатьох пара- метрів моделі до невеликого діапазону змін істотно не впливає на показники якості. Запропоновані методи динамічної консолідації ВМ дозволяють ефективно розвантажувати ФС, щоб перевести їх у сплячий стан, зменшуючи споживання електроенергії. Результати порівняння, представлені в [11], показують, що за- пропоновані методи перевершують Best Fit алгоритм щодо порушення SLA (змен- шення на 46,7%), кількості активних ФС (зменшення на 33,2%) та кількості мігра- цій ВМ (зменшення на 42,8%). Висновки Останні дослідження консолідації віртуальних машин виявили необхідність дослідження нових політик управління за допомогою інструментів моделювання хмарного ЦОД з використанням реаліс- тичного робочого навантаження. Розроблено спеціалізоване про- грамне забезпечення моделювання ЦОД для реалізації підходу до динамічної кон- солідації віртуальних машин, що надає можливість проведення симуляцій із ви- користанням вхідних даних, отриманих з реального ЦОД. Запропоноване програм- не забезпечення дозволяє досліджувати різні режими управління ресурсами ЦОД на основі гібридного підходу консолідації віртуальних машин, який об’єднує метод управління розміщенням нових віртуаль- них машин та метод управління міграцією активних віртуальних машин, мінімізую- чи кількість активних фізичних серверів та зменшуючи кількість порушень SLA. У статті представлена архітекту- ра програмного забезпечення, діаграми класів, діаграма послідовності, пакети програмного забезпечення та додаткові інструменти реалізації функцій. Експери- менти показують, що запропонований про- грамний застосунок забезпечує широкий спектр реєстраційної та налагоджувальної інформації за допомогою текстових фай- лів та файлів MS Excel із діаграмами, за- безпечує різноманітні види моделювання та дозволяє визначити оптимальні пара- метри моделі для різних режимів роботи з точки зору порушення SLA, кількості ак- тивних ФС та кількості міграцій ВМ. References 1. IEEE Std 610.3-1989. IEEE Standard Glos- sary of Modeling and Simulation Terminology. Institute of Electrical and Electronic Engineers (IEEE), New York, NY, 1989. 2. A. Ismail, «Energy-driven cloud simulation: existing surveys, simulation supports, impacts and challenges,» Cluster Computing, vol. 23, pp. 3039–3055, 2020. 3. N. Mansouri, R. Ghafari, and B. Mohammad Hasani Zade, «Cloud computing simulators: A comprehensive review,» Simulation Modelling Practice and Theory, vol. 104, pp. 102-144,2020. 4. R. N. Calheiros, R. Ranjan, A. Beloglazov, C. A. De Rose, R. Buyya, “CloudSim: a toolkit for modeling and simulation of cloud comput- ing environments and evaluation of resource provisioning algorithms,” Software: Practice and experience, vol. 41, no. 1, pp. 23-50, 2011. 5. H. Jeon, C. Cho, S. Shin, S. Yoon, “A CloudSim- Extension for Simulating Distributed Functions- as-a-Service,” 20th International Conference on parallel and distributed computing, applications and technologies (PDCAT), 2019, pp. 386–391. 6. B. Elahi, A. W. Malik, A. U. Rahman, M. A. Khan, “Toward scalable cloud data center simulation using high-level architecture,” Soft- ware: Practice and Experience, vol. 50, no. 6, pp. 827–843, 2020. 7. A. Siavashi, M. Momtazpour, “GPUCloud- Sim: an extension of CloudSim for modeling and simulation of GPUs in cloud data centers,” The Journal of Supercomputing, vol. 75, no. 5, pp. 2535-2561, 2019. 8. D. Oliveira, A. Brinkmann, N. Rosa, “Perform- ability Evaluation and Optimization of Work- fl ow Applications in Cloud Environments,” Journal of Grid Computing, vol. 17, no. 4, pp. 749–770, 2019. 9. G. Kecskemeti, «DISSECT-CF: a simulator to foster energy-aware scheduling in infrastruc- ture clouds,» Simulation Modelling Practice and Theory, vol. 58, pp. 188-218, 2015. 12 Інструментальні засоби і середовища програмування 10. M. C. Silva Filho, R. L. Oliveira, C. C. Mon- teiro, P. R. Inácio, and M. M. Freire, “CloudSim plus: a cloud computing simulation framework pursuing software engineering principles for improved modularity, extensibility and cor- rectness,” 2017 IFIP/IEEE Symposium on Inte- grated Network and Service Management (IM), IEEE, 2017, pp. 400-406. 11. E. Zharikov, S. Telenyk, O. Rolik, and Y. Serdiuk, “Cloud resource management with a hybrid vir- tual machine consolidation approach,” 2019 IEEE International Conference on Advanced Trends in Information Theory (ATIT), 2019, pp. 289-294. 12. Design Patterns - Facade Pattern, [online] Available: https://www.tutorialspoint.com/de- sign_pattern/facade_pattern.htm 13. The Repository Pattern https://msdn.micro- soft.com/en-us/library/ff 649690.aspx 14. .NET Framework documentation, [online] Available: https://docs.microsoft.com/en-us/ dotnet/framework/ 15. Interoperability Overview, [online] Avail- able: https://docs.microsoft.com/en-us/dotnet/ csharp/programming-guide/interop/interoper- ability-overview 16. GWA-T-12 Bitbrains, [online] Available: http:// gwa.ewi.tudelft.nl/datasets/gwa-t-12-bitbrains 17. S. Shen, V. V. Beek and A. Iosup, “Statistical Char- acterization of Business-Critical Workloads Hosted in Cloud Datacenters,” 2015 15th IEEE/ACM In- ternational Symposium on Cluster, Cloud and Grid Computing, Shenzhen, 2015, pp. 465-474. 18. PowerEdge Rack Servers, [online] Available: https://www.dell.com/en-us/work/shop/dell- poweredge-servers/sc/servers Отримано 07.03.2022 Про авторів: Жаріков Едуард В’ячеславович, доктор технічних наук, професор кафедри інформатики та програмної інженерії Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Кількість наукових публікацій в українських виданнях - 125. Кількість наукових публікацій в зарубіжних виданнях - 37. Індекс Гірша - 4. http://orcid.org/0000-0003-1811-9336, Теленик Сергій Федорович, доктор технічних наук, професор, декан факультету інформатики та обчислювальної техніки Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Кількість наукових публікацій в українських виданнях - 325. Кількість наукових публікацій в зарубіжних виданнях - 67. Індекс Гірша - 4. https://orcid.org/0000-0001-9202-9406, Місце роботи авторів: Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Тел.: 38044 204 86 10, e-mail: zharikov.eduard@acts.kpi.ua

Specialized software for simulating dynamic virtual machine consolidation

Institution

Similar Items