Comparaison entre la méthode : Méthode Proactive de programmation linéaire DSAP (Dynamic Server Allocation Problem) et la méthode Réactive

1. Évaluation des stratégies d'allocation dynamique des
ressources dans les centres de données virtualisés
MIR Soufiane 08/2015
Références : 2014 IEEE International Conference on Cloud Computing
15-18 décembre 2014. Singapour

2. Problématique Contexte Solution proposée Résultats Limites
Problème général d’allocation optimale des
ressources
Affectation des serveurs à des machines virtuelles

3. 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

4. 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,…, τ
A chaque période t on a une connexion des Machines virtuelles aux serveurs

5. 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

6. Problématique Contexte Solution proposée Résultats Limites

7. 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 volatilité
MIX2 à partir de 18 profiles avec une faible volatilité
MIX3, moyenne des deux premiers avec 9 de chaque catégorie

8. Problématique Contexte Solution proposée Résultats Limites
Simulation

9. Problématique Contexte Solution proposée Résultats Limites
Simulation

10. Problématique Contexte Solution proposée Résultats Limites
Simulation

11. Problématique Contexte Solution proposée Résultats Limites
Simulation

12. 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

13. Problématique Contexte Solution proposée Résultats Limites
Expérience

14. 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
service
Conduit 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