FundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgico / O escalonamento de recursos à um processo chave para a plataforma de ComputaÃÃo em Nuvem, que geralmente utiliza mÃquinas virtuais (MVs) como unidades de escalonamento. O uso de tÃcnicas de virtualizaÃÃo fornece grande flexibilidade com a habilidade de instanciar vÃrias MVs em uma mesma mÃquina fÃsica (MF), modificar a capacidade das MVs e migrÃ-las entre as MFs. As tÃcnicas de consolidaÃÃo e alocaÃÃo dinÃmica de MVs tÃm tratado o impacto da sua utilizaÃÃo como uma medida independente de localizaÃÃo. à geralmente aceito que o desempenho de uma MV serà o mesmo, independentemente da MF em que ela à alocada. Esta à uma suposiÃÃo razoÃvel para um ambiente homogÃneo, onde as MFs sÃo idÃnticas e as MVs estÃo executando o mesmo sistema operacional e aplicativos. No entanto, em um ambiente de ComputaÃÃo em Nuvem, espera-se compartilhar um conjunto composto por recursos heterogÃneos, onde as MFs podem variar em termos de capacidades de seus recursos e afinidades de dados. O objetivo principal deste trabalho à apresentar uma arquitetura que possibilite a padronizaÃÃo da representaÃÃo do poder de processamento das MFs e MVs, em funÃÃo de Unidades de Processamento (UPs), apoiando-se na limitaÃÃo do uso da CPU para prover isolamento de desempenho e manter a capacidade de processamento das MVs independente da MF subjacente. Este trabalho busca suprir a necessidade de uma soluÃÃo que considere a heterogeneidade das MFs presentes na infraestrutura da Nuvem e apresenta polÃticas de escalonamento baseadas na utilizaÃÃo das UPs. A arquitetura proposta, chamada FairCPU, foi implementada para trabalhar com os hipervisores KVM e Xen, e foi incorporada a uma nuvem privada, construÃda com o middleware OpenNebula, onde diversos experimentos foram realizados para avaliar a soluÃÃo proposta. Os resultados comprovam a eficiÃncia da arquitetura FairCPU em utilizar as UPs para reduzir a variabilidade no desempenho das MVs, bem como para prover uma nova maneira de representar e gerenciar o poder de processamento das MVs e MFs da infraestrutura. / Resource scheduling is a key process for cloud computing platform, which generally
uses virtual machines (VMs) as scheduling units. The use of virtualization techniques
provides great flexibility with the ability to instantiate multiple VMs on one physical machine
(PM), migrate them between the PMs and dynamically scale VMâs resources. The techniques
of consolidation and dynamic allocation of VMs have addressed the impact of its use as an
independent measure of location. It is generally accepted that the performance of a VM will be
the same regardless of which PM it is allocated. This assumption is reasonable for a homogeneous
environment where the PMs are identical and the VMs are running the same operating
system and applications. Nevertheless, in a cloud computing environment, we expect that a set
of heterogeneous resources will be shared, where PMs will face changes both in terms of their
resource capacities and as also in data affinities. The main objective of this work is to propose
an architecture to standardize the representation of the processing power by using processing
units (PUs). Adding to that, the limitation of CPU usage is used to provide performance isolation
and maintain the VMâs processing power at the same level regardless the underlying PM.
The proposed solution considers the PMs heterogeneity present in the cloud infrastructure and
provides scheduling policies based on PUs. The proposed architecture is called FairCPU and
was implemented to work with KVM and Xen hypervisors. As study case, it was incorporated
into a private cloud, built with the middleware OpenNebula, where several experiments were
conducted. The results prove the efficiency of FairCPU architecture to use PUs to reduce VMsâ
performance variability, as well as to provide a new way to represent and manage the processing
power of the infrastructureâs physical and virtual machines.
| Identifer | oai:union.ndltd.org:IBICT/oai:www.teses.ufc.br:5108 |
| Date | 02 March 2012 |
| Creators | Paulo Antonio Leal Rego |
| Contributors | Josà Neuman de Souza, Miguel Franklin de Castro, Bruno Richard Schulze, Paulo Henrique Mendes Maia |
| Publisher | Universidade Federal do CearÃ, Programa de PÃs-GraduaÃÃo em CiÃncia da ComputaÃÃo, UFC, BR |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFC, instname:Universidade Federal do Ceará, instacron:UFC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds