Участники симпозиума Usenix ищут способы повышения гибкости расценок и обслуживания для облачных сервисов

23:42 19.06.2011  (обновлено: 11:43 29.06.2011)   |   1138 |  Джоаб Джексон |  Служба новостей IDG, Нью-Йорк

Рубрика Индустрия



Исследователи обсудили, как классифицировать вычислительные задачи для облака по их требованиям к аппаратному обеспечению, и как можно было бы сделать расценки более гибкими, чем позволяют нынешние статичные планировщики.

ИТ-руководители могут надеяться, что облачные вычисления со временем избавят их от части проблем. Однако чтобы это произошло, провайдерам облачных сервисов еще нужно доработать методы управления и учета использования — только тогда облака смогут обрести истинную гибкость.

Часть докладов, представленных на симпозиуме Usenix HotCloud 2011, который был посвящен актуальным вопросам облачных вычислений, касалась поиска новых подходов к планированию выполнения рабочих нагрузок в облаке. Новые механизмы планирования должны быть удобны и для пользователей, и для операторов облаков.

Исследователи обсудили, как классифицировать вычислительные задачи для облака по их требованиям к аппаратному обеспечению, и как можно было бы сделать расценки более гибкими, чем позволяют нынешние статичные планировщики.

Проблема планирования заданий в случаях, когда одному узлу нужно выполнить множество вычислительных задач, не нова, однако в применении к облачным вычислениям она приобретает особую важность.

«Физические ресурсы для построения облака обходятся чрезвычайно дорого, и поэтому после создания необходимой инфраструктуры очень желательно выполнять на ней как можно больше заданий. Как следствие, особую важность получает планирование», — отметил Дэвид Малтц, научный сотрудник Microsoft Research.

Однако, как указали выступающие, специфика сбалансированного планирования выполнения задач в облаке порождает целый круг новых вопросов и проблем.

Например, разным заказчикам могут понадобиться различные возможности, предположил Гуно Ли, ученый Калифорнийского университета в Беркли. Одним задачам может потребоваться большой объем ресурсов центрального процессора, другим — главным образом работа с памятью. Соответственно, и некоторые серверы сконструированы в расчете на максимальную производительность процессоров, тогда как другие обладают расширенной памятью.

«Вследствие этих различий в желаемых характеристиках необходимы средства определения свойств задачи, чтобы выяснить, какой тип машины обеспечит ей наиболее подходящий баланс стоимости и быстродействия», — говорится в докладе Ли, который он подготовил совместно с Рэнди Катцем из Калифорнийского университета и Пюн Кон Чуном из Yahoo Research.

Исследователи предлагают каждое облако оснащать машинами двух типов. Часть серверов выполняла бы роль головных узлов для общих задач, а часть составляли бы узлы-акселераторы, которые можно было бы подключать временно для ускорения исполнения заданий, требующих большего объема вычислений. При этом пользователи передают задания через «облачный драйвер», выделяющий необходимое количество узлов для каждой задачи.

Кроме того, у заказчика должна быть возможность выбрать, как нужно выполнить задание: с максимальной скоростью, по минимально возможной стоимости, либо нечто среднее, полагает Дэмиен Зуффери, исследователь из Австрийского института науки и техники, один из авторов методики, позволяющей задавать компромисс между скоростью и стоимостью исполнения задачи. Чем выше запрошенная заказчиком скорость, тем больше ему придется заплатить; тогда как задания «экономического класса» могут выполняться дольше, отмечает Зуффери.

В австрийском институте разработали прототип системы планирования заданий Flextic, которая может учитывать упомянутые параметры. Flextic действует, исходя из набора операционных характеристик, заданных пользователем, таких как объем данных, подлежащих обработке, и максимальное время, в течение которого задача должна быть выполнена. «Необходима возможность запросить у пользователя определенную информацию о задаче перед ее выполнением», — убежден Заффери.

При планировании выполнения задач нужно учитывать и другие факторы. Например, при переносе виртуальной машины с одного сервера на другой без ее останова может замедлиться работа всех других виртуальных машин, исполняемых на каждом из этих серверов, указывает Сын Хвам Лим, исследователь из Пенсильванского университета, который подготовил доклад по данной теме совместно с коллегой по университету Читой Дас, а также с Че Сок Хух и Йоунджэ Ким из Окриджской национальной лаборатории.

Авторы доклада рассматривали методы количественной оценки общего влияния переноса виртуальной машины на рабочие нагрузки. «Чтобы получить надежную и предсказуемую производительность, необходимы планировщики заданий, учитывающие миграцию виртуальных машин», — уверен Лим.


Теги: