[论文解读] Metrics based Workload Analysis Technique for IaaS Cloud

Sukhpal Singh, Inderveer Chana|arXiv (Cornell University)|Nov 25, 2014

Cloud Computing and Resource Management参考文献 12被引用 9

一句话总结

本文提出一种基于指标的基础设施即服务（IaaS）云工作负载分析技术，以提升动态资源可扩展性与服务质量（QoS）的一致性。通过根据工作负载的特性进行分类，并定义以QoS为导向的指标，该方法实现了更优的工作负载-资源映射，从而在动态云环境中提升效率与性能。其主要贡献是一个系统化的框架，用于工作负载分类与QoS指标推导，适用于真实世界中的云工作负载，如Web服务和Hadoop节点。

ABSTRACT

The Dynamic Scalability of resources, a problem in Infrastructure as a Service (IaaS) has been the hotspot for research and industry communities. The heterogeneous and dynamic nature of the Cloud workloads depends on the Quality of Service (QoS) allocation of appropriate workloads to appropriate resources. A workload is an abstraction of work that instance or set of instances that are going to perform. Running a web service or being a Hadoop data node is valid workloads. The efficient management of dynamic nature resources can be done with the help of workloads. Until workload is considered a fundamental capability, the Cloud resources cannot be utilized in an efficient manner. In this paper, different workloads have been identified and categorized along with their characteristics and constraints. The metrics based on Quality of Service (QoS) requirements have been identified for each workload and have been analyzed for creating better application design.

研究动机与目标

• 解决由于异构且不可预测的工作负载导致的IaaS云中动态资源可扩展性挑战。
• 识别并基于其操作特性与约束对常见IaaS工作负载进行分类。
• 为每类工作负载定义基于QoS的指标，以支持最优资源分配与应用设计。
• 通过基于可测量QoS标准将工作负载与合适的基础架构资源对齐，提升云资源利用率。

提出的方法

• 根据计算、存储和网络需求，将工作负载划分为不同类别，例如Web服务和Hadoop数据节点。
• 为每类工作负载识别QoS指标，包括响应时间、吞吐量、可用性及资源利用率。
• 开发系统化分析框架，用于将工作负载类型映射到其对应的QoS需求与资源约束。
• 通过实证数据与工作负载剖析，推导出指导云环境中动态资源配置决策的指标。
• 通过在ICNGCCT 2014上展示的案例研究验证该方法，采用真实世界的工作负载场景。
• 通过提供可测量且可操作的QoS指标，支持应用层面的设计决策，实现工作负载部署的优化。

实验结果

研究问题

• RQ1 如何基于其操作特性与约束，有效对IaaS工作负载进行分类？
• RQ2 对于Web服务和Hadoop节点等不同类型的IaaS工作负载，哪些QoS指标最为相关？
• RQ3 如何通过QoS驱动的指标提升云资源在应对工作负载变化时的动态分配能力？
• RQ4 工作负载分类与指标分析在多大程度上可提升IaaS云中的资源利用率与服务质量？

主要发现

• 该研究成功基于行为与需求，识别并分类了主要的IaaS工作负载，包括无状态Web服务与有状态Hadoop数据节点。
• 已将响应时间、吞吐量与可用性等QoS指标有效映射至各类工作负载，实现精确的资源调配。
• 所提出的技术实现了工作负载需求与资源能力之间的更好对齐，提升了整体系统效率。
• 该框架通过提供实时云环境中工作负载-资源映射的可测量标准，支持动态可扩展性。
• 该方法通过提供数据驱动的QoS指标，增强了应用设计，指导部署与配置决策。
• 该方法通过在ICNGCCT 2014上的会议展示得到验证，证明其在真实世界云工作负载中的实际适用性。