[论文解读] Workload Trace Generation for Dynamic Environments in Cloud Computing

Jammily Ortigoza, Fabio López Pires+1 more|arXiv (Cornell University)|Jul 1, 2015

Cloud Computing and Resource Management参考文献 13被引用 5

一句话总结

本文提出了一种针对云计算中虚拟机部署（VMP）的16种动态环境的综合分类法，根据弹性类型（水平、垂直或两者兼具）以及服务器或网络资源的超额预订情况进行分类。该研究提出了一种正式的框架，通过使用随时间变化的虚拟机资源利用率指标（CPU、RAM、网络），实现对动态云工作负载的真实模拟，为未来的VMP研究与优化提供支持。

ABSTRACT

Cloud computing datacenters provide millions of virtual machines in actual cloud markets. In this context, Virtual Machine Placement (VMP) is one of the most challenging problems in cloud infrastructure management, considering the large number of possible optimization criteria and different formulations that could be studied. Considering the on-demand model of cloud computing, the VMP problem should be optimized dynamically to efficiently attend typical workload of modern applications. This work proposes several dynamic environments for solving the VMP from the providers' perspective based on the most relevant dynamic parameters studied so far in the VMP literature. A complete set of environments and workload traces examples are presented in this work.

研究动机与目标

• 为解决从云服务提供商（CSP）视角出发，在虚拟机部署（VMP）研究中缺乏对动态环境整体表征的问题。
• 通过引入弹性与资源超额预订等动态参数，扩展现有的VMP分类法。
• 提供一种正式的框架，用于捕捉真实云场景中随时间变化的虚拟机资源利用率（CPU、RAM、网络）的模拟工作负载轨迹。
• 通过提供所识别的16种动态环境中的4种详细示例，支持未来在动态VMP方面的研究。
• 实现对多样化、真实工作负载条件下VMP算法更精确的模拟与评估。

提出的方法

• 本文提出了一种基于两个二元因素的四维动态VMP环境分类体系：弹性类型（水平、垂直、两者兼具或无）与超额预订类型（服务器、网络、两者兼具或无）。
• 定义了使用三种指标的虚拟机资源利用率的正式模型：CPU（单位为ECU）、RAM（单位为GB）和网络（单位为Mbps），表示为 $ U''_{bcj} = \{Ucpu''_{bcj}, Uram''_{bcj}, Unet''_{bcj}\} $。
• 通过随时间变化的资源需求建模动态行为，其中利用率值在离散时间间隔 $ t $ 内发生变化，反映现实世界的工作负载波动。
• 作者展示了四个详细案例研究（环境 (0,1)、(0,2)、(1,0) 和 (2,0)），说明不同弹性与超额预订组合如何影响虚拟机部署的动态特性。
• 该方法通过编码虚拟机请求、资源需求及随时间变化的利用率模式，支持工作负载轨迹生成，从而实现复杂云工作负载的模拟。
• 该方法基于对84篇相关VMP研究的系统性文献综述，确保与现有动态VMP建模研究保持一致。

实验结果

研究问题

• RQ1 从云服务提供商（CSP）视角出发，影响云计算环境中虚拟机部署（VMP）的关键动态参数有哪些？
• RQ2 如何基于弹性与资源超额预订特性，对动态VMP环境进行系统性分类？
• RQ3 在真实云工作负载中，静态、半静态与完全动态VMP公式在结构与行为上存在哪些差异？
• RQ4 如何正式生成工作负载轨迹，以反映CPU、RAM与网络层面真实、随时间变化的虚拟机资源利用率模式？
• RQ5 在VMP模拟与优化中，将水平弹性与垂直弹性结合服务器与网络超额预订，会产生何种影响？

主要发现

• 本研究通过弹性（水平、垂直、两者兼具、无）与超额预订（服务器、网络、两者兼具、无）的组合，识别出16种不同的动态VMP环境。
• 该框架通过三种指标正式化虚拟机资源利用率：CPU（ECU）、RAM（GB）和网络（Mbps），并在离散时间步长上实现随时间变化的数值。
• 示例环境表明，即使虚拟机数量保持不变，对服务器与网络资源的超额预订也会导致动态利用率模式。
• 水平弹性通过随时间变化的虚拟机数量建模，如环境 (1,0) 所示，虚拟机请求数量在时间步长间从4增加到6。
• 垂直弹性在环境 (2,0) 中得到说明，其中单个虚拟机随时间增加其CPU与RAM需求，反映对现有虚拟机的扩容。
• 其余12个环境通过组合四个基础示例推导得出，表明该框架在工作负载轨迹生成方面具备可扩展性与全面性。