Математическая модель процесса потребления вычислительных ресурсов при их неполном освобождении
Автор: Носова Мария Геннадьевна, Садыков Варис Данисович
Журнал: Бюллетень науки и практики @bulletennauki
Рубрика: Физико-математические науки
Статья в выпуске: 6 т.6, 2020 года.
Бесплатный доступ
В статье разрабатывается математическая модель процесса потребления вычислительных ресурсов при их неполном освобождении при применении технологии виртуализации. Математическая модель представлена в виде системы массового обслуживания с неограниченным числом приборов, с простейшим входящим потоком заявок и экспоненциальным временем обслуживания их на приборах. Исследование модели выполнено методами теории массового обслуживания. Методом моментов найдены основные вероятностные характеристики величины объема свободных ресурсов: математическое ожидание и дисперсия. Предложенная математическая модель процесса потребления вычислительных ресурсов позволяет оценивать и прогнозировать процесс изменения объема свободных ресурсов виртуальной машины во времени и анализировать параметры ее производительности.
Система массового обслуживания, математическое моделирование, виртуальный сервер, оптимизация, виртуальная машина, потребление памяти
Короткий адрес: https://sciup.org/14116162
IDR: 14116162 | DOI: 10.33619/2414-2948/55/01
Текст научной статьи Математическая модель процесса потребления вычислительных ресурсов при их неполном освобождении
Бюллетень науки и практики / Bulletin of Science and Practice
УДК 519.248
Современное компьютерное оборудование обладает очень широкими возможностями, изначально оно было разработано для установки только одной операционной системы и для выполнения только одного приложения. Технология виртуализация смогла преодолеть это ограничение и сделала возможным одновременный запуск нескольких операционных систем и выполнение нескольких приложений на одном компьютере при этом такие виртуальные машины оказываются абсолютно изолированными друг от друга и ведут себя, как отдельные физические компьютеры. С помощью технологии виртуализации значительно повышается эффективность имеющегося в распоряжении предприятия оборудования за счет консолидации рабочих нагрузок, что позволяет существенно сократить количество серверного оборудования и снизить эксплуатационные издержки на содержание IT-инфраструктуры предприятия. На сегодняшний день миллионы людей во всем мире используют технологию виртуализации для экономии времени, денежных средств и электроэнергии, достигая при этом более высоких результатов без расширения аппаратных ресурсов [1].
Однако, пользователи виртуальных машин, могут столкнуться с такой проблемой, как утечка вычислительных ресурсов, которая возникает в результате неполного освобождения занятой памяти приложениями. Это приводит к тому, что потребление ресурсов в виртуальной машине неконтролируемо возрастает, в результате может наступить момент, когда новое выделение памяти для исполнения пользовательских запросов становится невозможным.
Поэтому с целью анализа и оптимизации параметров производительности виртуальной машины, актуальным является моделирование процесса изменения объема вычислительных ресурсов при их неполном освобождении при применении технологии виртуализации. Моделированию процесса потребления вычислительных ресурсов, посвящены многочисленные работы отечественных и зарубежных ученых. Значительная часть этих работ отводится применению при моделировании методов теории массового обслуживания [2–5]. Однако модели, разработанные учеными, не исчерпывают все их многообразие, актуальным по-прежнему остается разработка новых моделей, максимально приближенным к реальным процессам.
Математическая модель
В качестве новой математической модели процесса потребления виртуальной машиной вычислительных ресурсов при обработке запросов пользователей с неполным освобождением ресурсов выберем бесконечно линейную систему массового обслуживания M|M|∞ [6–7]. На вход такой системы M|M|∞ поступает простейший поток запросов с интенсивностью λ, время обслуживания запросов пользователей распределено по экспоненциальному закону с интенсивностью µ (Рисунок).
При поступлении заявки (запроса) в систему для выполнения выделяются вычислительные ресурсы, которые в большей степени освобождаются, когда запрос покидает систему. Если в момент поступления запроса недостаточно свободных вычислительных ресурсов виртуальной машины для его обработки, то такой запрос теряется. Будем считать, что потенциальный поток запросов к серверу является бесконечным.

Рисунок. Система массового обслуживания M|M|∞.
Для функционирования данной системы важными являются два случайных процесса: число обсуживаемых запросов k ( t ) в системе и объем свободных вычислительных ресурсов S ( t ). Изменение числа обслуживаемых запросов k ( t ) и объема свободных вычислительных ресурсов S ( t ) происходит в следующих ситуациях:
-
1. На виртуальную машину поступает новый запрос. Полагая, что поток запросов на машину является простейшим с интенсивностью λ, запишем вероятность того, что за время At на виртуальную машину поступит новый запрос как AAt + о (At) При этом каждый новый запрос связан с захватом некоторого объема ресурсов φ для его обработки. Размер φ является случайной величиной с функцией распределения F^x) и моментам М{^} = а1 и М{ф2] = а2 .
-
2. В случайный момент времени запрос полностью обрабатывается виртуальной машиной. Будем полагать, что продолжительность обработки запроса является случайной величиной с функцией распределения F(x) = 1 — e-flt . Каждый запрос обрабатывается и покидает виртуальную машину независимо от продолжительности обслуживания других запросов, с интенсивностью μ. Тогда за время ∆ t запрос покинет виртуальную машину с вероятностью ka At + o(At). При этом каждый обработанный запрос частично освобождает ресурсы некоторого объема η . Размер η является случайной величиной с функцией распределения F|(x) и с моментами М{п} = с1 и М{ц2} = с2, причем, учитывая наличие утечки вычислительных ресурсов, всегда с1< а1 и с2< а2.
Нахождение вероятностных характеристик
В дальнейшем, применяя методы теории массового обслуживания [6–7], а также подход, описанный в [8–9], найдено, что изменение объема свободных вычислительный ресурсов при неполном освобождении ресурсов можно описать выражением: V(t) = у i(t) KF)
-
-Li=i9 + 1г=1П,
тогда общий объем свободных ресурсов виртуальной машины в момент времени t составит: V(t) = V(0) + V(t), где i(t) — случайный процесс, характеризующей число пришедших запросов за время t, а l(t) — число запросов, завершающих обслуживание в момент времени t.
Тогда средняя величина изменения объема свободных ресурсов за время t составит:
MV(t) = ^ c 1 (1 - e-^) + Aa 1 t, M V (t) = 7(0) + MV(t) (1)
а дисперсия объема свободных ресурсов за время t :
= ~ c2(1 — e - ^) — 2 ^ a 1 c 1 (1 — e "^ f) — Xa2t.
где V (0) — начальный объем свободных вычислительных ресурсов виртуальной машины.
Результатом исследования являются формулы (1) и (2), определяющие вероятностные характеристики величины объема свободных ресурсов виртуальной машины при их неполном освобождении, а именно математическое ожидание и дисперсию.
Заключение
Разработанная математическая модель процесса потребления вычислительных ресурсов и найденные вероятностные характеристики позволяет оценивать и прогнозировать процесс изменения объема свободных ресурсов виртуальной машины во времени и анализировать параметры ее производительности.
Список литературы Математическая модель процесса потребления вычислительных ресурсов при их неполном освобождении
- Гусев О. В., Жуков А. В., Поляков В. В., Поляков С. В. Проблема адекватной оценки производительности веб-серверов в корпоративных сетях на предприятиях ЦБП // Новые информационные технологии в ЦБП и энергетике: материалы 6-й научно-технической конференции (Петрозаводск, 20-24 сентября 2004 г.). Петрозаводск, 2004. С. 84-87.
- Vilaplana J., Solsona F., Teixidó I., Mateo J., Abella F., Rius J. A queuing theory model for cloud computing // The Journal of Supercomputing. 2014. V. 69. №1. P. 492-507. DOI: 10.1007/s11227-014-1177-y
- Khazaei H., Misic J., Misic V. B. A fine-grained performance model of cloud computing centers // IEEE Transactions on parallel and distributed systems. 2012. V. 24. №11. P. 2138-2147. DOI: 10.1109/TPDS.2012.280
- El-Sheimy N., Hou H., Niu X. Analysis and modeling of inertial sensors using Allan variance // IEEE Transactions on instrumentation and measurement. 2007. V. 57. №1. P. 140-149. DOI: 10.1109/TIM.2007.908635
- Murugesan R., Elango C., Kannan S. A status report on resource allocation in cloud computing using queuing theory // International Journal of Advanced Research in Computer Engineering & Technology (IJARCET). 2014. V. 3. №11. P. 3603-3608.
- Носова М. Г. Автономная немарковская система массового обслуживания и ее применение в задачах демографии: дисс. … канд. физ.-мат. наук. Томск, 2010. 204 с.
- Назаров А. А., Терпугов А. Ф. Теория массового обслуживания. Томск, 2010. 228 с.
- Носова М. Г. Математическая модель компании по микрофинансированию со смешанными потоками входящих рисков // Фундаментальные исследования. 2017. №12-1. C. 207-211.
- Nosova M. G. Research of a three-phase autonomous queuing system with a Markov Modulated Poisson process // Information Technologies and Mathematical Modeling (ITMM-2018): Proceedings of 17th International Conference named after A. F. Terpugov (Tomsk, September 10-15, 2018). Tomsk, 2018. P. 33-38.