Виртуализация серверной инфраструктуры корпоративных центров обработки данных

Виртуализация серверной инфраструктуры корпоративных центров обработки данных

Автор: Мочалов В.П., Линец Г.И., Палканов И.С.

Журнал: Инфокоммуникационные технологии @ikt-psuti

Рубрика: Технологии компьютерных систем и сетей

Статья в выпуске: 3 т.18, 2020 года.

Бесплатный доступ

Объектом исследования являются кластерные системы центров обработки данных, содержащие определенное множество серверов приложений, файл серверов, систем хранения данных, систему ввода-вывода связанных между собой системой коммутации и каналами связи. Целью работы является повышение эффективности использования виртуализированных кластерных систем путем разработки и применения рационального метода распределения виртуальных машин по физическим элементам центров обработки данных. В основу предложенного метода положен итерационный жадный алгоритм и процедура ограниченного перебора, позволяющие увеличить производительность виртуализированной системы за счет рационального распределения данных. Разработана имитационная модель функционирования виртуализированной системы, проведено ее экспериментальное исследование. Представленные подходы обеспечивают определение требуемого числа узлов кластера виртуализированной системы при непредсказуемой интенсивности нагрузки и непредсказуемого уровня запрашиваемых ресурсов виртуальными машинами.

Еще

Центры обработки данных, виртуальные машины, физические серверы, алгоритмы распределения ресурсов, жадный алгоритм, ограниченный перебор

Короткий адрес: https://sciup.org/140256264

IDR: 140256264   |   DOI: 10.18469/ikt.2020.18.3.07

Список литературы Виртуализация серверной инфраструктуры корпоративных центров обработки данных

  • Hewitt C. ORGs for scalable, robust, privacy-friendly client cloud computing // C. 46. The Private Cloud Report. 2010. No 3. 42 p.
  • Cloud computing and grid computing 360-degree compared / I. Foster [et al.] // Grid Computing Environments Workshop. Chicago, 2008. P. 1-10.
  • Cloud services for the fermilab scientific stakeholders / S. Timm [et al.] // J. Phys. Conf. Ser. 2015. Vol. 664. No 2. P. 022039.
  • JINR cloud infrastructure evolution / A.V. Baranov [et al.] // Physics of Particles and Nuclei Letters. 2016. Vol. 13. No 5. P. 672-675.
  • Feller E., Rilling L., Morin C. Energy-aware ant colony based workload placement in clouds // Proceedings of the 12th IEEE/ACM International Conference on Grid Computing. Lyon, France. 2011. P. 00626042.
  • Farahnakian F., Liljeberg P., Plosila J. LiRCUP: Linear regression based CPU usage prediction algorithm for live migration of virtual machines in data centers // 39th EUROMICRO Conference on Software Engineering and Advanced Applications (SEAA). 2013. P. 357-364.
  • Beloglazov A., Buyya R. Optimal online deterministic algorithms and adaptive heuristics for energy and performance efficient dynamic consolidation of virtual machines in cloud data centers // Concurrency and Computation: Practice and Experience (CCPE). 2012. Vol. 24 (13). P. 1397-1420.
  • Mastroianni C., Meo M., Papuzzo G. Probabilistic consolidation of virtual machines in self-organizing cloud data centers // IEEE Transaction of Cloud Computing. 2013. Vol. 1. P. 215-228.
  • Mosa A., Paton N.W. Optimizing virtual machine placement for energy and SLA in clouds using utility functions // Journal of Cloud Computing: Advances, Systems and Applications. 2016. Vol. 5. No. 1. P. 17
  • Monil M.A.H., Rahman R.M. VM consolidation approach based on heuristics, fuzzy logic, and migration control // Journal of Cloud Computing: Advances, Systems and Applications. 2016. Vol. 5. No 1. P. 8.
  • Guenter B., Jain N., Williams C. Managing cost, performance, and reliability tradeoffs for energy-aware server provisioning // Proc. of the 30th Annual IEEE Intl. Conf. on Computer Communications (INFOCOM). 2011. P. 1332-1340.
  • Balashov N., Baranov A., Korenkov V. Optimization of over-provisioned clouds // Physics of Particles and Nuclei Letters. 2016. Vol. 13. No 5. P. 609-612.
  • McNab A., Stagni F., Luzzi C. LHCb experience with running jobs in virtual machines // J. Phys. Conf. Ser. 2015. Vol. 664. No 2. P. 022030.
  • Computing Center of the Institute of High Energy Physics (IHEP-CC) «VCondor - virtual computing resource pool manager based on HTCondor». URL: https://github.com/hep-gnu/VCondor (датаобращения: 17.06.2020).
  • McNab A., Love P., MacMahon E. Managing virtual machines with Vac and Vcycle // J. Phys. Conf. Ser. 2015. Vol. 664. No 2. P. 022031.
  • Feller E., Rilling L., Morin C. Snooze: A scalable and autonomic virtual machine management framework for private clouds // Proceedings of the 12th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (CCGrid). 2012. P. 482-489.
  • Beloglazov R.B. OpenStack neat: A framework for dynamic and energy-efficient consolidation of virtual machines in OpenStack clouds // Concurrency and Computation: Practice and Experience (CCPE). 2015. Vol. 27. No 5. P. 1310-1333.
  • Orgerie A.-C., Lef`ever L. When clouds become green: The green open cloud architecture // International Conference on Parallel Computing (ParCo). 2009. P. 228-237.
  • Ward J.S., Barker A. Observing the clouds: A survey and taxonomy of cloud monitoring // Journal of Cloud Computing: Advances, Systems and Applications. 2014. Vol. 3. No 1. P. 24.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp