Методика перераспределения функционирующих виртуальных машин по серверам в дата-центре

Александр [Aleksandr] Анатольевич [A.] Ларин [Larin]; Леонид [Leonid] Иванович [I.] Абросимов [Abrosimov]

doi:10.24160/1993-6982-2018-1-98-105

Александр [Aleksandr] Анатольевич [A.] Ларин [Larin]
Леонид [Leonid] Иванович [I.] Абросимов [Abrosimov]

DOI: https://doi.org/10.24160/1993-6982-2018-1-98-105

Ключевые слова: энергопотребление дата-центра, ресурсы серверов и виртуальных машин, методика перераспределения виртуальных машин, дата-центр

Аннотация

Ежегодно возрастает необходимость в централизованной обработке и хранении данных, для этого вводятся в эксплуатацию дата- центры еще большей вместимости и вычислительной мощности. Для снижения расходов особое внимание уделяется оптимизации энергопотребления инфраструктуры такого центра. Рассмотрен способ повышения энергоэффективности всего дата-центра за счет перераспределения нагрузки с последующим отключением простаивающих серверов. Рассмотрен механизм миграций виртуальных машин для оптимизации потребления серверами. Существующие методики для перераспределения виртуальных машин используют полный перебор, который невозможен в случае реальных размерностей, либо в них не учитывается критерий энергопотребления. Предложена методика, исключающая полный перебор и нацеленная на повышение эффективности по критерию суммарного энергопотребления серверов дата-центра за счет перераспределения функционирующих виртуальных машин по серверам в дата-центре. Она основана на эвристической процедуре выбора серверов назначения и состоит из статической части, в которой происходит сбор информации о ресурсах, и динамической части — в которой виртуальные машины распределяются по серверам в зависимости от начальных данных и установленных ограничивающих параметров. Приведен модельный пример, демонстрирующий работоспособность методики. В нем раскрываются шаги методики, показан выбор конечных серверов назначения для миграций.

Сведения об авторах

Александр [Aleksandr] Анатольевич [A.] Ларин [Larin]

Место работы

кафедра Вычислительных машин, систем и сетей НИУ «МЭИ»

Должность

аспирант

Леонид [Leonid] Иванович [I.] Абросимов [Abrosimov]

Учёная степень:

доктор технических наук

Место работы

кафедра Вычислительных машин, систем и сетей НИУ «МЭИ»

Должность

профессор

Литература

1. Облачный провайдинг: экономика, стратегии, бизнес-модели [Электрон. ресурс] URL: http://www. iks-consulting.ru/raitings-220.html (дата обращения 03.01.2017)

2. Обзор: облачные сервисы 2014 [Электрон. ресурс] URL: http://www.cnews.ru/reviews/cloud_2014/ review_table/655b2c19b5e2ed63f1792efd5a3e786121fd6 9d2/ (дата обращения 23.12.2016)

3. Google's DeepMind Trains AI to Cut its Energy Bills by 40% [Электрон. ресурс] URL: http://www.wired. co.uk/article/google-deepmind-data-centres-efficiency (дата обращения 25.11.2017)

4. Pedram M., Hwang I. Power and Performance Modeling in a Virtualized Server System [Электрон. ресурс] URL: http://www.mpedram.com/Papers/Virtualsystem-modeling-greencom10.pdf (дата обращения 20.02.2017)

5. Аверьянихин А.Е., Котельницкий А.В., Муравьев К.А. Методика расчета оптимального числа узлов кластера виртуализации частного облака виртуальных рабочих столов по критерию эффективности // Международный научно-исследовательский журнал. 2016. № 5 (47). С. 6—13.

6. Соловьев В.П., Удовиченко А.О. Метод планирования размещения группы виртуальных машин с перераспределением ресурсов // Программные продукты и системы. 2012. № 1. С. 134—137.

7. Ворожцов А.С., Тутова Н.В., Тутов А.В. Методика оптимального распределения виртуальных серверов в центрах обработки данных // T-Comm – Телекоммуникации и транспорт. 2015. № 7. C. 5—10.

8. Абросимов Л. И., Крамаренко М. Д., Гончаренко О. С. Лабораторные работы по исследованию вероятностно-временных характеристик прокси-сервера [Электрон. ресурс] URL:http://network-journal.mpei. ac.ru/cgi-bin/main.pl?l=ru&n=27&pa=15&ar=1 (дата обращения 28.03.2017)
---
Для цитирования: Ларин А.А, Абросимов Л.И. Методика перераспределения функционирующих виртуальных машин по серверам в дата-центре // Вестник МЭИ. 2018. № 1. С. 98—105. DOI: 10.24160/1993-6982-2018-1-98-105.
#
1. Oblachnyy Provayding: Ekonomika, Strategii, Biznes-modeli [Elektron. Resurs] URL: http://www.iks- consulting.ru/raitings-220.html (Data Obrashcheniya 03.01.2017) (in Russian).

2. Obzor: Oblachnye Servisy 2014 [Elektron. Resurs] URL: http://www.cnews.ru/reviews/cloud_2014/review_ table/655b2c19b5e2ed63f1792efd5a3e786121fd69d2/ (Data Obrashcheniya 23.12.2016) (in Russian).

3. Google's DeepMind trains AI to cut its energy bills by 40% [Elektron. resurs] URL: http://www.wired.co.uk/ article/google-deepmind-data-centres-efficiency (Data Obrashcheniya 25.11.2017)

4. Pedram M., Hwang I. Power and Performance Modeling in a Virtualized Server System [Elektron. Resurs] URL: http://www.mpedram.com/Papers/Virtual system-modeling-greencom10.pdf (Data Obrashcheniya 20.02.2017)

5. Aver'yanihin A.E., Kotel'nitskiy A.V., Murav'- ev K.A. Metodika Rascheta Optimal'nogo Chisla Uzlov Klastera Virtualizatsii Chastnogo Oblaka Virtual'nyh Rabochih Stolov po Kriteriyu Effektivnosti. Mezhdu- narodnyy Nauchno-issledovatel'skiy Zhurnal. 2016;5 (47):6—13. (in Russian).

6. Solov'ev V.P., Udovichenko A.O. Metod Planirovaniya Razmeshcheniya Gruppy Virtual'nyh Mashin s Pereraspredeleniem Resursov. Programmnye Produkty i Sistemy. 2012;1:134—137. (in Russian).

7. Vorozhtsov A.S., Tutova N.V., Tutov A.V. Metodika Optimal'nogo Raspredeleniya Virtual'nyh Serverov v Tsentrah Obrabotki Dannyh. T-Comm – Telekommunikatsii i Transport. 2015;7:5—10. (in Russian).

8. Abrosimov L. I., Kramarenko M. D., Goncharenko O. S. Laboratornye Raboty po Issledovaniyu veroyatnostno-vremennyh Harakteristik Proksi-servera [Elektron. Resurs] URL:http://network-journal.mpei.ac.ru/ cgi-bin/main.pl?l=ru&n=27&pa=15&ar=1 (Data Obra- shcheniya 28.03.2017) (in Russian).
---
For citation: Larin A.A., Abrosimov L.I. A Methodology for Redistributing the Operating Virtual Machines among the Servers in a Data Center. MPEI Vestnik. 2018;1:98—105. (in Russian). DOI: 10.24160/1993-6982-2018-1-98-105.