Phương pháp tự động điều chỉnh quy mô máy ảo dựa trên lý thuyết trò chơi

Điện toán đám mây cho phép khách hàng mở rộng quy mô ứng dụng theo nhu cầu của họ. Tuy nhiên, bài toán xác định lượng tài nguyên cần thuê mà vẫn đảm bảo chất lượng dịch vụ, chi phí thấp là một thách thức lớn. Trong nghiên cứu này, chúng tôi tập trung vào mô hình hóa vấn đề máy ảo tự động thay đổi quy mô cho các ứng dụng nhiều tầng dựa trên lý thuyết trò chơi. Chiến lược tự động mở rộng tài nguyên được dựa trên định lý cân bằng Nash và tham số QoS của các máy ảo. Trong môi trường điện toán đám mây cần khả năng mở rộng và đáp ứng người dùng cao, chúng tôi thiết kế thuật toán PSOVM để giải quyết vấn đề này dựa trên thuật toán PSO. Các thuật toán metaheuristic có khả năng tìm thấy kết quả gần tối ưu trong thời gian chấp nhận được.

ỦY BAN NHÂN DÂN THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC SÀI GÒN DỊCH BÀI BÁO SỐ 93 AN AUTO-SCALING VM GAME APPROACH FOR MULTI-TIER APPLICATION WITH PARTICLE SWARM OPTIMIZATION ALGORITHM IN CLOUD COMPUTING (PHƯƠNG PHÁP TỰ ĐỘNG ĐIỀU CHỈNH QUY MƠ MÁY ẢO DỰA TRÊN LÝ THUYẾT TRỊ CHƠI CHO ỨNG DỤNG NHIỀU TẦNG VỚI THUẬT TOÁN TỐI ƯU HĨA BẦY ĐÀN TRONG ĐIỆN TỐN ĐÁM MÂY) CHUN NGÀNH: KHOA HỌC MÁY TÍNH MƠN : MẠNG VÀ TỐI ƯU HỐ GIẢNG VIÊN: PGS.TS TRẦN CƠNG HÙNG HỌC VIÊN: NGUYỄN NGỌC HÂN KHÓA: 22.1 MSSV: CH 11221002 Thành phố Hồ Chí Minh, năm 2023 ỦY BAN NHÂN DÂN THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC SÀI GỊN DỊCH BÀI BÁO SỐ 93 AN AUTO-SCALING VM GAME APPROACH FOR MULTI-TIER APPLICATION WITH PARTICLE SWARM OPTIMIZATION ALGORITHM IN CLOUD COMPUTING (PHƯƠNG PHÁP TỰ ĐỘNG ĐIỀU CHỈNH QUY MÔ MÁY ẢO DỰA TRÊN LÝ THUYẾT TRÒ CHƠI CHO ỨNG DỤNG NHIỀU TẦNG VỚI THUẬT TỐN TỐI ƯU HĨA BẦY ĐÀN TRONG ĐIỆN TỐN ĐÁM MÂY) CHUN NGÀNH: KHOA HỌC MÁY TÍNH MƠN : MẠNG VÀ TỐI ƯU HỐ GIẢNG VIÊN: PGS.TS TRẦN CƠNG HÙNG HỌC VIÊN: NGUYỄN NGỌC HÂN KHĨA: 22.1 MSSV: CH11221002 Thành phố Hồ Chí Minh, năm 2023 Hội nghị quốc tế công nghệ tiên tiến cho truyền thông (ATC) năm 2018 PHƯƠNG PHÁP TỰ ĐỘNG ĐIỀU CHỈNH QUY MƠ MÁY ẢO DỰA TRÊN LÝ THUYẾT TRỊ CHƠI CHO ỨNG DỤNG NHIỀU TẦNG VỚI THUẬT TOÁN TỐI ƯU HĨA BẦY ĐÀN TRONG ĐIỆN TỐN ĐÁM MÂY Khiet Bui Thanh Lam Mai Hoang Xuan Chien Nguyen Khac Khoa Khoa học Máy Học viện Cơng nghệ Bưu Khoa Tốn – Tin tính Kỹ thuật Viễn thơng Đại học Cảnh sát Nhân dân Đại học Bách Khoa Thành phố Hồ Chí Minh, Việt TP.HCM TP.Hồ Chí Minh Nam Thành phố Hồ Chí Minh, Việt Thành phố Hồ Chí maihoangxuanlam@gmail.co Nam Minh, Việt Nam m nkchienster@gmail.com khietbt@tdmu.edu.vn Hung Ho Dac Vu Pham Tran Hung Tran Cong Khoa Công nghệ Kỹ Khoa Khoa học Máy tính Phịng Khoa học Cơng nghệ thuật Kỹ thuật Đào tạo Đại học Thủ Dầu Một Đại học Bách Khoa TP.Hồ Chí Học viện Cơng nghệ Bưu Bình Dương, Việt Nam Minh Viễn thơng hunghd@tdmu.edu.vn Thành phố Hồ Chí Minh, Việt Thành phố Hồ Chí Minh, Việt Nam Nam ptvu@hcmut.edu.vn conghung@ptithcm.edu.vn Tóm tắt — Điện toán đám mây cho phép khách hàng mở rộng quy mô ứng dụng theo nhu cầu họ Tuy nhiên, toán xác định lượng tài nguyên cần thuê mà đảm bảo chất lượng dịch vụ, chi phí thấp thách thức lớn Trong nghiên cứu này, chúng tơi tập trung vào mơ hình hóa vấn đề máy ảo tự động thay đổi quy mô cho ứng dụng nhiều tầng dựa lý thuyết trò chơi Chiến lược tự động mở rộng tài nguyên dựa Hội nghị quốc tế công nghệ tiên tiến cho truyền thông (ATC) năm 2018 định lý cân Nash tham số QoS máy ảo Trong mơi trường điện tốn đám mây cần khả mở rộng đáp ứng người dùng cao, chúng tơi thiết kế thuật tốn PSOVM để giải vấn đề dựa thuật toán PSO Các thuật toán metaheuristic có khả tìm thấy kết gần tối ưu thời gian chấp nhận Từ khoá — tự động điều chỉnh quy mơ; PSO; điện tốn đám mây I GIỚI THIỆU Điện tốn đám mây cơng nghệ ngày ưa chuộng ưu điểm mà mang lại cho khách hàng khả triển khai ứng dụng cách linh hoạt, đơn giản hóa q trình th giải phóng tài ngun Các dịch vụ công nghệ ngày phần lớn dựa tài nguyên, chế vận hành lưu trữ, phân phối xử lý thông tin đám mây Thay sử dụng nhiều máy vật lý (PM), người dùng sử dụng tài nguyên ảo hóa thơng qua mơi trường internet mơ hình dịch vụ IaaS, sử dụng dịch vụ PaaS bao gồm API để phát triển ứng dụng tảng công nghệ cụ thể dịch vụ phần mềm (SaaS) - hầu hết số cung cấp dạng ứng dụng dựa web truy cập từ khoảng cách xa Mơi trường điện tốn đám mây cho phép khách hàng tự động tăng/giảm quy mô ứng dụng họ [1] Cụ thể, dịch vụ hạ tầng IaaS, đám mây phải có khả tự động tăng/giảm quy mô tài nguyên gán cho ứng dụng thời điểm khác để cải thiện hiệu suất, trì ổn định hệ thống [2] Mặc dù điện toán đám mây cho phép ứng dụng thích ứng với nhu cầu thay đổi, để đưa định đắn tốn dễ dàng Cơng việc cần hệ thống để chia tỷ lệ tài nguyên theo khối lượng cơng việc mà ứng dụng xử lý Theo đó, tự động mở rộng quy tài nguyên điều chỉnh theo chiều ngang chiều dọc Trong quy mô chiều ngang, đơn vị tài nguyên máy ảo Ngược lại, quy mô theo chiều dọc liên quan đến việc thay đổi tài nguyên gán cho máy ảo chạy, chẳng hạn tăng (hoặc giảm) hiệu CPU nhớ phân bổ Các hệ điều hành phổ biến không cho phép thay đổi nhanh chóng (khơng khởi động lại) máy mà chạy (ngay Hội nghị quốc tế công nghệ tiên tiến cho truyền thơng (ATC) năm 2018 máy ảo); lý này, hầu hết nhà cung cấp đám mây cung cấp khả mở rộng theo chiều ngang Các định ứng dụng tự động điều chỉnh quy mô phải đảm bảo nhu cầu bên liên quan Đối với khách hàng, họ muốn chi phí dịch vụ thấp, nhà cung cấp dịch vụ muốn tối đa hóa lợi nhuận họ Các mơ hình định giá tài nguyên bao gồm loại máy ảo, chi phí đơn vị thời gian ( theo phút, giờ) Ứng dụng tự động chia tỷ lệ phải đảm bảo chức ứng dụng triển khai yêu cầu cách trì QoS QoS thường phụ thuộc vào hai loại thỏa thuận cấp độ dịch vụ (SLA): Ứng dụng SLA hợp đồng khách hàng (chủ sở hữu ứng dụng) người dùng cuối; tài nguyên SLA cung cấp nhà cung cấp khách hàng Cả hai loại SLA thường kết hợp để đáp ứng ứng dụng SLA, nhà cung cấp cần tuân thủ tài nguyên SLA Tuy nhiên, việc xác định lượng tài nguyên phù hợp thuê đáp ứng mức dịch vụ yêu cầu giữ mức chi phí tổng thể thấp thách thức lớn Có nhiều thuật tốn tự động điều phối tài nguyên phát triển thuật tốn thích hợp với ứng dụng [3-5] Trong môi trường đám mây, khách hàng nhà cung cấp dịch vụ thường có yêu cầu khác xung đột với Do đó, việc tự động thay đổi quy mơ tài nguyên điện toán đám mây thử thách khó Lời giải cho tốn thường dựa đặc thù toán, từ thuật toán thuật toán vét cạn, thuật toán tất định [6] hay thuật toán metaheuristic [7-9] Trong thực tế, tất thuật tốn xác định thuật tốn tồn diện tốt Tuy nhiên, thuật tốn tồn diện không hiệu môi trường liệu phân tán chúng khơng phù hợp với tốn lập lịch môi trường mở rộng [10] Đồng thời, điện tốn đám mây mơi trường liệu phân tán đòi hỏi khả mở rộng khả phản hồi người dùng cao để giải vấn đề điều chỉnh linh hoạt máy ảo cách nhanh chóng Phát triển thuật tốn metaheuristic cho điện toán đám mây khả thi thuật tốn metaheuristic cho kết gần tối ưu thời gian chấp nhận Trong nghiên cứu này, đề xuất giải pháp tự động điều chỉnh tài nguyên để đảm bảo chất lượng mục tiêu chi phí thuê tài nguyên dựa lý thuyết trị chơi thuật tốn metaheuristic nói riêng để tối ưu hố PSO (Particle Swarm Optimization) nhằm tìm giải pháp Hội nghị quốc tế công nghệ tiên tiến cho truyền thông (ATC) năm 2018 tối ưu gần tối ưu dựa sở cân Nash Các phần trình bày sau: Phần II công việc liên quan; Phương pháp tự động mở rộng máy ảo trình bày Phần III; Phần IV cho thấy phương pháp tự động thay đổi quy mô máy ảo dựa PSO Phần V thực nghiệm để đánh giá phương pháp đề xuất; Cuối cùng, phần kết luận hướng phát triển trình bày Phần VI II CÁC CƠNG TRÌNH LIÊN QUAN Mỗi phương pháp tự động thay đổi quy mô thiết kế với mục đích cụ thể, tập trung vào kiến trúc ứng dụng nhà cung cấp đám mây cung cấp khả điều chỉnh khác Chúng vào đặc tính kỹ thuật sở lý thuyết ứng dụng, phân chia tự động theo hướng như: (i) dựa ngưỡng, (ii) lý thuyết điều khiển, (iii) học tăng cường, (iv) lý thuyết hàng đợi (v) phân tích chuỗi thời gian Q trình tự động thay đổi quy mơ chủ yếu bao gồm giai đoạn phân tích lập kế hoạch vòng lặp MAPE Lý thuyết hàng đợi phân tích chuỗi thời gian hữu ích giai đoạn phân tích để ước tính nhu cầu nhu cầu tương lai ứng dụng Các quy tắc dựa ngưỡng, học tăng cường lý thuyết kiểm sốt sử dụng giai đoạn lập kế hoạch để xác định hành động khắc phục chúng kết hợp với phân tích liên quan trước đó, chẳng hạn phân tích chuỗi thời gian Ruiqing Chi et al đề xuất phương pháp tự động mở rộng quy mô tài nguyên cho ứng dụng web nhiều tầng dựa lý thuyết trị chơi [11] Mơ hình đảm bảo u cầu QoS, đồng thời giảm thiểu chi phí sử dụng tài nguyên Dựa lý thuyết trò chơi, họ áp dụng định lý cân Nash, đề xuất thuật tốn tiến hóa sử dụng Mạng hàng đợi đa lớp (Layer Queuing Network - LQN) để dự đoán hành vi ứng dụng xác phạm vi khối lượng công việc tài nguyên phân bổ Chúng giải vấn đề phân chia tài nguyên cho ứng dụng web nhiều tầng đám mây Huang et al đề xuất thuật toán tự động mở rộng quy mơ [5] mà tạo ứng dụng web không đáp ứng nhu cầu khách hàng mà cịn sử dụng tài nguyên hơn, cải thiện việc sử dụng tài nguyên giảm chi phí triển khai Thiết kế chế điều chỉnh máy ảo tự Hội nghị quốc tế công nghệ tiên tiến cho truyền thông (ATC) năm 2018 động với mục đích tự động hố quy trình phân bổ tài nguyên ứng dụng cách tốt để dự đoán tài nguyên mà ứng dụng cần cách sử dụng lý thuyết hàng đợi So với phương pháp truyền thống sử dụng tải tài nguyên mức cao, phương pháp cải thiện hiệu sử dụng tài nguyên đảm bảo chất lượng dịch vụ Wei-Hua Ba et al [3] đề xuất phương pháp đánh giá hiệu suất ứng dụng đám mây Dựa thời gian phản hồi trung bình, thời gian chờ trung bình số hiệu suất khác, phương pháp truy cập mật độ lưu lượng sử dụng máy chủ, cấu hình chúng, trung tâm liệu không đồng Sử dụng lý thuyết hàng đợi, họ xây dựng mơ hình hàng đợi phức tạp bao gồm hai hệ thống hàng đợi nối tiếp biểu diễn dạng mơ hình phân tích để đánh giá hiệu suất trung tâm liệu không đồng Mơ hình hàng đợi phức tạp cung cấp kết có độ xác cao cho phép đo hiệu suất cho phép phân tích tính khơng đồng trung tâm liệu không đồng Massimo Ficco et al đề xuất cách tiếp cận siêu thuật toán (meta-heuristic) để phân bổ tài nguyên đám mây dựa hệ sinh thái mô hình lấy cảm hứng từ sinh học [12] Theo đó, lý thuyết trị chơi cổ điển nhằm tối ưu hóa chiến lược phân bổ nguồn lực đảm bảo mục tiêu nhà cung cấp dịch vụ yêu cầu khách hàng Các thuật tốn tiến hóa dựa cấu trúc rạn san hô sinh sản san hô cho thấy hành vi thú vị để mô yêu cầu liên tục tài ngun, kích hoạt q trình quy mơ thay đổi, quy mô mở rộng, quy mô thu nhỏ quy mơ di cư Nó khai thác động lực cạnh tranh người dùng chiến lược (với SLA họ) nhà cung cấp dịch vụ (với mục tiêu tối đa hóa doanh thu) để hội tụ giải pháp tối ưu đáp ứng lợi ích rõ ràng bên liên quan Các thử nghiệm cho thấy kết hợp phương pháp tiếp cận dựa sinh học dựa trò chơi không đạt giải pháp thỏa đáng khả thích ứng tính đàn hồi, mà cịn dẫn đến cải tiến đáng kể hiệu suất Khi hội tụ lúc, vấn đề quy mơ điện tốn đám mây lớn với nhiều máy máy ảo phân bổ lại Yang Guo et al đề xuất thuật toán tự động thay đổi quy mô cho ứng dụng máy ảo đám mây [4] Mục tiêu giảm thiểu số lượng máy vật lý lưu trữ cách đóng gói máy ảo thành máy vật lý, máy ảo tự động điều chỉnh để đáp ứng yêu Hội nghị quốc tế công nghệ tiên tiến cho truyền thông (ATC) năm 2018 cầu thay đổi Thuật toán Shadow sử dụng hệ thống hàng đợi ảo thiết kế riêng biệt để tự động tạo giải pháp tối ưu cho việc điều chỉnh máy ảo tự động đóng gói máy ảo với máy vật lý Các thuật toán chạy liên tục mà giải lại vấn đề tối ưu hóa "từ đầu", tự động thay đổi quy mô theo nhu cầu biến động ứng dụng III PHƯƠNG PHÁP TỰ ĐỘNG MỞ RỘNG MÁY ẢO A Mơ hình hệ thống Điện tốn đám mây phương thức cung cấp tài nguyên cho ứng dụng Mơ-đun giám sát vịng lặp MAPE-K liên tục giám sát việc sử dụng tài nguyên ứng dụng Môđun giám sát thu thập liệu trạng thái sử dụng tài nguyên chuyển liệu tới tự động điều chỉnh quy mơ, sau đưa lệnh để tự động chia quy mô - cụ thể tăng/giảm số lượng máy ảo phục vụ Để truy cập vào QoS cho nhân viên ứng dụng đa tầng, sử dụng Mạng lưới hàng đợi đa lớp (Layer Queuing Network - LQN) [13, 14] Đây mô hình phân tích dựa Mạng lưới hàng đợi (QNs) Mơ hình phù hợp để mơ hình hóa ứng dụng phức tạp, có tài nguyên phần cứng mà thực thể phần mềm chạy kết hợp nhiều mức độ chi tiết khác mơ hình Mơ hình hiệu suất LQN dễ dàng tích hợp với Chu Trình Phát Triển Phần Mềm (Software Development Life Cycle - SDLC) Các LQN lý tưởng để biểu diễn tương tác độ phức tạp ứng dụng nhiều tầng Hội nghị quốc tế công nghệ tiên tiến cho truyền thơng (ATC) năm 2018 Hình Kiến trúc hệ thống Ở nghiên cứu này, mơ hình LQN cung cấp thước đo hiệu suất thời lượng trạng thái ổn định thời gian phản hồi Đầu vào mơ hình LQN tài nguyên phần cứng, cường độ làm việc khách hàng, nhu cầu dịch vụ khách hàng mơ hình thành phần giai đoạn B Mơ hình trị chơi tự động điều chỉnh quy mô Giả sử sở hạ tầng đám mây, có M máy vật lý (PM) Nhờ có cơng nghệ ảo hóa, máy vật lý tự triển khai máy ảo (VM) Hệ thống điện toán đám mây cung cấp tài nguyên cho ứng dụng đa tầng A={ A1 , A ,… A n } Vectơ phân bổ tài nguyên Φ={Φ , Φ , … , Φn } định nghĩa số lượng VM phân bổ cho ứng dụng tất máy chủ cho hợp lý Chiến lược phân bổ VM cho ứng dụng Ai biểu diễn ma trận không âm Φ i hàng k cho tầng cột m cho máy vật lý biểu diễn bên dưới: v i11 v i12 i i Φ i= v 21 v 22 ⋮ ⋮ i v k vik ( ⋯ vi1 m ⋯ v i2 m , ⋱ ⋮ ⋯ v ikm ) (1) vikm >0 số lượng máy ảo phân bổ cho ứng dụng i hàng k máy vật lý m Một ứng dụng đa tầng Ai phục vụ Ti={ti ,t i , … , t iy }, y số lượng tác vụ Để đảm bảo chất lượng dịch vụ cho người sử dụng ứng dụng Ai, xem xét mức độ đáp ứng nhu cầu người dùng dựa thời gian phản hồi tác vụ sau: y Ri=∑ 1− j=1 r 1+ e T ij −rij , (2) đó, thời gian phản hồi r ij ứng dụng i cho tác vụ j, r Tij thời gian phản hồi dự kiến ứng dụng i cho tác vụ j Bằng cách áp dụng LQN, ta tính r ij sau: Hội nghị quốc tế công nghệ tiên tiến cho truyền thông (ATC) năm 2018 k r ij = ∑ ∝=1 y 1−∑ β =1 s ∝ij w αiβ m ∑v δ=1 , s α iβ (3) α iδ đó, - s∝ij thời gian phục vụ trung bình ứng dụng i cho tác vụ j lớp ∝ - sαiβ thời gian phục vụ trung bình ứng dụng i cho tác vụ b lớp ∝ - w αiβ khối lượng công việc ứng dụng i lớp ∝ - viδα số lượng máy ảo ứng dụng i lớp ∝ phân bổ máy vật lý δ Ở nghiên cứu này, tính tốn giá thành dịch vụ dựa số lượng CPU phân bổ cho ứng dụng Giả sử rằng, x số lượng tài nguyên phân bổ cho máy vật lý i Nếu nhiều tài nguyên sử dụng khách hàng phải trả nhiều tiền Giá thành tỉ lệ thuận với mức độ sử dụng tài nguyên thời gian để hoàn thành tác vụ Vì thế, giá thành x thể sau: pi ( x ) =ax +b ( 0< x