Nghiên cứu kỹ thuật Auto – Scaling trong Cloud Computing

Nghiên cứu kỹ thuật Auto – Scaling trong Cloud ComputingNghiên cứu kỹ thuật Auto – Scaling trong Cloud ComputingNghiên cứu kỹ thuật Auto – Scaling trong Cloud ComputingNghiên cứu kỹ thuật Auto – Scaling trong Cloud ComputingNghiên cứu kỹ thuật Auto – Scaling trong Cloud ComputingNghiên cứu kỹ thuật Auto – Scaling trong Cloud ComputingNghiên cứu kỹ thuật Auto – Scaling trong Cloud ComputingNghiên cứu kỹ thuật Auto – Scaling trong Cloud ComputingNghiên cứu kỹ thuật Auto – Scaling trong Cloud ComputingNghiên cứu kỹ thuật Auto – Scaling trong Cloud ComputingNghiên cứu kỹ thuật Auto – Scaling trong Cloud ComputingNghiên cứu kỹ thuật Auto – Scaling trong Cloud Computing

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG - NGUYỄN TRUNG HIẾU NGHIÊN CỨU KỸ THUẬT AUTO-SCALING TRONG CLOUD COMPUTING LUẬN VĂN THẠC SĨ KỸ THUẬT TP.HỒ CHÍ MINH -2016 HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG - NGUYỄN TRUNG HIẾU NGHIÊN CỨU KỸ THUẬT AUTO-SCALING TRONG CLOUD COMPUTING CHUYÊN NGÀNH : HỆ THỐNG THÔNG TIN MÃ SỐ: 60.48.01.04 LUẬN VĂN THẠC SĨ KỸ THUẬT NGƯỜI HƯỚNG DẪN KHOA HỌC: TS NGUYỄN HỒNG SƠN TP HỒ CHÍ MINH -2016 i LỜI CAM ĐOAN Tôi cam đoan công trình nghiên cứu riêng Các số liệu, kết nêu luận văn trung thực chưa công bố công trình TPHCM, Ngày 20 tháng năm 2016 Học viên thực luận văn Nguyễn Trung Hiếu ii LỜI CÁM ƠN Lời em xin gửi lời cảm ơn đến toàn thể thầy, cô giáo Học viện Công nghệ Bưu Viễn thông tận tình bảo em suốt thời gian học tập nhà trường Em xin gửi lời cảm ơn sâu sắc đến Thầy TS Nguyễn Hồng Sơn, người trực tiếp hướng dẫn, tạo điều kiện thuận lợi tận tình bảo cho em suốt thời gian làm luận văn tốt nghiệp Bên cạnh đó, để hoàn thành luận văn tốt nghiệp, em nhận nhiều giúp đỡ, lời động viên quý báu bạn bè, gia đình đồng nghiệp Em xin chân thành cảm ơn Tuy nhiên, thời gian có hạn, nỗ lực mình, luận văn em khó tránh khỏi thiếu sót Em mong nhận thông cảm bảo tận tình quý thầy cô bạn Trân trọng cám ơn TPHCM, ngày 20 tháng năm 2016 Học viên thực luận văn Nguyễn Trung Hiếu iii MỤC LỤC LỜI CAM ĐOAN i LỜI CÁM ƠN ii MỤC LỤC iii DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT v DANH SÁCH BẢNG vi DANH SÁCH HÌNH VẼ vii MỞ ĐẦU Chương -CƠ SỞ LÝ LUẬN 1.1 Tổng quan động thúc đẩy .3 1.1.1 Kiến trúc điện toán đám mây 1.1.2 Các mô hình dịch vụ đám mây 1.1.3 Các mô hình triển khai 1.1.4 Khả mở rộng điện toán đám mây 1.2 Công trình nghiên cứu gần Auto scale điện toán đám mây .11 1.3 Mục tiêu luận văn 12 1.4 Tổ chức luận văn 12 Chương -KỸ THUẬT AUTO-SCALING TRONG ĐIỆN TOÁN ĐÁM MÂY 14 2.1 Kỹ thuật Auto-scaling điện toán đám mây 14 2.1.1 Tổng quan Auto-scaling 14 2.1.2 Phân loại Auto-Scaling 15 2.1.3 Những phương pháp Auto-scaling 18 2.1.4 Mô hình hệ thống 18 2.1.4.1 Cấu trúc hệ thống Auto-scaling 21 2.1.4.2 Cơ chế chịu lỗi 22 2.1.4.3 Độ tin cậy chi phí hiêu 23 2.1.5 Chính sách Auto-scaling 25 2.1.5.1 Khả ước tính cân tải .25 2.1.5.2 Spot Instance On-demand Instance 25 2.1.5.3 Đấu thầu trung thực (Truthfull Bidding Prices) 25 2.1.5.4 Chính sách Scaling Up 26 2.1.5.5 Chính sách Scaling Down 26 iv 2.1.6 Chính sách dừng Spot Group 26 2.1.7 Chính sách cho Spot Instance 27 2.1.8 Chính sách gở bỏ Spot Group .27 2.2 Kết luận 27 Chương -LẬP TRÌNH MÔ PHỎNG CƠ CHẾ AUTO-SCALING .28 3.1 Lập trình mô đánh giá chế auto-scaling 28 3.1.1 Mục tiêu mô 28 3.1.2 Mô tả môi trường điện toán đám mây sử dụng mô 37 3.1.3 Kết mô 39 3.2 3.1.3.1 Trường hợp sử dụng ngưỡng MIPS 39 3.1.3.2 Trường hợp sử dụng deadline thời gian 42 3.1.3.3 Đánh giá hai kịch mô 46 Kết luận 48 KẾT LUẬN VÀ KIẾN NGHỊ 49 DANH MỤC TÀI LIỆU THAM KHẢO 50 v DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT Viết tắt Tiếng anh Tiếng việt CNTT Information Technology Công nghệ thông tin ĐTĐM Cloud Computing Điện toán đám mây National Institute of Standards Viện tiêu chuẩn kỹ thuật Quốc and Technology gia ( Hoa Kỳ ) VM Visual Machine Máy ảo QoS Quality of Service Quản lý chất lượng dịch vụ API Application Programming Giao diện lập trình ứng dụng NISI Interface vi DANH SÁCH BẢNG Số hiệu Tên bảng bảng Trang 3.1 Môi trường thực mô 29 3.2 Cấu hình Host trường hợp mô dùng ngưỡng MIPS 30 3.3 Cấu hình VM trường hợp mô dùng ngưỡng MIPS 30 3.4 Cấu hình Cloulet 30 3.5 Cấu hình Host trường hợp mô dùng deadline thời gian 34 3.6 Cấu hình VM trường hợp mô dùng deadline thời gian 34 3.7 Cấu hình Cloulet 34 3.8 Thông tin trung tâm liệu 37 3.9 Bảng số liệu máy chủ mô 38 3.10 Thông tin máy ảo sử dụng mô 38 vii DANH SÁCH HÌNH VẼ Số hiệu Tên hình vẽ hình vẽ Trang 1.1 Điện toán đám mây 1.2 Ba mô hình 1.3 Điện toán đám mây cá nhân 1.4 Điện toán đám mây công cộng 1.5 Điện toán đám mây công đồng 1.6 Điện toán đám mây hỗn hợp 1.7 Khả mở rộng đám mây theo chiều ngang 1.8 Khả mở rộng đám mây theo chiều dọc 2.1 Auto-scalingtrong sở hạ tầng điện toán đám mây 15 2.2 Hệ thống ON & OFF 16 2.3 Hệ thống Fast Growth 16 2.4 Hệ thống Variable 17 2.5 Hệ thống Consistent 17 2.6 Kiến trúc hệ thống Autoscaling on-demand 21 2.7 Cung cấp tài nguyên ban đầu 22 2.8 Cung cấp tài nguyên mức chịu lổi khác 23 2.9 Cung cấp tài nguyên chịu lổi khác sử dụng kiểu spot 24 3.1 3.2 3.3 3.4 Biêu đồ tỷ lệ vi phạm ngưỡng MIPS thay đổi số lượng cloudlet Biểu đồ tỷ lệ vi phạm ngưỡng MIPS thay đổi số lượng VM ban đầu Biểu đồ tỷ lệ vi phạm ngưỡng MIPS thay đổi ngưỡng MIPS Biểu đồ tỷ lệ vi phạm ngưỡng MIPS thay đổi cấu hình VM 30 40 41 41 viii 3.5 Biểu đồ tỷ lệ vi phạm deadline thời gian thay đổi số 43 lượng cloudlet 3.6 3.7 3.8 3.9 3.10 3.11 Biểu đồ tỷ lệ vi phạm deadline thời gian thay đổi số lượng VM ban đầu Biểu đồ tỷ lệ vi phạm deadline thay đổi deadline thời gian Biểu đồ tỷ lệ vi phạm deadline thời gian bổ sung công suất VM Biểu đồ tỷ lệ vi phạm hai trường hợp thay đổi số lượng cloudlet Biểu đồ tỷ lệ vi phạm hai trường hợp thay đổi số lượng VM ban đầu Biểu đồ tỷ lệ vi phạm hai trường hợp mô bổ sung công suất VM 44 44 45 46 47 47 38 Việc lựa chọn mô với máy chủ có cấu hình tương đối, đóng vai trò quan trọng trình mô Bởi việc thực Auto-scaling không trọng vào máy chủ, xem máy chủ có đủ để tạo ta VM nhu cầu thực Cloudlet với mục đích giải vấn đề thực công việc nhanh với deadline ta đưa ra, dễ dàng đánh giá giải thuật Các máy chủ thực sách chia sẻ Time-Shared Over Subscription (chính sách cho phép cấp phát vượt khả Host) mức Host Thông tin cấu hình, số lượng máy chủ máy ảo trung tâm liệu trình bày bảng 3.9 3.10 Bảng 3.9: Bảng số liệu máy chủ mô Loại máy chủ HP Proliant G4 HP Proliant G5 Số lượng 25 25 Host Mips 1860 2660 2 32Gb 32Gb Băng thông 10Gbps 10Gbps HDD 100Tb 100Tb Số lượng Pe Ram Trong môi trường mô có Broker yêu cầu máy ảo, cụ thể sau: Bảng 3.10: Thông tin máy ảo sử dụng mô Tên máy ảo Mips Ram Băng thông Hight 1000 128 1000 Size Chính sách 10000 Time Shared Vấn đề ngưỡng tài nguyên MIPS hay dùng deadline thời gian để tạo VM hai trường hợp mô ta dùng kỹ thuật Auto-scaling Thu thập báo cáo -> định -> thực thi Auto-scaling thực ta thu thập số lượng Cloudlet tính toán thực việc scale-up điều kiện ngưỡng hay deadline thời gian thực thi Cloudlet bị vi phạm Và việc thực Scale-down VM không thực Cloudlet 39 Trong phần báo cáo trình bày kết thực trường hợp mô để đánh giá lại thuật toán cài đặt 3.1.3 Kết mô 3.1.3.1 Trường hợp sử dụng ngưỡng MIPS Trong trường hợp mô dùng ngưỡng MIPS, thực mô cách thay đổi thông số: thay đổi số lượng cloudlet, thay đổi số lượng VM ban đầu, thay đổi ngưỡng MIPS, thay đổi cấu hình VM Khi Cloudlet submit chương trình kiểm tra xem ngưỡng MIPS mà ta đặt có bị vi phạm hay không Nếu có vi phạm, chương trình thực Auto-scaling thêm VM để đáp ứng ngưỡng MIPS mà đưa Kết thực hiện: a) Thay đổi số lượng cloudlet: Tỷ lệ vi phạm trường hợp tăng số lượng cloudlet dùng MIPS 40% 35% 30% 25% 20% 15% 10% 5% T 0% 10 15 20 25 30 35 40 45 50 55 60 65 Số lượng cloudlet thay đổi Hình 3.1: Biểu đồ tỷ lệ vi phạm ngưỡng MIPS thay đổi số lượng cloudlet Trong kết mô hình 3.1 cho thấy số cloudlet tăng tỷ lệ vi phạm tăng theo Đường đồ thi dần sau không lên, điều chứng tỏ hệ thống dần thu khoảng cách vi phạm so với nguỡng cloudlet ngày tăng 40 b) Thay đổi số lượng VM ban đầu: Tỷ lệ vi phạm trường hợp tăng số lượng VM ban đầu dùng ngưỡng tài nguyên MIPS 45% 40% 35% 30% 25% 20% 15% 10% 5% T 0% 10 15 20 25 30 35 40 45 50 55 Số lượng VM ban đầu thay đổi Hình 3.2:Biểu đồ tỷ lệ vi phạm ngưỡng MIPS thay đổi số lượng VM ban đầu Ở biểu đồ hình 3.2 ta thấy số lượng VM ban đầu tăng tỷ lệ vi phạm so với ngưỡng giảm Điều chứng tỏ Auto-scaling đáp ứng đủ nhu cầu cần c) Thay đổi ngưỡng MIPS: Biểu đồ hình 3.3 cho thấy ngưỡng MIPS giảm tỷ lệ vi phạm giảm xuống Có nghĩa tỷ vi phạm ngưỡng tỷ lệ thuận với ngưỡng ta đặt ra, ngưỡng mà thấp tỷ lệ vi phạm 41 Tỷ lệ vi phạm trường hợp tăng ngưỡng MIPS 60% 50% 40% 30% 20% 10% T 0% 133 143 154 167 182 200 222 250 286 333 400 500 Ngưỡng MIPS thay đổi Hình 3.3: Biểu đồ tỷ lệ vi phạm ngưỡng MIPS thay đổi ngưỡng MIPS Biểu đồ hình 3.3 thể tăng ngưỡng cao vi phạm cao Ngưỡng tài nguyên tỷ lệ thuận với tỷ lệ vi phạm d) Thay đổi cấu hình VM có vi phạm xảy : Tỷ lệ vi phạm trường hợp tăng cấu hình VM MIPS 90% 80% 70% 60% 50% 40% 30% 20% 10% T 0% 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600 Số lượng MIPS bổ sung cho công suất VM Hình 3.4: Biểu đồ tỷ lệ vi phạm ngưỡng MIPS thay đổi cấu hình VM 42 Biểu đồ hình 3.4 cho thấy cấu hình VM tạo có vi phạm tỷ lệ vi phạm giảm Có nghĩa tài nguyên dáp ứng tăng số lần vi phạm tăng Nhận xét: Quan sát số liệu kết trường hợp mô dùng ngưỡng MIPS trình bày hình 3.1, 3.2, 3.3, 3.4 cho thấy rằng, thông số bị thay đổi kéo theo tỷ lệ vi phạm bị thay đổi Và hệ thống thực chức Auto-scaling cho đáp ứng với nhu cầu cần Trong biểu đồ tỷ lệ vi phạm ta thấy có số cloudlet tăng ngưỡng MIPS tăng số vi phạm tăng Còn biểu đồ lại ta thấy thông số tăng số vi phạm giảm Các yếu tố số lượng VM ban đầu tăng, bổ sung thêm cấu hình VM Auto-scaling tỷ lệ vi phạm giảm Điều giúp ta hiểu tải tăng vi phạm tăng Khi nhu cầu tăng đồng nghĩa với tỷ lệ vi phạm tăng ngược lại Để giảm tỷ lê vi phạm đồng nghĩa với việc ta phải đáp ứng kịp thời nhu cầu tải Kết mà ta thu từ trường hợp mô dùng ngưỡng tài nguyên MIPS cho ta thấy trường hợp đáp ứng tiêu chí tạo VM cung cấp đủ yêu cầu, tài nguyên hệ thống không bị giảm, chất lượng dịch vụ đảm bảo hơp lý 3.1.3.2 Trường hợp sử dụng deadline thời gian Mục tiêu trường hợp mô dùng deadline thời gian mà luận văn đề xuất đánh giá mức độ hiệu việc thực thi cloudlet với thời lượng mong muốn nhanh có thể, đáp ứng nhu cầu thời gian thực thi công việc cho người sử dụng dịch vụ.Sau thực cloudlet, hệ thống dựa vào VM xem xét không cloudlet chạy VM giải phóng VM khỏi hệ thống Trong trường hợp mô dùng deadline thời gian, thực mô giống trường hợp dùng ngưỡng MIPS thay đổi thông số: thay đổi số lượng cloudlet, thay đổi số lượng VM ban đầu, thay đổi dealine thời gian, 43 thay đổi cấu hình VM Cloudlet submit chương trình kiểm tra xem deadline mà ta đặt có bị vi phạm hay không Nếu có vi phạm, chương trình thực Auto-scaling thêm VM để đáp ứng ngưỡng MIPS mà đưa Kết thực hiện: a) Thay đổi số lượng cloudlet: Tỷ lệ vi phạm trường hợp tăng số lượng cloudlet dùng Deadline 40% 35% 30% 25% dealine th 20% 15% 10% T 5% 0% 10 15 20 25 30 35 40 45 50 55 60 65 Số lượng cloudlet thay đổi Hình 3.5: Biểu đồ tỷ lệ vi phạm deadline thời gian thay đổi số lượng cloudlet Trong kết mô hình 3.5 giống trường hợp dùng ngưỡng MIPS cho thấy số cloudlet tăng tỷ lệ vi phạm tăng theo Đường đồ thi dần sau không lên, điều chứng tỏ hệ thống dần thu khoảng cách vi phạm so với deadline cloudlet ngày tăng 44 b) Thay đổi số lượng VM ban đầu: Tỷ lệ vi phạm trường hợp tăng số lượng VM ban đầu dùng deadline thời gian 40% 35% dealine th 30% 25% 20% 15% T 10% 5% 0% 10 15 20 25 30 35 40 45 50 55 Số lượng VM ban đầu thay đổi Hình 3.6: Biểu đồ tỷ lệ vi phạm deadline thời gian thay đổi số lượng VM ban đầu Ở biểu đồ hình 3.6 ta thấy số lượng VM ban đầu tăng tỷ lệ vi phạm so với ngưỡng giảm c) Thay đổi dealine thời gian: Tỷ lệ vi phạm trường hợp tăng deadline thời gian 100% 90% 80% 70% T deadline th 60% 50% 40% 30% 20% 10% 0% 20 25 30 35 40 45 50 55 60 65 70 75 Deadline thời gian thay đổi Hình 3.7: Biểu đồ tỷ lệ vi phạm deadline thay đổideadline thời gian 45 Biểu đồ hình 3.7 cho thấy deadline tăng tỷ lệ vi phạm giảm xuống Có nghĩa tỷ vi phạm deadline thời gian tỷ lệ nghịch với ngưỡng ta đặt ra, ngưỡng mà thấp tỷ lệ vi phạm cao d) Thay đổi cấu hình VM có vi phạm xảy : Tỷ lệ vi phạm trường hợp tăng cấu hình VM deadline 80% 70% 60% 50% T deadline th 40% 30% 20% 10% 0% 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600 Số lượng MIPS bổ sung cho công suất VM Hình 3.8: Biểu đồ tỷ lệ vi phạm deadline thời gian bổ sung công suất VM Biểu đồ hình 3.8 cho thấy cấu hình VM tạo có vi phạm tỷ lệ vi phạm giảm Có nghĩa tài nguyên dáp ứng tăng số lần vi phạm tăng Nhận xét: Quan sát số liệu kết trường hợp mô dùng ngưỡng MIPS trình bày hình 3.5, 3.6, 3.7, 3.8 cho thấy rằng, thông số bị thay đổi kéo theo tỷ lệ vi phạm bị thay đổi Và hệ thống thực chức Auto-scaling cho đáp ứng với nhu cầu cần Giống trường hợp mô dùng ngưỡng tài nguyên MIPS biểu đồ tỷ lệ vi phạm ta thấy có số cloudlet tăng số vi phạm tăng Còn biểu đồ lại ta thấy thông số tăng tỷ lệ vi phạm giảm Các yếu tố số lượng VM ban đầu tăng, deadline thời gian tăng tăng cấu hình VM Auto-scaling tỷ lệ vi phạm giảm Điều 46 giúp ta hiểu tải tăng vi phạm tăng Khi nhu cầu tăng đồng nghĩa với tỷ lệ vi phạm tăng ngược lại Để giảm tỷ lê vi phạm đồng nghĩa với việc ta phải đáp ứng kịp thời nhu cầu tải Kết mà ta thu từ trường hợp mô dùng deadline thời gian cho ta thấy trường hợp đáp ứng tiêu chí tạo VM cung cấp đủ yêu cầu, tài nguyên hệ thống không bị giảm, chất lượng dịch vụ đảm bảo hơp lý trường hợp mô dùng ngưỡng MIPS 3.1.3.3 Đánh giá hai kịch mô a) Thay đổi số lượng cloudlet: Tỷ lệ vi phạm trường hợp tăng số lượng cloudlet dùng Deadline Tỷ lệ vi phạm trường hợp tăng số lượng cloudlet dùng MIPS 40% 35% 30% 25% 20% 15% T 10% 5% 0% 10 15 20 25 30 35 40 45 50 55 60 65 Số lượng cloudlet thay đổi Hình 3.9:Biểu đồ tỷ lệ vi phạm hai trường hợp thay đổi số lượng cloudlet Nhìn biểu đồ hình 3.9 cho giúp ta thấy hiệu trường hợp dùng deadline thời gian số lượng cloudlet tăng lên thi tỷ lệ vi phạm tăng lên trường hợp mô dùng deadline thời gian vi phạm so với truờng hợp dùng ngưỡng MIPS 47 Tỷ lệ vi phạm trường hợp tăng số lượng VM ban đầu dùng deadline thời gian m 45% 40% 35% 30% 25% 20% 15% T 10% 5% 0% 10 15 20 25 30 35 40 45 50 55 Số lượng VM ban đầu thay đổi Hình 3.10: Biểu đồ tỷ lệ vi phạm hai trường hợp thay đổi số lượng VM ban đầu Tỷ lệ vi phạm trường hợp tăng cấu hình VM deadline Tỷ lệ vi phạm trường hợp tăng cấu hình VM MIPS 90% 80% 70% 60% 50% 40% 30% 20% T 10% 0% 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600 Số lượng MIPS bổ sung cho công suất VM Hình 3.11: Biểu đồ tỷ lệ vi phạm hai trường hợp mô bổ sung công suất VM 48 Quan sát biểu đồ hình 3.9, 3.10 3.11 ta thấy tỷ lệ vi phạm trường hợp mô dùng ngưỡng tài nguyên MIPS cao tỷ lệtrường hợp mô dùng deadline thời gian Trong đó, biểu đồ hình 3.9 cho ta thấy số cloudlet tăng tỷ lệ vi phạm trường hợp dùng ngưỡng MIPS tăng nhiều so với dùng deadline thời gian Điều giúp ta kết luận dùng deadline thời gian hiệu dùng ngưỡng tài nguyên MIPS,thời gian đáp ứng kịp lúc trường hợp mô deadline thời gian nhanh hơn, hiệu 3.2 Kết luận Qua hai trường hợp mô dùng sách ngưỡng tài nguyên deadline thời gian chứng tỏ cho thấy hiệu việc Autoscaling rõ ràng Cả hai trường hợp mô điều đáp ứng tiêu chí tạo VM hợp lý đầy đủ, tài nguyên hệ thống không bị giảm, chất lượng dịch vụ đảm bảo hơp lý Điều mà luận văn mong muốn bước vào thực hai trường hợp mô Qua hai trường hợp ta thấy số lượng tải tăng trường hợp mô dùng deadline thời gian hiệu nhiều so với dùng ngưỡng tài nguyên MIPS Nếu xét mặt tỉ lệ vi phạm trường hợp mô dùng deadline thời gian mà luận văn đề xuất hiệu Thời gian đáp ứng kịp thời trường hợp mô deadline thời gian hiêu Ta xem trường hợp dùng dealine thời gian cải tiến cho việc dùng ngưỡng tài nguyên hệ thống hiệu nhiều Đó kết mong muốn luận văn đưa trường hợp mô dùng deadline thời gian 49 KẾT LUẬN VÀ KIẾN NGHỊ  KẾT LUẬN : Trong trình nghiên cứu thực luận văn “Nghiên cứu kỹ thuật auto- scaling cloud computing”, luận văn tập trung nghiên cứu chế, kỷ thuật giải thuât cho tính auto-scaling cloud computing, từ hiểu thấu đáo chế làm việc auto-scaling cloud computing Luận văn thực mô hai trường hợp dùng ngưỡng MIPS trường hợp dùng dealine thời gian thực thi công việc luận văn đề xuất, áp dụng thuật toán đưa sách thực tính Auto-scaling cho điện toán đám mấy, nhằm mục đích so sánh hiệu hiệu hai trường hợp dùng ngưỡng MIPS dealine thời gian thực thi công việc Dựa sở luận văn chứng minh có đề xuất dùng trường hợp dealine thời gian cải tiến cho trường hợp dùng ngưỡng tài nguyên để thực chức auto-scaling điện toán đám mây Giúp cho hệ thống điện toán đám mây dù cấp tài nguyên có linh động đảm bảo tiêu chí kịp thời đúng, đủ hợp lý Dựa mô môi trường điện toán đám mây kết đạt mục tiêu sau: Nghiên cứu tổng quan kỹ thuật Auto-scaling điện toán đám mây thuật toán sử dụng việc sách auto-scaling Xây dựng mô hình mô môi trường điện toán đám mây Đồng thời cài đặt thử nghiệm thuật toán sách auto-scaling với hai trường hợp dùng ngưỡng tài nguyên deadline thời gian thực thi công việc Sau phân tích, đánh giá tìm điểm hạn chế của hai trường hợp mô dùng ngưỡng tài nguyên deadline thời gian Luận văn lần đề xuất dùng deadline thời gian thực thi công việc cải tiến cho trường hợp dùng dùng ngưỡng MIPS việc thực Auto-scaling môi trường điện toán đám mây Trường hợp dùng deadline thời gian có số lần vi phạm trường hợp dùng ngưỡng MIPS dẫn đến thời gian đáp ứng kịp 50 thời hiêu Luận văn đề xuất trường hợp dùng dealine thời gian cải tiến cho việc dùng ngưỡng tài nguyên hệ thống Tuy nhiên, hệ thống đám mây không tài nguyên bổ sung thì chấp nhận giảm chất lượng dịch vụ tải tăng đột biến dẫn đến suy thoái dịch vụ  KIẾN NGHỊ: Hiện luận văn nghiên cứu dùng phương pháp Reactive Do phương hạn chế thực Auto-scaling hệ thống thực việc so sánh dẫn đến có bị chậm Do đó, luận văn kiến nghị hướng phát triển sau tập trung nghiên cứu theo phương pháp Predictive áp dụng công nghệ tri thức, máy học để tính toán phải dự báo nhu cầu scale để chuẩn bị trước việc thực scale, hệ thống không bị trễ hệ thống đáp ứng cho kịp thời, đủ nhu cầu có đột biến tải xảy 51 DANH MỤC TÀI LIỆU THAM KHẢO [1] Peter Mell and Timothy Grance (01/2011), “The NIST Definition of Cloud Computing”, National Institute of Standards and Technology Gaithersburg, Special Publication 800-145, [2] Lijun Mei, W.K Chan and T.H Tse (2008), "A Tale of Clouds: Paradigm Comparisons and Some Thoughts on Research Issues", IEEE Asia-Pacific Services Computing Conference, pp 464-469 [3] “Amazon Auto Scaling in Cloud Computing”, http://aws.amazon.com/autoscaling/30.05.2012 [4] Brian Dougherty, Jules White and Douglas C Schmidt (11/2010), “Modeldriven Auto-scaling of Green Cloud ComputingInfrastructure”, Institute for Software Integrated Systems, Vanderbilt University, Nashville [5] “Amazon Web Services Auto Scaling”, http://www.slideshare.net/8KMiles/cloud-computing-autoscaling-amazonec24829409 [6] Ming Mao and Marty Humphrey, “Auto-scaling to minimize cost and meet application deadlines in cloud workflows”, Proceedings of 2011 International Conference for High Performance Computing, Networking, Storage and Analysis, ISBN: 978-1 -4503-0771 -0 [7] M.Kriushanth, L Arockiamand G Justy Mirobi (07/2013), “Auto Scaling in Cloud Computing: An Overview”,International Journal of Advanced Research in Computer and Communication Engineering Vol 2, Issue 7, July 2013 [8] Hanieh Alipour, Yan Liu, Abdelwahab Hamou-Lhadj, “Analyzing Autoscaling Issues in Cloud Environments ”, Electrical and Computer Engineering departmentConcordia University, Montreal, Quebec, Canada [9] Tania Lorido-Botrán, José Miguel-Alonso, José A Lozano (09/2012), “Autoscaling Techniques for Elastic Applications in Cloud Environments”, 52 Technical Report EHU-KAT-IK-09-12 Department of Computer Architecture and Technology University of the Basque Country [10] Chenhao Qu, Rodrigo N Calheiros, and Rajkumar Buyya (09/2015), “A Reliable and Cost-E_cient Auto-Scaling System for Web Applications Using Heterogeneous Spot Instances”, Cloud Computing and Distributed Systems (CLOUDS) Laboratory, Department of Computing and Information Systems, The University of Melbourne, Australia [...]... 13 Auto- scaling Chương này sẽ tập trung mô phỏng cơ chế Auto- scaling trong điện toán đám mây để so sánh và đánh giá kỹ thuật Auto- scaling dùng ngưỡng tài nguyên và kỹ thuật Auto- scaling dũng deadline Cuối cùng là phần kết luận và kiến nghị sẽ trinh bày kết luận của luận văn và các kiến nghị định hướng nghiên cứu tiếp theo 14 Chương 2 - KỸ THUẬT AUTO- SCALING TRONG ĐIỆN TOÁN ĐÁM MÂY 2.1 Kỹ thuật Auto- scaling. .. quan về Auto- Scalingtrong ĐTĐM” của tác giả M.Kriushanth, L Arockiam, G Justy Mirobi [7] Trong bài báo này các tác giả thảo luận các vấn đề khác nhau của Auto- scaling Xem xét Auto- scaling cần thiết để biết các cơ chế hiện tại được sử dụng trong Auto- scaling Ở đây họ đã bàn về kỹ thuật Auto- scaling và các công trình liên quan Họ cho ta thấy rằng trong Auto- scaling có nhiều cách, và có nhiều nghiên cứu ở... nghị Trong đó, chương 1 là phần “Cơ sở lý luận” Trong chương này luận văn muốn khái quát về kiến thức của điện toán đám mây cũng như nói rõ mục tiêu chính của luận văn Qua phần chương 2 là phần Kỹ thuật Auto- Scaling trong điện toán đám mây” Trong chương 2 sẽ trình bày chi tiết các kỹ thuật cũng như chính sách Auto- scaling trong điện toán đám mây Làm rõ các vấn đề của cơ chế hoạt động Auto- scaling trong. .. công cộng Trong bối cảnh này, các đám mây công cộng và đám mây riêng có thể cung cấp các kỹ thuật Auto- scaling khác nhau mà không tương thích với nhau, do đó sẽ có xuất hiện vấn đề tương tác trong việc Auto- scaling tài nguyên giữa hai đám mây[4] Hiệu quả của Auto- scaling trong lúc này với độ tin cậy của các quá trình Auto- scaling không được quản lý tốt [5] Sự thất bại của các quá trình Auto- scaling có... vừa đủ và thu hồi đúng lúc là điều không dễ dàng Mặc dù đã có các nghiên cứu và triển khai dịch vụ autoscaling trên thực tế, ví dụ như Amazon, nhưng vấn đề này vẫn mang tính thời sự và đang đặt ra nhiều thách thức đối với cộng đồng nghiên cứu về điện toán đám mây Đây cũng là lý do đề tài “NGHIÊN CỨU KỸ THUẬT AUTO- SCALING TRONG CLOUD COMPUTING được chọn cho luận văn Thạc sĩ này 3 Chương 1 - CƠ SỞ... thời của Auto- scaling trong ĐTĐM Lần đầu tiên đặt họ Auto- scale vào bối cảnh bằng cách cung cấp thông tin cơ bản, thảo luận về các đối tượng thụ hưởng chính của Auto- scaling, và đưa ra định nghĩa, khái niệm chính.Tiếp theo, họ đề xuất một nguyên tắc phân loại, đơn giản hóa các trạng thái Autoscaling hiên tại, và cung cấp cho các nhà nghiên cứu và phát triển ý tưởng về các cơ chế, thách thức Auto- scalinghiện... luận văn Dịch vụ Autoscaling đem lại lợi ích thiết thực cho khách hàng và ngay cả nhà cung cấp dịch vụ cloud Tuy nhiên, vẫn còn khá nhiều thách thức để có được cơ chế Auto- scaling hiệu quả Mục tiêu của đề tài là nghiên cứu các khía cạnh kỹ thuật thực hiện Auto- scaling trong điện toán đám mây Nghiên cứu giải pháp tự động điều khiển quá trình co giãn tài nguyên dựa vào ngưỡng tài nguyên, là giải pháp... Nhưng nếu có Auto- scaling, thì việc xử lý tình trang quá tải bất ngờ này sẽ tốt hơn Có một vài nghiên cứu cho thấy mối quan hệ giữa Auto- scaling với chất lượng như tính sẵn sàng, độ tin cậy và vấn đề an ninh [6] Ví dụ, các cuộc tấn công 11 DoS có thể tạo ra dịch vụ Auto- scalingmở rộng hệ thống không cần thiết và do đó làm tăng chi phí hoạt động 1.2 Công trình nghiên cứu gần đây về Auto- scaling của điện... các phương pháp Auto- scaling khác nhau liên quan đến ĐTĐM sẽ được phát triển trong tương lai  Bài báo “Phân tích vấn đề Auto- scaling trong môi trường ĐTĐM” của các tác giả Hanieh Alipour, Yan Liu, Abdelwahab Hamou-Lhadj [8] Mục tiêu của bài báo này là trình bày một nghiên cứu toàn diện về cơ chế Auto- scale hiện nay, cũng như để làm nổi bật các vấn đề Auto- scale trong lĩnh vực này Trong bài báo này,... mở rộng quy mô, được thể hiện trong hình 1.8 Hình 1.8: Khả năng mở rộng đám mây theo chiều dọc Khi giải pháp Auto- scaling được đề ra và có rất nhiều nghiên cứu Autoscaling ở các cấp độ dịch vụ, các mô hình dịch vụ điện toán đám mây khác nhau, nhưng hầu hết các nghiên cứu chỉ tập trung vào mức độ cơ sở hạ tầng [2] Nếu xem 10 xét tường tận, chúng ta nhận thấy rằng Auto- scaling ở cấp độ dịch vụ cũng quan ... luận văn kiến nghị định hướng nghiên cứu 14 Chương - KỸ THUẬT AUTO- SCALING TRONG ĐIỆN TOÁN ĐÁM MÂY 2.1 Kỹ thuật Auto- scaling điện toán đám mây 2.1.1 Tổng quan Auto- scaling Theo thống kế nhà cung... tạo dịch vụ Auto- scalingmở rộng hệ thống không cần thiết làm tăng chi phí hoạt động 1.2 Công trình nghiên cứu gần Auto- scaling điện toán đám mây: Vấn đề nghiên cứu kỹ thuật Auto- scaling điện... Auto- scaling Xem xét Auto- scaling cần thiết để biết chế sử dụng Auto- scaling Ở họ bàn kỹ thuật Auto- scaling công trình liên quan Họ cho ta thấy Auto- scaling có nhiều cách, có nhiều nghiên cứu mức độ khác