Alocação de máquinas virtuais no CloudSim e OpenStack Symphony

Transcrição

1 Alocação de máquinas virtuais no CloudSim e OpenStack Symphony Guilherme B. Schneider 1, Renata H. S. Reiser 1, Mauricio L. Pilla 1, Vítor A. Ataides 1 1 Universidade Federal de Pelotas (UFPEL) Computação - CDTec gbschneider,reiser,pilla,vataides@inf.ufpel.edu.br Abstract. Currently on the market there are several opensource tools to implement a cloud, both for simulation and for physical installation, and expect that both obtained values be the same. In this paper are compared one simulation platform titled CloudSim and a virtual machine allocation framework titled Symphony developed for OpenStack. The objective of the work is to compare the results obtained through two allocation algorithms executed in both environments, reinforcing the authenticity between the results of both the simulated environment and the physical environment. Resumo. Atualmente no mercado estão presentes diversas ferramentas opensource para implementar uma nuvem, tanto para simulação quanto para a instalação física, e espera-se que em ambas os valores obtidos sejam os mesmos. Neste trabalho são comparados uma plataforma de simulação intitulada Cloud- Sim e uma framework de alocação de máquinas virtuais intitulada Symphony desenvolvida para OpenStack. O objetivo do trabalho é comparar os resultados obtidos através de dois algoritmos de alocação executados em ambos ambientes, reforçando a autenticidade entre os resultados tanto do ambiente simulado quanto do ambiente físico. 1. Introdução A Computação em Nuvem (CN) possibilita acessar recursos computacionais(por exemplo, servidores, redes, serviços e aplicações) de maneira prática e sob demanda, e que podem ser liberados para o usuário sem qualquer envolvimento gerencial [Mell et al. 2011], e ainda, possibilita que desenvolvedores possam implantar suas aplicações em qualquer lugar do mundo, efetuando cobranças específicas dependendo das necessidades de qualidade de serviço de cada cliente. Essas características são capazes devido à criação de máquinas virtuais de acordo com as necessidades da aplicação e alocando-as em máquinas físicas. Tanto as máquinas virtuais (VMs) quanto as máquinas físicas são heterogêneas. Um dos principais desafios é a alocação dessas VMs, para isso alocadores são propostos com o intuito de otimizar o uso das máquinas físicas, procurando alocar a maior quantidade de recursos na menor quantidade de máquinas físicas, garantindo desempenho e procurando maior eficiência energética. 87

2 A motivação deste trabalho é comparar os valores obtidos na alocação de máquinas virtuais através de um ambiente simulado e um ambiente real, pois tanto empresas quanto pesquisadores esperam que os resultados obtidos sejam semelhantes, porém muitas vezes essa realidade pode não ser satisfeita. Este trabalho é dividido em 6 Seções. Na Seção 2 são apresentados trabalhos que citam os principais desafios na administração de um ambiente de Computação em Nuvem e algumas heurísticas para a solução desses problemas. Na Seção 3 é apresentado um estudo sobre um simulador de Computação em Nuvem, intitulado CloudSim. Na Seção 4 é apresentado um estudo sobre um ambiente real de Computação em Nuvem, intitulado OpenStack Symphony. Na Seção 5 são apresentados os resultados. E por fim, na Seção 6 são apresentadas as conclusões deste trabalho. 2. Trabalhos Relacionados Em, [Endo et al. 2011], o autor fala sobre desafios da Computação em Nuvem onde que diversos requisitos do usuário e a natureza da heterogeneidade, dinâmica e descentralização tornam muito desafiador permitir alocação de recursos otimizada Em, [Majumdar 2011], o autor descreve os principais conceitos de incerteza presentes nas administração dos recursos de um ambiente de Computação em Nuvem. Essas incertezas referem-se à parâmetros e a políticas. Em, [Calheiros et al. 2009], o autor descreve estratégias para lidar com os desafios relacionados a configuração da nuvem de acordo com o uso do usuário, executando seus testes e comparações com o CloudSim, demonstrando suas funcionalidades e flexibilidade. O artigo também apresenta uma série de experimentos demonstrando a eficiência e o baixo consumo de memória do CloudSim na modelagem de grandes ambientes de Computação em Núvem. Em, [I. Foster and Kaufmann 1999], o autor propõe um algoritmo de alocação de máquinas virtuais para minimizar o custo que o consumidor tem que pagar ao provedor de nuvem. 3. CloudSim CloudSim [Calheiros et al. 2011] é um framework para modelar e simular a infraestrutura e os serviços de um ambiente de Computação em Nuvem. Seu principal objetivo é prover um ambiente completo de simulação que possibilita a modelagem e simulação de grandes ambientes de Computação em Nuvem, permitindo com que provedores testem seus serviços repetidamente sob um ambiente controlado, tudo isso com custo zero. A Figura 1 mostra o design multi-camadas da estrutura do software CloudSim e seus componentes arquitetônicos. Neste trabalho o enfoque está na camada de código do usuário (topo), sua função é expor as configurações básicas do ambiente, sendo essas: hosts (número de máquinas e suas especificações), aplicações (número de tarefas e suas necessidades), VMs, número de usuário e seus tipos de aplicações, e ainda as políticas de balanceamento. 88

3 Figura 1. As camadas do CloudSim [Calheiros et al. 2009] 4. OpenStack Orchestra - Symphony O Symphony é o módulo de escalonamento de VMs do OpenStack Orchestra [Vítor A. Ataides 2017]. Seu objetivo é definir em qual nó de computação uma nova VM será alocada. Para isso o Symphony utiliza uma política de escalonamento de VMs. Como pode ser observado na Figura 2, a arquitetura do Symphony é dividida em 5 partes: Figura 2. As camadas do Symphony [Vítor A. Ataides 2017] 89

4 Command Interface é parte responsável por receber comandos como: requisições de alocações de novas VMs e remoção de VMs. Lightwatch é a parte que se comunica com o serviço Lightwatch-API para receber logs da Nuvem. Nova é a parte que se comunica com o módulo Nova do OpenStack. Politics é onde estão implementadas as políticas de escalonamento de VMs. Scheduler é responsável por aplicar a política selecionada e enviar o resultado ao Nova. O Symphony foi desenvolvido com o intuito de tornar a adição de novas políticas de alocação de VMs algo simples. Uma política é uma função que tem como parâmetro uma lista de logs. Cada log contém uma lista de nós de computação e a data do log. Cada nó de computação contém uma lista de VMs, seu nome, IP, consumo de CPU e consumo de memória. Cada VM contém seu nome, consumo de CPU, consumo de memória. O retorno deve ser o nome do nó de computação escolhido para receber a VM. 5. Resultados Os testes foram executados em uma nuvem homogênea que contém 9 nós, onde um nó é o controller e os outros 8 nós são nós de computação. A configuração é apresentada abaixo: Processador: Intel Core i GHz (80000 MIPS, ou milhões de instruções por segundo) Memória: 16324MB, DDR MHz Disco: ATA MB1000CBZQE, 1TB, 7200RPM Sistema Operacional: Ubuntu LTS Kernel: Linux generic As VMs a serem alocadas são de características homogêneas, onde seus requisitos tem como objetivo restringir que uma máquina física contenha no máximo 5 VMs, com configuração apresentada a baixo: Processador: MIPS Memória: 3000MB Disco: 150GB Foram realizados testes com duas políticas diferentes, com 50 execuções, que foram divididas em: execuções com 8 VMs, 16 VMs, 24 VMs, 32 VMs e 40 VMs. Tanto no CloudSim quanto no Symphony os resultados para todas as execuções com as políticas de alocação Round-Robin e Compacta foram os mesmos, nas Figuras 3 e 4 são apresentados os valores obtidos na alocação de 8 VMs, o eixo horizontal representa o tempo necessário para a inserção de uma VM, e o eixo vertical representa cada nó de computação. A mudança de cores representa alteração no número de VMs de um nó de computação. Esses valores mantiveram constância nos demais testes em ambas políticas Round-Robin Round Robin é uma política que consiste em tentar manter uma distribuição de VMs homogênea.neste caso como as máquinas iniciavam com nenhuma VM alocada ele primeiramente aloca uma VM em cada nó e continua o processo procurando deixar todos os nós com o mesmo número de VMs. 90

5 Na Figura 3 são apresentados os resultados obtidos com esse algoritmo, importante observar após o tempo 1 até o tempo 8, que é o momento que o poder computacional não está mais homogêneo o algoritmo procura retomar essa homogeneidade alocando cada VM subsequente no próximo nó ainda sem nenhuma VM. Figura 3. Inserção de 8 VMs com a política RoundRobin 5.2. Compacta Compacta é uma política que consiste em manter o máximo número de nós de computação desocupados. Para isso ele inicialmente tenta manter o máximo de VMs num mesmo nó de computação, quando este nó não suportar mais VMs ele começa a alocar as novas VMs em outro. Na Figura 4 são apresentados os resultados obtidos com esse algoritmo, importante observar que até o tempo 5 somente o nó compute01 está com VMs. Já no tempo 6 o algoritmo procura o próximo nó a ser preenchido com VMs devido à limitação proposta nas configurações de VM onde que cada nó suporta no máximo 5 VMs. Figura 4. Inserção de 8 VMs com a política Compacta 91

6 6. Conclusão Neste trabalho, validou-se o escalonamento do OpenStack Symphony em relação com uma versão simulada no CloudSim. Os resultados obtidos mostraram-se consistentes e mostram que a modelagem proposta captura as características da versão executada em hardware real, permitindo a exploração futura de outros algoritmos de escalonamento de forma mais dinâmica que com a execução em hardware. Em trabalhos futuros, pretendese avaliar outros algoritmos de escalonamento para nuvens computacionais, incluindo Lógica Fuzzy. 7. Agradecimentos Os autores agradecem o financiamento parcial do projeto via editais / (MCTI/CNPQ/Universal 14/ B), / (CNPq/PQ 12/2016), pela Coordenação de Aperfeiçoamento de Pessoal de Nível Superior e pelo projeto Green Cloud FAPERGS/PRONEX. Referências Calheiros, R. N., Ranjan, R., Beloglazov, A., De Rose, C. A., and Buyya, R. (2011). Cloudsim: a toolkit for modeling and simulation of cloud computing environments and evaluation of resource provisioning algorithms. Software: Practice and experience, 41(1): Calheiros, R. N., Ranjan, R., De Rose, C. A., and Buyya, R. (2009). Cloudsim: A novel framework for modeling and simulation of cloud computing infrastructures and services. arxiv preprint arxiv: Endo, P. T., de Almeida Palhares, A. V., Pereira, N. N., Goncalves, G. E., Sadok, D., Kelner, J., Melander, B., and Mangs, J.-E. (2011). Resource allocation for distributed cloud: concepts and research challenges. IEEE network, 25(4). I. Foster, C. K. and Kaufmann, M. (1999). The grid: Blueprint for a new computing infrastructure. Majumdar, S. (2011). Resource management on cloud: handling uncertainties in parameters and policies. CSI communicatons, 22: Mell, P., Grance, T., et al. (2011). The nist definition of cloud computing. page 7. Vítor A. Ataides, Laercio L. Pilla, M. L. P. (2017). Openstack orchestra, um escalonador de maquinas virtuais é balanceador de carga para nuvens openstack. 92