A computação nas nuvens possue uma tecnologia em desenvolvimento que favorece vários serviços de computação e

Transcrição

1 Análise de Disponibilidade e Sensibilidade em Serviços de Streaming de Vídeo hospedados em Nuvens Privadas Availability and Sensitivity Analysis in Video Streaming Services hosted on Private Clouds Rosangela Melo *, Paulo Maciel*,Maria Clara Bezerra*, Jamilson Dantas*, Rubens Matos*, Ivanildo J. de Melo Filho* Fábio Denilson de Oliveira Feliciano e Rosangela Saraiva Carvalho** *Informatics Center, Federal University of Pernambuco, Recife, Brazil Federal Institute of Education, Science, and Technology of Pernambuco (IFPE), Belo Jardim, Brazil {rmm3, prmm, mcsb, jrd, rsmj@cin.ufpe.br}*,{rosangela.melo, ivanildo.melo, fabio.feliciano@belojardim.ifpe.edu.br} {rosangelac@gmail.com}** I. Resumo A computação nas nuvens possue uma tecnologia em desenvolvimento que favorece vários serviços de computação e armazenamento através da Internet. Os serviços de multimídia são exemplos de um desses novos serviços que passam a usar essa nova tecnologia. Sobre os serviços de multimídia, destacamos o serviço de streaming de vídeo, onde o usuário poderá acessar os seus vídeos a partir desses ambientes de nuvem com a mesma qualidade praticada em ambientes tradicionais. Neste trabalho, utilizamos os modelos em RBD para encontrar a disponibilidade dos serviços de streaming de vídeos num ambiente de teste montado em laboratório para avaliação do sistema. Análise de sensibilidade foi utilizada para identificar os pontos críticos do sistema com relação a disponibilidade para que seja possível atuar sobre eles e assim melhorar à disponibilidade do sistema. Keywords: Disponibilidade, Análise de Sensibilidade, RBD, Modelos. Eucalyptus. Abstract Cloud computing have one technology development that favor various computing services and storage over the Internet. The multimedia services are examples of these new services will now use this new technology. About the multimedia services, we highlight the streaming video service, where the user can access your videos from these cloud environments with the same quality practiced in traditional environments. In this paper, we used the models to find the RBD availability of streaming video services in a test environment assembled in the laboratory to evaluate the system. Sensitivity analysis was used to identify the critical points of the system with respect to availability so that you can act on them and thus improve the system availability. Keywords: Availability, Sensitivity, Analysis, RBD, Models, Eucalyptus. INTRODUÇÃO Cada vez mais, as pessoas procuram otimizar o seu tempo,em virtude disso elas querem estar conectadas o tempo todo a internet para assim puderem usufruir de vários recursos e serviços disponibilizados pela rede mundial de computadores, dentre estes serviços destacamos o serviço de streaming de vídeo que vem crescendo ao longo do tempo. No passado por volta da década de 90, inicia-se o serviço de streaming de mídia, naquela época assistir a vídeos e ouvir música online nem sempre era interessante ou possível. Os computadores e as conexões à internet eram precários, por isso perdia-se muito tempo tentando baixar arquivos, vídeos e músicas. Além disso, um fator de peso era a baixa qualidade na entrega da informação pelos meios de acesso, por isso que na maioria dos casos os dados não eram nítidos nem para assistir e nem para ouvir. Com o passar do tempo, os recursos de rede e TI (Tecnologia da informação) foram avançando e por consequência o serviço de streaming também evoluíram. Percebemos gradativamente, que o interesse das pessoas por consumir, por exemplo, videos através do Youtube aumentou ao longo do tempo e como consequencia o volume deste tipo de tráfego que passa a ser consumido através da internet também. Esse tráfego de dados é consumido através de redes de acesso fixa ou móveis. Atualmente, com a mobilidade em ascensão a este serviço pode ser acessado através de dispositivos como tablets, smartphones e computadores pessoais. A Computação em Nuvem é um modelo que possibilita o acesso à rede sob demanda através de um conjunto compartilhado de recursos computacionais configuráveis que podem ser rapidamente provisionados e liberados com mínimo de esforço de gestão. Além de fornecer recursos de acordo com

2 à necessidade, às nuvens podem programar um ambiente sob medida para uma determinada aplicação. Em [1] afirma que uma maneira de distribuir dados de multimidia numa rede através de pacotes denominamos de streaming. Os dados, em streaming, não são habitualmente arquivados pelo usuário que está recebendo o streaming, contudo a mídia normalmente é reproduzida o tempo todo à medida que chega ao usuário se a sua largura de banda for capaz de reproduzir a mídia em tempo real. Para que os usuários possam visualizar os serviços de streaming de vídeo é fundamental que tenha um software de visualização como, por exemplo, o VLC. O VLC mídia player é um framework open source utilizado para reproduzir maioria dos arquivos de multimídia como DVD, CD, VCD e vários protocolos de streaming. Este trabalho avalia a disponibilidade do serviço de streaming de vídeo, além realizar análise de sensibilidade com o objetivo de identificar os componentes mais importantes para a arquitetura e assim propor melhorias futuras para a infraestrutura. A organização deste trabalho foi realizada da seguinte forma: a seção II apresenta os conceitos fundamentais sobre computação nas nuvens, é introduzido informações sobre a plataforma Eucalyptus, bem como é tratado o modelo para análise de dependabilidade e uma descrição sobre a análise de sensibilidade é evidenciada. A seção III traz a arquitetura do sistema, a seção IV discute o modelo proposto. Na sequência a seção V apresenta os estudos de casos e por fim, na seção VI, as conclusões são apresentadas. II. CONCEITOS FUNDAMENTAIS A. Computação em Nuvem O sistema de Computação em Nuvem é composto pela junção de recursos virtuais prontamente utilizáveis e acessíveis tais como hardware, software, plataformas de desenvolvimento e serviços. Estes recursos podem ser alocados de forma dinâmica e redimensionados para se ajustarem a uma carga de trabalho variável, possibilitando a otimização do uso dos recursos. Este conjunto de recursos é tipicamente explorado através de um modelo que se paga pelo uso com aval oferecido pelo provedor através de acordos de nível de serviços [ 2]. De acordo com [3], a Computação em Nuvem proporciona uma série de informações em relação às quais os usuários não precisam se preocupar quanto à localização; precisam saber apenas que elas existem e que poderão acessá-las de qualquer lugar do mundo. Os avanços tecnológicos e a necessidade de utilizar grande poder de computação têm ajudado na utilização de tecnologias em Nuvem. A Computação em Nuvem é importante para a distribuição e acesso de recursos de computação, oferecendo algumas vantagens de recursos computacionais como Escalabilidade, Segurança, disponibilidade Estacionária e Confiabilidade. B. Plataforma Eucalyptus Eucalyptus é uma arquitetura de software baseado em Linux que implementa nuvens privadas e híbridas escaláveis e com eficiência. Além disso, o Eucalyptus oferece Infraestrutura como um Serviço (IaaS). Isso significa que os usuários podem provisionar suas próprias coleções de recursos (hardware, armazenamento e rede) através de uma interface de autoatendimento de acordo com a sua necessidade [4]. O Eucalyptus pode ser implantado sem modificação em todas as principais distribuições do sistema operacional Linux, incluindo Ubuntu, CentOS, opensuse e Debian. O sistema Eucalyptus é formado por cinco componentes de alto nível da arquitetura Eucalyptus, cada um com seu próprio Web Service: Cloud Controller (CLC), Cluster Controller (CC), Node Controller (NC), Storage Controller (SC), e Walrus [4]. C. Modelos para Analise de Dependabilidade Para [5] confiabilidade é a capacidade que um sistema tem para desempenhar as funções exigidas nas condições estabelecidas por um determinado período de tempo. Dependabilidade é uma propriedade muito importante para um sistema em nuvem uma vez que ela deve fornecer serviços com alta disponibilidade, estabilidade, tolerância a falhas e extensibilidade dinâmica. Como a computação em nuvem é distribuída em grande escala e suas aplicações são acessível em qualquer lugar e em qualquer momento, confiança no sistema de sistemas é cada vez mais importante e mais difícil. A disponibilidade é expressa pela fórmula: A = E [Uptime] / (E [Uptime] + E [Downtime]) (1) D. Análise de Sensibilidade É comum em sistemas termos vários componentes, que não possuem, necessariamente a mesma importância para o desempenho do sistema. Conhecer bem esse sistema e identificar quais são os elementos relevantes é fundamental para o seu desempenho. Nesse sentido a análise de sensibilidade surge para auxiliar na identificação desses componentes importantes para o sistema. A técnica mais simples é escolher um parâmetro para variar repetidamente ao mesmo tempo, mantendo os outros fixo. [7]. Outras técnicas são aplicadas para a realizar de sensibilidade dentre elas podemos incluir planejamento fatorial experimental, análise de correlação, análise de regressão e análise de perturbação (PA). Análise diferencial, também conhecido como análise de sensibilidade paramétrica ou método direto, é a base de quase todos as outras técnicas de análise de sensibilidade [7]. Análise de sensibilidade paramétrica é obtidada através do cálculo das derivadas parciais para as medida de interesse em função de cada parâmetro de entrada. Por exemplo, encontrar a sensibilidade do parâmetro Y, que depende de um parâmetro λ, é conseguido na Equação (2) e (3), 𝑆𝜆 = 𝑌 𝜆 III. (2) 𝑆 𝜆 = 𝑌 𝜆 𝑌 ( ) (3) 𝜆 ARQUITETURA E PROPOSTA A arquitetura utilizada para esse experimento está apresentada na Figura 1. Esta arquitetura de Computação nas Nuvens utiliza a plataforma do Eucalyptus sobre o CentOs 6.4 com VM Linux, sendo composta pela estrutura física e pela estrutura lógica do lado servidor e pela estrutura lógica do lado cliente. A estrutura física é composta por duas máquinas sendo uma delas utilizada para o Frontend e um para o Nó do sistema Computação nas Nuvens.

3 A comunicação entre o cliente e o Servidor num Nó da Nuvem, e feita através da rede internet. Dispomos ainda de um volume que está alocado no Frontend, nele armazenamos os vídeos. Entretanto a estrutura lógica: Uma máquina virtual foi instanciada através da máquina do Frontend do Eucalyptus para alocar os aplicativos Apache e o VLC media player. Do lado cliente, utilizamos o aplicativo para exibição do streaming de vídeo VLC. O funcionamento desta arquitetura é iniciada a partir do cliente que faz uma requisição do vídeo ao servidor de streaming de vídeo que por sua vez está localizado numa VM que está localizada na plataforma de Eucalyptus. O servidor busca a mídia codificada no Armazenamento. Se a mídia for encontrada, o servidor retorna a requisição ao usuário, que terá o conteúdo decodificado pelo plugin do VLC. Caso a requisição não seja encontrada no volume, nada é retornado ao usuário. Figura 1: Arquitetura do Serviço de Video Streaming. IV. MODELOS DE DISPONIBILIDADE A partir do estudo das caracteristicas dos componentes descrito na Secão III, foram criados alguns modelos analiticos para descrever o comportamento do serviço de streaming de vídeo aplicados no sistema de nuvem Eucalyptus, com o objetivo de avaliar a disponibilidade do serviço de streaming de vídeo num sistema de nuvem Eucalyptus. Diagramas de blocos de confiabilidade (RBD) são usados para analisar a confiabilidade da arquitetura apresentada. Representamos a arquitetura do ambiente de estudo através de um modelo hierárquico heterogêneo, composto de um modelo RBD. O modelo RBD representa a arquitetura do sistema em alto nível dos componentes. Do ponto de vista da disponibilidade a arquitetura descrita da Figura 1 pode ser representada através do modelo em RBD da Figura 2. Este modelo é dividido em quatro partes: Subsistema Controlador-Geral (Frontend), Subsistema Node, e Serviço. Figura 2: Modelo RBD para Serviço de Video Streaming Para encontrar a disponibilidade do Sistema é necessário conhecer a disponibilidade de cada componente individualmente e depois multiplicar pelo produto de cada um. Para isso detalharemos cada subsistema a seguir. O subsistema Frontend é composto por uma arquitetura não redundante, constituída dos seguintes componentes do eucaliptus: HW (Hardware), SO (Sistema Operacional), CLC (Cloud Controller), CC (Cluster Controller), SC (Storage Controller) e Walrus, representamos esta estrutura através de uma série RBD, conforme mostrado na Figura 3. Figura 3: Modelo RBD para Subsistema Frontend O subsistema Node é composto pelos componentes Hardware (HW) e Sistema Operacional (SO). Esse modelo possui também um modulo KVM e o componente do Eucalyptus Node Controller (NC). O modelo que representa esse subsistema pode ser visto na Figura 4. Para este modelo, assume-se que hardware e sistema operacional possuem as mesmas características dos modelos apresentados anteriormente para o Frontend, tendo os mesmos valores de taxa de falha e reparo que serão apresentados na Tabela I. Figura 4: Modelo RBD para Subsistema Node. O subsistema é o responsável pelo armazenamento dos vídeos do sistema. O subsistema Serviço é composto pelos componentes VM (máquina vitual) Aplicativos Apache e VLC. O modelo que representa esse subsistema pode ser visto na Figura 5. Figura 5: Modelo RBD para Subsistema Serviço. V. ESTUDOS DE CASO O estudo de caso está direcionado na análise de disponibilidade do sistema e na identificação dos componentes que mais afetam o serviço de streaming vídeo. Inicialmente, a disponibilidade da Arquitetura (Figura 1) foi avaliada. Na sequência a análise de sensibilidade foi aplicada ao modelo RBD da arquitetura do serviço de streaming de vídeo para todos os componentes do sistema. A partir dessa análise estabeleceu-se uma classificação com todos os componentes mais relevantes do serviço de streaming de video. A. Disponibilidade da Arquitetura A Figura 1 apresenta a arquitetura, que consiste de duas máquinas, em que um atua como Frontend e a outra como Nó.

4 Tabela I apresentam os parâmetros utilizados no modelo de bloco RBD para os subsistema Frontend, Node, e Serviço com os seus respectivos tempo de falha (MTTF) e tempo de Reparo (MTTR) são derivadas das análises realizadas em [8] e [9]. A disponibilidade de cada módulo pode ser obtida a partir dos valores presentes na Tabela I. TABLE I. para encontrar os gargalos de desempenho ou disponibilidade em um sistema, orientando, assim, a melhoria e otimização. A Tabela III mostra o ranking de sensibilidade com relação a disponibilidade de todos os parâmetros do sistema. Os resultados são ordenados de acordo com os valores absolutos dos índices de sensibilidade. PARÂMETROS DE ENTRADA DO MODELO RBD Parâmetros de Entrada Modulo Frontend Node Serviço Componente HW SO CLC CC SC Walrus KVM NC VM VLC Apache MTTR 8760h 2893h 100min 15min MTTRFrontend MTTFServiço MTTRServiço MTTRNode h MTTF E h MTTR E-6 O valor absoluto reflete como fortemente os parâmetros influenciam na saída do sistema. Os valores negativos indicam que existe uma relação inversa entre os parâmetros e a disponibilidade do sistema. Os valores de S*θ (A) foram calculados com a ferramenta Mercury [10], onde A é a disponibilidade do sistema de estado estacionário e θ é cada um dos parâmetros do sistema (as taxas de falha e de reparo de cada componente). Os indicadores de sensibilidade também pode ser calculado a partir da equação 6: 𝑆𝜃(𝐴) = 𝐴𝑓 𝐴𝑓𝑥 𝐴𝑛 𝑥 MTTF MTTR Frontend h Node Serviço h h h h h A disponibilidade para esta arquitetura foi obtida através das equações (4) e (5), com o objetivo de simplificar a fórmula adotamos as letras (f), (n), (v) e (s) que correspondem respectivamente as palavras Frontend, Node, e Serviço. 𝐴 = 𝐴𝑓𝑥 𝐴𝑛 𝑥𝐴 𝑣 𝑥 𝐴𝑠 (4) Sensibilidade (Valor) MTTFFrontend MTTFNode PARÂMETROS DE ENTRADA DO MODELO RBD Componente RANKING DE SENSIBILIDADE Parâmetro MTTF Estes tempos coletados na Tabela I são inseridos na ferramenta Mercury [10] para cada componente a partir destes dados calcula-se a disponibilidade para cada módulo individualmente: Frontend, Node, Serviço e. MTTF e MTTR de cada módulo são obtidos e disponibilizados como dados de entrada para a Tabela II. Nesta tabela observa-se o valor de MTTF e MTTR obtido a partir da Tabela I. TABLE II. TABLE III. 𝜇𝑖 𝐴 𝑖=𝑓,𝑛,𝑣,𝑠 = 𝜇𝑖+𝜆𝑖 (5) Com este modelo encontramos o valor de para a disponibilidade do sistema provido pelo serviço de streaming de vídeo, sem considerar redundância aplicada ao sistema. Esta disponibilidade foi obtida através da modelagem individual de cada bloco do modelo da arquitetura básica representada na Figura 1, para isso foi necessário coletar os tempos médios de falha e de recuperação de cada bloco RBD e inserir na ferramenta Mercury descrito anteriormente. B. Análise de Sensibilidade da Arquitetura Para identificar quais os componentes são mais relevantes para o serviço de streaming de vídeo foi utilizada análise de sensibilidade paramétrica. Esta abordagem pode ser usada 𝑥 𝐴𝑛 𝑥𝐴 𝑣 𝑥 𝐴𝑠 + 𝐴𝑓 𝑥 𝐴𝑣 𝐴𝑛 𝑥𝐴𝑠 + 𝐴𝑓 𝑥 𝐴𝑛 𝑥 𝐴𝑣 𝑥 𝑥𝐴 𝑣 𝑥 𝐴𝑠 + 𝐴𝑠 (6) As taxas de falha e reparo (ʎf) e (μf) respectivamente são expressos através das derivadas parciais representadas pelas equações (7) e (8). A derivada para as expressões (An), (Av) e (As) são similares a (Af) desde que todos estes subsistemas são representados por blocos RBD. ʎ𝑓 = 𝜇𝑓 𝜇𝑓 1 (7) 𝜇𝑓 = + (8) (𝜇𝑓 + ʎ𝑓)2 𝜇𝑓 + ʎ𝑓 (𝜇𝑓 + ʎ𝑓)² Na ferramenta Mercury utilizou-se as fórmulas 7 e 8 que são o resultado da derivada parcial aplicada a equação da disponibilidade apresentada pela equação 5 a todos os componentes da Figura 2, pois tratam-se de blocos RBD. A partir do resultado dessas fórmulas aplicado a todos os blocos obteve-se o ranking de sensibilidade apresentado na Tabela III. Os parâmetros MTTFFrontend and MTTRFrontend possuem os valores mais altos de sensibilidade. Por isso, pode-se afirmar que o Frontend é o componente do sistema que tem o maior impacto sobre a disponibilidade de estado estacionário do sistema completo, e que qualquer alteração nesses parâmetros terá um impacto positivo ou negativo sobre a disponibilidade do sistema.

5 VI. CONCLUSÃO Conforme descrido na introdução deste trabalho, o objetivo do estudo foi estabelecer um modelo capaz de avaliar a disponibilidade da arquitetura do serviço de streaming de vídeo e além de realizar um estudo de análise de sensibilidade nessa infraestrutura a fim de identificar os componentes mais importantes do sistema. Os resultados apontam para uma disponibilidade de e um downtime de horas ao ano, o que sugere a necessidade de adotamos mecanismos de redundância nessa infraestrutura com o objetivo de melhorar a disponibilidade do sistema. Além disso, identificamos que o componente Frontend é um dos componentes mais importante do sistema e que sobre este componente ações podem ser direcionadas com o objetivo de aumentar a disponibilidade do sistema. Como trabalhos futuros serão implementados novos cenários com o apoio de mecanismos de redundância, de modo a averiguar as melhorias apontadas pela análise de sensibilidade na infraestrutura do sistema. REFERÊNCIAS [1] Teleco. Recurso Radio em GSM/GPRS: GSM. Disponível em: < /pagina3.asp>.acesso em : 4 maio [2] Cardoso, Felipe Cesar, Conceitos de rede virtual privada para streaming seguro de v ıdeo. Universidade Sao Franscisco, [3] Giordanelli, Raffaele and Mastroianni, Carlo, The cloud computing paradigm: Characteristics, opportunities and research issues. Istituto di Calcolo e Reti ad Alte Prestazioni (ICAR),2010 [4] Eucalyptus (2010a), Eucalyptus cloud computing platform administrator guide.technical report, Eucalyptus Systems, Inc. Version 1.6..K. Elissa, Title of paper if known, unpublished. [5] Kuo, Way and Zhu, Xiaoyan, I mportance measures in reliability, risk,and optimization: principles and applications 2012 [6] D. M. Hamby, A review of techniques for parameter sensitivity anal-ysis of environmental models,. Environmental Monitoring and Assess-ment, pp , [7] Matos Junior, Rubens and Guimaraes, Almir and Camboim, Kadna and Maciel, Paulo and Trivedi, Kishor., Sensitivity analysis of availability of redundancy in computer networks. CTRQ 2011, The Fourth International Conference on Communication Theory, Reliability, and Quality of Service,2011. [8] J. Dantas, R. Matos, J. Araujo, and P. Maciel, An availability model for eucalyptus platform: An analysis of warm-standy replication mechanism, in Systems, Man, and Cybernetics (SMC), 2012 IEEE International Conference on. IEEE, 2012, pp [9] D. S. Kim, F. Machida, and K. S. Trivedi, Availability modeling and analysis of a virtualized system, in Dependable Computing, 2009.PRDC th IEEE Pacific Rim International Symposium on. IEEE,2009, pp [10] Mercury tool developed by modcs group. Website. Disponível em: < Acesso em: 12 sep