1 / 18

自動化負載平衡子計畫

自動化負載平衡子計畫. 第三季報告 (2010.1~2010.3) 董信煌 樹德科技大學資管系 tungsh@stu.edu.tw. 大綱. 本期目標 Xen 的 CPU 排程器 效能需求及評估 實驗設計 研究結果 結論 下期目標. 本期目標. 系統設計. 利用效能指標及環境變數建立多目標決策數學模式. 探討決策模式的可行解及最佳化解, 選擇演算法解決策模式. Xen 的 Credit 排程器 (1). Xen 3.1 (CentOS 5.4) 的 Credit 排程器 non-preemptive

howard-herrera
Download Presentation

自動化負載平衡子計畫

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 自動化負載平衡子計畫 第三季報告 (2010.1~2010.3) 董信煌 樹德科技大學資管系 tungsh@stu.edu.tw

  2. 大綱 • 本期目標 • Xen的CPU排程器 • 效能需求及評估 • 實驗設計 • 研究結果 • 結論 • 下期目標

  3. 本期目標 • 系統設計. 利用效能指標及環境變數建立多目標決策數學模式. 探討決策模式的可行解及最佳化解, 選擇演算法解決策模式.

  4. Xen 的 Credit 排程器 (1) • Xen 3.1 (CentOS 5.4) 的 Credit 排程器 • non-preemptive • PS (透過 weight 參數) • WC and NWC modes (透過 cap 參數) • 多核全域負載平衡

  5. Xen 的 Credit 排程器 (2) • 每一個VM及Host(也就是Dom0)的weight及 cap參數可以如下操作 xm sched-credit –d <domid> (讀取參數值) xm sched-credit –d <domid> -w <weight> (設定weight) xm sched-credit –d <domid> -c <cap> (設定cap)

  6. 效能需求 • 我們以Hadoop為雲端運算的應用範例, 更以map-reduce為高效能資料探勘工具之設計平台. 因此VM的效能指標只考慮 • 計算能力: Mapper、排序、Reducer • 網路傳輸: Mapper、Reducer取得資料

  7. 效能評估 • 會影響上述指標的環境變數為各個 Domain的 weight 及 cap 參數值 • 考慮 Dom0 及虛擬機器的不同 weight 及 cap 值設定, 以模擬各種 CPU 資源配置情境 • 虛擬機器上的計算及網路效能將被衡量並收集, 為建立效能模式之依據

  8. 實驗設計 (1) • 硬體: Intel Core 2 CPU (E2180) • 2 cores at 2.0GHz each • 2GB ram • 160GB IDE hard drive • 軟體: CentOS 5.4, 使用 Xen 3.1.2 • 虛擬機器: Fedora Core 11, 256MB ram, 4GB hard drive 使用 image 擋案

  9. 實驗設計 (2) • 虛擬機器一 (VM 1) • 執行計算為主的工作 • 使用 Java 的 Timer 及 TimerTask 類別評估10秒內VM1可執行多少個Math.sin(Math.random())運算 • 虛擬機器二 (VM 2) • 執行網路傳輸為主的工作 • 使用 netperf (www.netperf.org) 評估10秒內VM2可傳輸多少個 Mb 到區域網路內的第二台主機

  10. 實驗設計 (3) • VM1 及 VM2 必須同時執行它們的工作以代表兩台VM分享系統資源 • 為了降低 VM1 的計算效能(Mops/sec)及 VM2 的網路效能(Mb/sec)之波動程度, 每一個10秒的計算與網路測試被重複執行5次, 最後以5次的平均值為VM的效率指標 • 必須考慮不同的weight及cap設定

  11. 實驗設計 (4) • VM1 的 Credit 參數設定 • weight w1 = 256, 512, 768, 1024; • Cap c1 = 25, 50, 75, 100 • VM2 的 Credit 參數設定 • weight w2 = 256, 512, 768, 1024; • Cap c2 = 25, 50, 75, 100 • Dom0 的 Credit 參數設定 • weight w0 = 256, 512, 768, 1024 • 共有1024種(c1, w1, c2, w2, w0)參數的組合

  12. 實驗設計 (5) • 就每一個(c1, w1, c2, w2, w0)組合 • 在每一分鐘開始時使用 ‘xm sched-credit’ 設定各domain 的weight及cap • Shell 程式暫停5秒讓各個domain的weight及cap設定生效 • 在VM1執行5次的計算測試, 每次10秒, 同時在VM2執行5次的網路測試, 每次10秒 • 收集5次測試結果並取平均值當效能指標 • 進行下一個(c1, w1, c2, w2, w0)組合的測試

  13. 研究結果(1) • 使用1024 分鐘共收集1024份實驗數據, 每份資料的格式為 (c1, w1, c2, w2, w0; cap, netperf) • 系統的自變數有c1, w1, c2, w2, w0 • 系統的應變數有 • cap: VM1 的計算效能 • netperf: VM2 的網路效能

  14. 研究結果(2) • 這些效能指標的意義 • 在一台雙核主機上有兩部虛擬機器(VM1, VM2) • 經由Xen配置不同程度的CPU資源給Dom0, VM1, VM2 • VM1 執行計算的能力 • VM2 執行網路傳輸的能力

  15. 研究結果(3) • 使用1024組數據, 我們想要得到的VM效能模式為 • cap = f(c1, w1, c2, w2, w0) • netperf = g(c1, w1, c2, w2, w0) • 上述的 f 及 g 函數可使用 multi-kernel support vector regression (mk-SVR) 來逼近

  16. 研究結果(4) • 使用 mk-SVR 迴歸 1024 組數據的結果

  17. 結論 • 我們參考MapReduce運作以計算及網路為虛擬機器的效能評估指標 • 使用一台雙核主機設定兩部VM分別執行計算及網路工作 • 規劃不同的Credit參數組合 • 在每個參數組合下衡量計算及網路效能 • 利用實驗數據及機器學習演算法建立計算及網路效能模式

  18. 下期目標 • 系統實做及結案. 撰寫程式實做多目標決策演算法. 以單一系統多處理器環境為例, 增加 Xen 對於多個VM之工作排程的選項. 熟悉Xen之跨系統VM live migration功能並為跨系統之load balancing做初步規劃. 撰寫結案報告.

More Related