Conception d'outils de génération de charge de trafic dans des environnements de communication virtualisés

St-Onge, Cédric (2018). Conception d'outils de génération de charge de trafic dans des environnements de communication virtualisés. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (3MB) | Prévisualisation
Prévisualisation	PDF Télécharger (648kB) | Prévisualisation

Résumé

Les systèmes infonuagiques sont connus pour leur extensibilité, permettant l’ajout ou le retrait de ressources basé sur un modèle de service dit « sur-demande ». Cependant, la nature instable de la charge de trafic (« workload ») et la variété d’applications s’exécutant dans le Nuage entraîne certains problèmes de sur-approvisionnement et de sous-approvisionnement des ressources, causant un gaspillage de ressources et ayant souvent des repercussions négatives au niveau de l’expérience utilisateur. Une méthode efficace permettant de pallier ces problèmes réside en la modélisation de charge de trafic, qui est utilisée pour la conception d’approches proactives de prise de décision, permettant des strategies d’approvisionnement de ressources ainsi que l’anticipation de potentiels problèmes de performance.

Les modèles de charges de trafic sont habituellement conçus à partir du comportement d’usagers et d’applications d’un système, limitant ainsi leur utilisation à des domaines bien spécifiques. Indubitablement, cette pratique crée un dilemme dans le domaine des systèmes infonuagiques, dû au fait qu’une panoplie d’applications hétérogènes y sont exécutées et que plusieurs utilisateurs ont accès à leurs ressources. Les modèles de charges de trafic pour de telles infrastructures requièrent une adaptation à l’évolution des paramètres de configuration du système, tels que la fluctuation d’exécution de tâches, le dimensionnement horizontal et vertical, ainsi que la migration de ressources virtualisées. De plus, les jeux de données de charges de trafic collectées recèlent souvent de précieuses informations relatives à des comportements (« patterns ») récurrents dans le système évalué. La classification de ces comportements périodiques par leur amplitude, leur forme et leur longueur se veut un atout majeur pour tout chercheur visant à améliorer ses modèles de charge de trafic. L’objectif de notre projet est de générer des modèles de charges de trafic (1) génériques, indépendants du comportement des usagers et des applications opérant dans un système infonuagique, (2) pouvant convenir à n’importe quel type ou domaine de charge de trafic, (3) permettant de modéliser des variations brusques qui sont susceptibles de se produire dans des environnements infonuagiques, et (4) avec une grande fidélité relative aux données observées, dans un temps d’exécution relativement bas. Un objectif sous-jacent est également visé sous la forme d’un mécanisme de détection de périodicité de charge de trafic, permettant la détection de comportements périodiques des charges de trafic.

Titre traduit

Design of workload generation and resource management tools for virtualized communication environments

Résumé traduit

Cloud computing systems are known for their elastic property which allows the dynamic addition and removal of resources based on the on-demand service model. However, the unsteady workloads and the variety of the applications running in the cloud entail the problems of resources over-provisioning and under-provisioning, which cause resources wastage and user experience degradation. In order to address this problem, workload modeling can be used to design proactive decision-making approaches to optimize the resource provisioning strategies and anticipate any performance problem.

Workload models are typically built based on user and application behavior in a system, limiting them to specific domains. Undoubtedly, such practice forms a dilemma in a Cloud environment where a wide range of heterogeneous applications are running, and many users have access to these resources. The workload model in such infrastructure must adapt to the evolution in the system configuration parameters like job load fluctuation, horizontal scaling, vertical scaling, or migration of virtualized resources. Moreover, the collected workload data often hold precious information about recurring patterns in the evaluated system’s resource behavior. Classification of such periodic patterns by amplitude, length and shape can be an invaluable asset to researchers aiming to improve workload models.

The aim of this work is (1) to generate generic workload models which are independent of user behavior and the applications running in the system, (2) that are able to fit any workload domain and type, (3) that are able to model sharp workload variations that are most likely to appear in cloud environments, and (4) with high degree of fidelity with respect to the observed data in a short period of execution time. As a subset, a workload periodicity detection mechanism is also proposed, enabling detection of cyclic workload patterns and workload behavior anomalies. To achieve this aim, this work is therefore divided into two complementary working areas. The first working area centers around two approaches for workload estimation, while the second working area centers around workload periodicity detection.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire par articles présenté à l’École de technologie supérieure comme exigence partielle à l’obtention de la maîtrise en sciences appliquées concentration génie des technologies de l’information". Comprend des références bibliographiques (pages 81-84).
Mots-clés libres:	infonuagique, nuage, modélisation de charge de trafic, estimation de charge de trafic, modèle Hull-White, algorithmes génétiques, séries temporelles, transréversion par préfixe
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Kara, Nadjia
Programme:	Maîtrise en ingénierie > Génie des technologies de l'information
Date de dépôt:	18 janv. 2021 16:30
Dernière modification:	18 janv. 2021 16:30
URI:	https://espace.etsmtl.ca/id/eprint/2053

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt