Desarrollo de un algoritmo de Instance Placement en nubes privadas que soporte cargas de Alta Performance
Abstract
El aumento de la capacidad computacional ha permitido el uso cada vez mayor
de métodos computacionales para resolver problemas complejos de diferentes áreas,
logrando tal incremento en la eficiencia y productividad que se dice que hemos
empezado una nueva revolución industrial (la era del conocimiento). En esta nueva
era, el uso de aplicaciones de alta, High-Performance Computing en inglés (HPC), es
cada vez más común. Una forma de utilizar de manera eficiente los recursos
computacionales es desplegar estas aplicaciones sobre recursos compartidos
(paradigma de computo en la nube, sea esta pública o privada) en lugar de asignarlos
a servidores de manera exclusiva, lo que puede resultar en tiempos muertos en el uso
de alguno o todos los recursos. El problema de decidir la mejor forma de compartir
recursos asignados a servidores ya sea como máquinas virtuales (VMs),
contenedores, o en modo dedicado (bare metal) es llamado el problema de Instance
Placement, y es fundamental para la performance de una plataforma de computo en
la nube. El subproblema que se presenta cuando ya se decidió una asignación via
VMs es el de VM Placement.
El problema de Instance Placement es actualmente un problema abierto debido
a que la solución online requiere el conocimiento no sólo de las demandas actuales y
sus parámetros, sino también de las demandas futuras. Como un primer acercamiento
a una solución, esta tesis busca diseñar e implementar un algoritmo de Offline
Instance Placement donde el conjunto de demandas, su inicio y duración, así como
sus estadísticas de uso son conocidas. El algoritmo busca asignar –de la mejor
manera posible– los recursos de cómputo a instancias en una nube privada,
considerando el tipo de carga a la que estas pertenecen y su nivel de servicio.
Debido a que OpenStack es una de las soluciones más empleadas para nubes
privadas, se toma como referencia el scheduler de OpenStack para comparar la
utilidad de el algoritmo propuesto. Luego de realizar las pruebas, se obtuvo que el
scheduler propuesto presenta una mayor utilidad que el scheduler de OpenStack para
distintos tipos de cargas.
Temas
Algoritmos computacionales
Computación en nube
Optimización combinatoria
Computación de alto rendimiento
Computación en nube
Optimización combinatoria
Computación de alto rendimiento
Para optar el título de
Maestro en Informática con mención en Ciencias de la Computación
The following license files are associated with this item: