Defesa de Doutorado de Daniel Guimarães do Lago

Título do Trabalho
Algoritmos de Escalonamento de Máquinas Virtuais Cientes de Topologia e Energia em Data Centers
Candidato(a)
Daniel Guimarães do Lago
Nível
Doutorado
Data
Add to Calender 2018-02-28 00:00:00 2018-02-28 00:00:00 Defesa de Doutorado de Daniel Guimarães do Lago Algoritmos de Escalonamento de Máquinas Virtuais Cientes de Topologia e Energia em Data Centers Auditório do IC 3 INSTITUTO DE COMPUTAÇÃO mauroesc@ic.unicamp.br America/Sao_Paulo public
Horário
09:00h
Local
Auditório do IC 3
Orientador(a)
Edmundo Roberto Mauro Madeira
Banca Examinadora

Titulares  (Professores Doutores)

Unidade/Instituição

Edmundo Roberto Mauro Madeira

IC/UNICAMP

Djamel Fawzi Hadj Sadok

CInf/UFPE

Fabio Luciano Verdi

Dcomp/UFSCar

Christian Esteve Rothenberg

FEEC/UNICAMP

Nelson Luis Saldanha da Fonseca

IC/UNICAMP

 

Suplentes (Professores Doutores)

Unidade/Instituição

Luiz Fernando Bittencourt

IC/UNICAMP

Islene Calciolari Garcia

IC/UNICAMP

Bruno Richard Schulze

CCC/LNCC

Resumo

O crescente consumo de energia e poluição gerada pela infraestrutura da computação em nuvem, impulsionado pela proliferação de dispositivos com baixo poder de processamento e a crescente necessidade de computação elástica, tem sido uma constante preocupação, refletida em numerosas abordagens no contexto da computação verde para lidar com este problema. Além disso, percebemos que a principal escolha de conectividade dos data centers que operam em nuvem, Ethernet, tem apresentado rápido aumento das taxas de transmissão, bem como a expectativa de continuidade deste crescimento. Como resultado, temos observado data centers com grupos de equipamentos, em especial servidores, com larguras de banda heterogêneas. Neste trabalho efetuamos estudos acerca dos impactos do aumento das taxas de transmissão no processo de escalonamento de máquinas virtuais, focando, em especial, no consumo de energia, no makespan, nos tempos de execução de cargas de trabalho, e no número de migrações de máquinas virtuais em data centers que operam em nuvens, no contexto da ciência de energia. Desenvolvemos, também, um modelo empírico para estimar o consumo de energia em função da largura de banda para um conjunto de cenários. Expandimos nossos estudos e apresentamos o BALA, um algoritmo de escalonamento de máquinas virtuais ciente de energia e de largura de banda, com especial aproveitamento em data centers com agrupamentos de servidores que apresentam heterogeneidade em largura de banda. Finalmente, apresentamos o TEA, um algoritmo de escalonamento de máquinas virtuais ciente de energia e de topologia de rede, que considera não somente os elementos de borda, mas também o núcleo da rede, sendo um algoritmo escalável capaz de atuar em uma diversidade de cenários, incluindo, mas não se limitando, a nuvens constituídas de data centers federados ou não-federados, com topologias de rede arbitrárias, que admitem ou não a migração de máquinas virtuais, homogêneos ou heterogêneos tanto em servidores quanto no núcleo da rede, podendo suportar SLA com garantia de processamento para máquinas virtuais e preferência a máquinas virtuais de prioridades elevadas. Para atingir nossos objetivos, utilizamos em ambos algoritmos técnicas como o desligamento de servidores ociosos, DVFS, e migração de máquinas virtuais. Em adição, no TEA, também empregamos um conceito de maximização de eficiência em energia de rotas e o desligamento de comutadores de pacotes ociosos. Resultados obtidos por simulação em um extenso número de cenários mostram que este algoritmo, confrontado a diversos outros algoritmos cientes de energia, apresenta os melhores resultados em economia de energia em aproximadamente metade dos casos, e o melhor makespan na maior parte dos casos. Os ganhos observados são notáveis em data centers federados, com topologias constituídas por um número grande de comutadores de pacotes ou cujas rotas possam passar por um número maior de comutadores de pacotes, com o recurso de migração de máquinas virtuais, e heterogêneos.