Modelo analítico de alta precisión para sistemas de nube heterogéneos con disponibilidad limitada de recursos de máquinas físicas basado en cadena de Markov
Autores: Hanczewski, Slawomir; Stasiak, Maciej; Weissenberg, Michal
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Modelo analítico de alta precisión para sistemas de nube heterogéneos con disponibilidad limitada de recursos de máquinas físicas basado en cadena de Markov
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Resultados
Estudio
Modelos
Máquinas virtuales
IaaS
Análisis
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
El artículo presenta los resultados de un estudio sobre el modelado de sistemas en la nube. En esta investigación, los autores desarrollaron modelos analíticos y de simulación. El análisis del sistema se realizó a nivel de soporte de máquina virtual, correspondiente a Infraestructura como Servicio (IaaS). Los modelos asumieron que se ofrecen máquinas virtuales de diferentes tamaños como parte de IaaS, reflejando la naturaleza heterogénea de los sistemas modernos. Además, se asumió que debido a limitaciones en el acceso a recursos de servidores físicos, solo una parte de estos recursos podría usarse para crear máquinas virtuales. El modelo se basa en el análisis de cadenas de Markov para sistemas dependientes del estado. El sistema se dividió en una estructura externa, representada por una colección de máquinas físicas, y una estructura interna, representada por una sola máquina física. Los autores desarrollaron un enfoque novedoso para determinar el tráfico equivalente, aproximando el tráfico real que aparece en la entrada de una sola máquina física bajo las suposiciones de distribución de solicitudes. Como resultado, fue posible determinar la probabilidad real de pérdida de solicitudes en todo el sistema. Los resultados obtenidos de ambos modelos (simulación y analítico) se resumieron en gráficos comunes. Los estudios estaban relacionados con los parámetros reales de máquinas físicas y virtuales ofrecidas comercialmente. La investigación realizada confirmó la alta precisión del modelo analítico y su independencia del número de diferentes instancias de máquinas virtuales y del número de máquinas físicas. Por lo tanto, el modelo puede ser utilizado para dimensionar sistemas en la nube.
Descripción
El artículo presenta los resultados de un estudio sobre el modelado de sistemas en la nube. En esta investigación, los autores desarrollaron modelos analíticos y de simulación. El análisis del sistema se realizó a nivel de soporte de máquina virtual, correspondiente a Infraestructura como Servicio (IaaS). Los modelos asumieron que se ofrecen máquinas virtuales de diferentes tamaños como parte de IaaS, reflejando la naturaleza heterogénea de los sistemas modernos. Además, se asumió que debido a limitaciones en el acceso a recursos de servidores físicos, solo una parte de estos recursos podría usarse para crear máquinas virtuales. El modelo se basa en el análisis de cadenas de Markov para sistemas dependientes del estado. El sistema se dividió en una estructura externa, representada por una colección de máquinas físicas, y una estructura interna, representada por una sola máquina física. Los autores desarrollaron un enfoque novedoso para determinar el tráfico equivalente, aproximando el tráfico real que aparece en la entrada de una sola máquina física bajo las suposiciones de distribución de solicitudes. Como resultado, fue posible determinar la probabilidad real de pérdida de solicitudes en todo el sistema. Los resultados obtenidos de ambos modelos (simulación y analítico) se resumieron en gráficos comunes. Los estudios estaban relacionados con los parámetros reales de máquinas físicas y virtuales ofrecidas comercialmente. La investigación realizada confirmó la alta precisión del modelo analítico y su independencia del número de diferentes instancias de máquinas virtuales y del número de máquinas físicas. Por lo tanto, el modelo puede ser utilizado para dimensionar sistemas en la nube.