SuMo: تحلیل و بهینه سازی نمونه های EC2 آمازون

قیمت: 42,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

SuMo: تحلیل و بهینه سازی نمونه های EC2 آمازون

عنوان لاتین

SuMo: Analysis and Optimization of Amazon EC2 Instances

تجزیه و تحلیل و بهینه سازی ابرهای عمومی ، با توجه به بهره برداری گسترده آن ها توسط کاربران فردی، محققان و شرکت ها برای کارهای روزانه خود ، به عنوان یک موضوع مهم پژوهشی افزایش یافته است. ما عملیات الگوریتم اولیه را شناسایی کردیم که باید بخشی از یک تجزیه و تحلیل ابر و ابزار بهینه سازی ، مانند پروفایل منابع، تشخیص سنبله عملکرد و پیش بینی، تغییر اندازه منابع، و سایرین باشد، و ما روش های نظارت بر جمع آوری اطلاعات که می تواند نسبت به این اهداف پردازش شود بررسی کردیم. اطلاعات تحلیل شده در تصمیمات ناشی از مدیریت منبع مجازی مهم با ارزش می باشد. ما یک ابزار منبع بازی ارائه دادیم به نام SuMo، که شامل وظیفه مندی هایی برای جمع آوری داده نظارت از وب سرویس آمازون (AWS) است، که آن ها را تحلیل می کند وپیشنهادات بهینه سازی منبع را ارائه می دهد. SuMo برای هر کسی تحلیل رفتار نمونه های AWS، ترکیب یک مجموعه از ماژول های پایه که به طور وظیفه مند تشخیص پروفایل و spikef را ارائه می دهد آسان می سازند. همچنین می تواند به عنوان پایه ای برای توسعه چنین شیوه های تحلیل جدید برای AWS استفاده شود.SuMo شامل یک مکانیزم بهینه سازی سودمندی و هزینه (CUO) ، فرموله شده به عنوان مسئله برنامه نویسی انتگرال خطی (ILP)، برای بهینه سازی هزینه و سودمندی یک مجموعه اجرایی از نمونه های EC2 آمازون است. این مکانیزم CUO اطلاعاتی روی مجموعه استفاده شده فعلی از نمونه ها (تعداد آنها، نوع، سودمندی) و یک مجموعه جدید از نمونه ها برای به خدمت گرفتن همان بارگذاری پیشنهاد می دهدکه هزینه را حداقل و سودمندی را حداکثر و عملکرد را به طور کار آمد می سازد.

The analysis and optimization of public clouds gains momentum as an important research topic, due to their widespread exploitation by individ-ual users, researchers and companies for their daily tasks. We identify primitive algorithmic operations that should be part of a cloud analysis and opti-mization tool, such as resource profiling, performance spike detection and prediction, resource resizing, and others, and we investigate ways the collected monitor-ing information can be processed towards these pur-poses. The analyzed information is valuable in driving important virtual resource management decisions. We also present an open-source tool we developed, called SuMo,which contains the necessary functionalities for collecting monitoring data from Amazon Web Ser-vices (AWS), analyzing them and providing resource optimization suggestions. SuMo makes easy for any-one to analyze AWS instances behavior, incorporating a set of basic modules that provide profiling and spikef detection functionality. It can also be used as a basis for the development of new such analytic procedures for AWS. SuMo contains a Cost and Utilization Opti-mization (CUO) mechanism, formulated as an Integer Linear Programming (ILP) problem, for optimizing the cost and the utilization of a set of running Ama-zon EC2 instances. This CUO mechanism receives information on the currently used set of instances (their number, type, utilization) and proposes a new set of instances for serving the same load that mini-mizes cost and maximizes utilization and performance efficiency