Monitorização de desempenho e previsão de falhas em servidores cloud

Abstract

Nos dias atuais o uso de cloud servers tem aumentado devido às diversas vantagens que estes oferecem em relação ao uso de servidores físicos. Os servidores físicos, ao estarem dependentes de um único dispositivo de hardware, sofrem de um único ponto de falha, enquanto os servidores cloud são entidades de software independente das unidades de hardware, e portanto, não possuem pontos de falha. Os servidores cloud permitem, além disso, uma melhor otimização dos custos de operação, ao possibilitar uma alocação variável dos recursos ao longo do tempo, conforme as necessidades. No entanto, em diversas situações, existem fornecedores de servidores que tiram proveito do facto dos recursos alocados aos servidores raramente serem utilizados a 100% pelos seus clientes. Desta forma, é possível que uma infraestrutura de servidores tenha capacidade para um certo número de clientes, mas o número efetivo de clientes ativos seja superior. A partilha de recursos na infraestrutura implica que a capacidade de um cliente aceder à totalidade dos recursos a si alocados, depende fortemente do uso dos recursos alocados a outros clientes. Esta dissertação teve como objetivos: (i) a criação e desenvolvimento de um sistema de monitorização da disponibilidade de recursos computacionais num servidor cloud, e (ii) desenvolvimento de metodologias de previsão de indisponibilidade de recursos (falhas) a curto e médio prazo. Com este sistema é possível otimizar o desempenho coletivo de um grupo de servidores cloud, adaptando o comportamento individual de cada servidor cloud à eventual redução de recursos computacionais. A adaptação comportamental de cada servidor pode passar: (i) pela delegação de tarefas importantes em outros servidores do grupo com recursos disponíveis e/ou (ii) pelo adiamento de tarefas menos importantes, até que haja disponibilidade de recursos.

Nowadays, the use of cloud servers has been rising due to the advantages that they offer when compared with physical servers. Physical servers depending only on one hardware device have a single point of failure, while cloud servers are hardware independent software units, and therefore, do not have tha liability. Moreover, cloud servers allow the optimization of operational costs by providing variable computational resources allocation over time, according to operational needs. However, on many occasions server providers take advantage of the fact that allocated resources are rarely used at 100% capacity by its clients. This way, it is possible that a cloud server infrastructure have the capacity for a certain number of clients, but the real number of active clients is higher. Resources sharing implies that the ability for a client to access the overall capacity of the resources allocated to him, depends greatly on the usage of resources by other clients. This dissertation has two main objectives: (i) the creation and development of a system for performance monitoring in a cloud server, and (ii) development of methodologies to predict resources starvation (failures) at shortand medium-term. With this system it is possible to optimize the overall performance of a group of cloud servers, adapting the individual behavior of each cloud server to eventual resource starvation events. The behavioral adaptation of a server may consist in: (ii) delegating important tasks to other group cloud servers with available resources and/or (ii) delaying low importance tasks until availability of resources.