5.3
Eficiência na escolha das políticas dos 4 estágios de
escalonamento
Nessa seção são apresentados e discutidos os resultados das simulações descritas na seção anterior. Primeiramente são apresentados os principais efeitos ocasionados no tempo médio de resposta e no consumo de energia quando alterado algum dos 5 fatores avaliados neste trabalho. Em seguida é feita uma avaliação dos resultados obtidos com uma comparação entre cenários diferentes, analisando-se a importância da escolha correta da política de cada um dos estágios de escalonamento em relação a carga utilizada.
As primeiras quatro figuras dessa seção (5.1, 5.2, 5.3, 5.4) apresentam gráficos que permitem que se observe os principais efeitos nas variáveis de resposta gerados pelas políticas de um estágio de escalonamento em relação à outra política do mesmo estágio. Essas variáveis de resposta são o Tempo Médio de Resposta (TMR), medido em unidades de tempo, e o Consumo de Energia, medido em KiloWatts por segundo (kWs). O eixo y dos gráficos representam os valores obtidos pelas políticas apresentadas no eixo x. Cada figura possui quatro gráficos e cada gráfico representa um estágio de escalonamento.
Na Figura 5.1 pode-se observar que as políticas avaliadas dos estágios de Escolha do Data Center(Escolhe DC) e de criação de Máquinas Virtuais (Cria MV) não influenciaram significan- temente no Tempo Médio de Resposta (TMR) com uma carga de trabalho leve. Isso se deve ao fato da infraestrutura oferecida (15 DCs com 1000 hosts cada) ser muito superior ao necessário para execução da carga de trabalho exigida. No estágio de Alocação de Máquina Virtual (Aloca MV) a política sem migração se mostra com um TMR menor que a política com migração quando utilizada a carga leve graças ao custo alto que a migração de MVs exige ao sistema como um todo. Dos quatro estágios avaliados, a mudança da política de Alocação de Serviços (Aloca Serviços) são as que mais influenciaram no TMR. A política Space-share mostrou-se bem mais eficiente que a Time-share. Esse fato ocorre devido a política Time-share alocar todas as Máquinas virtuais de uma vez nos núcleos de processamento sem ocorrência de filas. Esse fato gera uma alta ocorrên- cia de troca de contexto no processador tornando o sistema mais lento. Por outro lado a política Space-share isso não ocorre pois aloca-se uma MV por vez não sobrecarregando as unidades de processamento.
A Figura 5.2 apresenta os resultados de TMR com carga de trabalho pesada. Com o aumento da carga, os tempos aumentaram consideravelmente como esperado e a eficiência das políticas ficaram mais evidentes. No estágio de criação de MVs, a política SD4c mostrou-se um pouco mais eficiente do que a SD2c e a RR apresentou tempos levemente menores em relação à BCR. O fato da SD4c ter mais vCPUs do que a SD2c influenciou no TMR como esperado. Como a política RR não possui nenhum pré-processamento para a tomada de decisão no escalonamento, ela obteve menores tempos do que a BCR. No estágio de alocação de MV percebe-se uma inversão em relação à carga leve. Com a carga pesada, a política que usou a técnica de migração se mostrou com tempos
Figura 5.1: Efeitos no Tempo Médio de Resposta com Carga de Trabalho Leve
menores do que a política com características de alocação estática de MV. A explicação para esse fato é o custo da migração de uma MV de um host à outro do Data Center. Com a carga leve a migração de MV não compensa devido ao tempo gasto pelo processo de migração em relação ao TMR. No último estágio de escalonamento a política Space-share se manteve como a mais eficiente pelo mesmo motivo já especificado anteriormente.
Figura 5.2: Efeitos no Tempo Médio de Resposta com Carga de Trabalho Pesada
O Consumo de Energia (CE) com a carga de trabalho leve pode ser observado na Figura 5.3. A política SD2c consumiu um pouco mais de energia em comparação à política SD4c quando utiliza- se serviços que demandam pouca carga de trabalho. Supõe-se que isso ocorreu devido a política SD2c ter menos vCPUs do que a SD4c, fato que sobrecarregou mais o sistema aumentando o
80
5.3. EFICIÊNCIA NA ESCOLHA DAS POLÍTICAS DOS 4 ESTÁGIOS DE ESCALONAMENTO clock dos processadores e com isso aumentando o consumo de energia. A mudança de políticas de escolha de Data Center não influenciou no consumo de energia com a carga leve. Esse fato se deve ao grande número de Data Centers existentes na infraestrutura oferecida para uma carga que não exige grande esforço. A política de alocação sem migração com a carga leve além de ter um TMR menor que a com migração, o consumo também mostrou-se menor. Isso ocorreu pelo mesmo motivo citado anteriormente, ou seja, o custo da migração de MVs para uma carga leve de serviços é muito alta demandando muito trabalho de rede e processamento o que demanda mais consumo de energia. Quando observado o TMR a política do quarto estágio de escalonamento Space-share se mostrou bem superior à Time-Share, entretanto, no tocante ao consumo de energia mostrou-se menos econômica. Isso se deve ao fato da política Time-share não utilizar filas de processos, ou seja, aloca todos os serviços ao mesmo tempo nas máquinas virtuais criadas e já alocadas. Esse fato apesar de demandar mais tempo de resposta mantém o consumo de energia mais linear. Com a política Space-share ocorrem picos de alto processamento o que causa maior consumo de energia.
Figura 5.3: Efeitos no Consumo de Energia com Carga de Trabalho Leve
Quando observada a Figura 5.4 pode-se ter algumas conclusões em relação à influência das políticas de escalonamento no consumo de energia com serviços de carga de trabalho pesada. A primeira observação pode ser feita em relação ao aumento do consumo de energia em todos os casos devido ao aumento da carga de trabalho. A política SD2c com a carga leve já tinha um consumo menor que a SD4c e, com o aumento da carga, a melhor eficiência da primeira ficou mais evidente do que a segunda política avaliada. No estágio de escolha do Data Center a política BCR consumiu significativamente menos energia do que a Round Robin. A política RR utiliza todos os Data Centers da nuvem o que permite obter um TMR menor, por outro lado, o consumo de energia tende a ser maior do que a BCR pois a segunda reduz significativamente o número de Data Centers ativos com hosts ligados. No terceiro estágio pode-se observar que a política com
migração além de ter seu TMR menor que a sem migração, mostrou-se também mais eficiente em relação ao consumo de energia. A partir do momento que a carga aumentou, a migração de MVs passou a compensar, ao contrário de quando se impõe uma carga leve ao sistema. Com o aumento da carga de trabalho, a política Time-share manteve-se como a política mais econômica do quarto estágio pelo mesmo motivo de quando utilizada a carga leve.
Figura 5.4: Efeitos no Consumo de Energia com Carga de Trabalho Pesada
Com os resultados apresentados neste trabalho torna-se possível fazer uma comparação de cenários onde se pode demonstrar a importância do módulo LRAM fazer uma boa escolha das políticas para cada um dos estágios de escalonamento. O LRAM e a forma como esse módulo faz a escolha das políticas foram apresentados na Seção 4.2 do Capítulo 4.
Para essa avaliação, supõe-se que a negociação com o usuário resultou que seria importante economizar energia. Portanto, o LRAM irá escolher a melhor combinação de políticas de escalo- namento que atenda o que foi negociado, que na Tabela 5.1 está definido como melhor caso. O pior caso é definido utilizando-se das regras do LRAM de forma invertida. O processo foi feito tanto para carga leve quanto para carga pesada.
Tabela 5.1: Cenários Escolhidos
Estágios Melhor Caso Pior Caso Leve Pesado Leve Pesado Escolha do Data Center BCR BCR BCR RR
Criação de MV SD4c SD4c SD4c SD2c Alocação de MV S/Migração C/Migração C/Migração S/Migração Alocação de Serviços Space-share Time-share Time-share Time-share
No gráfico à esquerda da Figura 5.5 pode-se observar que quando se faz a melhor escolha das políticas no caso de uma carga de trabalho leve, pode-se obter na média um tempo de resposta seis
82 5.4. INFLUÊNCIA ENTRE AS POLÍTICAS DOS 4 ESTÁGIOS DE ESCALONAMENTO