CEDULE+: Resource Management for Burstable Cloud Instances Using Predictive Analytics
CEDULE+: Resource Management for Burstable Cloud Instances Using Predictive Analytics
复制标题
CEDULE：使用预测分析对突发云实例进行资源管理
DOI：
10.1109/tnsm.2020.3039942
复制
发表时间：
2020
影响因子：
5.3
通讯作者：
Smirni, Evgenia
中科院分区：
文献类型：
--
作者：
Pinciroli, Riccardo;Ali, Ahsan;Yan, Feng;Smirni, Evgenia
几乎所有主要的云提供商现在都在他们的产品中提供了可爆发的实例。这种类型的实例的主要吸引力在于它可以在有限的时间内提高其性能，以科普工作负载的变化。虽然可突发实例被广泛采用，但如何有效地管理它们以避免资源浪费还不清楚。在本文中，我们使用预测数据分析来优化可爆发实例的管理。我们设计了一个数据驱动的框架CENTRAL+，通过分析系统负载和延迟数据，为可突发的云实例提供高效的资源管理。CENTRAL+选择最有利可图的实例类型来处理传入请求，并控制CPU、I/O和网络使用，以最大限度地减少资源浪费，同时不违反服务级别目标（SLO）。CENTRAL+使用轻量级分析和分位数回归来构建数据驱动的预测模型，该模型可以评估实例类型、资源类型和系统工作负载的所有组合的系统性能。在Amazon EC2上对CEODB 2+进行了评估，并通过真实案例场景评估了其效率和高准确性。CENTRAL+预测应用延迟，误差小于10%，可爆发实例的最大性能周期延长2.4倍，部署成本降低50%以上。
Nearly all principal cloud providers now provide burstable instances in their offerings. The main attraction of this type of instance is that it can boost its performance for a limited time to cope with workload variations. Although burstable instances are widely adopted, it is not clear how to efficiently manage them to avoid waste of resources. In this article, we use predictive data analytics to optimize the management of burstable instances. We design CEDULE+, a data-driven framework that enables efficient resource management for burstable cloud instances by analyzing the system workload and latency data. CEDULE+ selects the most profitable instance type to process incoming requests and controls CPU, I/O, and network usage to minimize the resource waste without violating Service Level Objectives (SLOs). CEDULE+ uses lightweight profiling and quantile regression to build a data-driven prediction model that estimates system performance for all combinations of instance type, resource type, and system workload. CEDULE+ is evaluated on Amazon EC2, and its efficiency and high accuracy are assessed through real-case scenarios. CEDULE+ predicts application latency with errors less than 10%, extends the maximum performance period of a burstable instance up to 2.4 times, and decreases deployment costs by more than 50%.
登录
查看更多内容
对冲您的赌注：通过混合虚拟机购买选项来优化长期云成本
DOI：
10.1109/ic2e48712.2020.00018
发表时间：
2020
期刊：
2020 IEEE International Conference on Cloud Engineering (IC2E
影响因子：
--
作者：
Ambati, Pradeep;Bashir, Noman;Irwin, David;Hajiesmaili, Mohammad;Shenoy, Prashant
通讯作者：
Shenoy, Prashant
云联邦环境下增强云服务可靠性的主动容错技术
影响因子：
6.5
作者：
Benay Kumar Ray;Avirup Saha;Sunirmal Khatua;Sarbani Roy
通讯作者：
Sarbani Roy
DOI：
10.1145/3309697.3331489
发表时间：
2019-06
期刊：
Abstracts of the 2019 SIGMETRICS/Performance Joint International Conference on Measurement and Modeling of Computer Systems
影响因子：
--
作者：
Pradeep Ambati;David E. Irwin
通讯作者：
Pradeep Ambati;David E. Irwin
DOI：
10.1145/3267809.3267819
发表时间：
2018-10
期刊：
Proceedings of the ACM Symposium on Cloud Computing
影响因子：
--
作者：
Andrew Chung;J. Park;G. Ganger
通讯作者：
Andrew Chung;J. Park;G. Ganger
DOI：
10.1109/ic2e.2019.00029
发表时间：
2019-06
期刊：
2019 IEEE International Conference on Cloud Engineering (IC2E)
影响因子：
--
作者：
Pradeep Ambati;David E. Irwin;Prashant J. Shenoy;Lixin Gao;Ahmed Ali-Eldin;Jeannie R. Albrecht
通讯作者：
Pradeep Ambati;David E. Irwin;Prashant J. Shenoy;Lixin Gao;Ahmed Ali-Eldin;Jeannie R. Albrecht