Adaptive Steuerungsmechanismen für hoch-skalierende Datenbanksysteme in virtualisierten betrieblichen Transaktionssystemen

点击翻译按钮获取中文摘要

Virtualisierung und Serverkonsolidierung helfen dabei, Betriebskosten zu senken [SB10] und haben zu einem wichtigen Trend in der IT-Branche geführt: Cloud Computing. Infrastructure-as-a-Service-Anbieter wie Amazon EC2 nutzen Virtualisierung um grundlegende ITRessourcen als Dienst über das Internet bereitzustellen. Ein großer Vorteil ist, dass Cloud-Anwendungen nicht mehr für Spitzenlasten ausgelegt werden müssen, weil virtuelle Ressourcen, wie virtuelle Maschinen, in dem Sinne elastisch sind, dass Ressourcen nach Bedarf hinzugefügt (und entfernt) werden können. Um die angebotene Elastizität effizient zu nutzen, sind adaptive Kontrollmechanismen erforderlich, die die Ressourcenallokation automatisieren. Wir haben an adaptiven Steuerungsmechanismen für hoch-skalierende Datenbanksysteme in virtualisierten betrieblichen Transaktionssystemen gearbeitet. Datenbank Management Systeme (DBMSs) sind im Geschäftsumfeld sehr wichtig, da Geschäftsanwendungen die Datenverwaltung üblicherweise (relationalen) DBMSs überlassen. DBMSs können auf virtuellen Maschinen eingesetzt werden und Konsolidierung kann die Ressourcenauslastung verbessern, wenn der Ressourcenbedarf der konsolidierten Datenbanken komplementär ist, wie Soror et al. [SMA+10] gezeigt haben. Wir haben uns auf adaptive Kontrollmechanismen für Datenbanksysteme und das Zusammenspiel zwischen Datenbanksystemen und anderen Anwendungskomponenten, die auf einer gemeinsamen virtualisierten Infrastruktur betrieben werden, konzentriert. Wir haben beobachtet, dass sich Optimierungsmechanismen auf Datenbankebene und Steuerungsmechanismen auf Virtualisierungsebene gegenseitig beeinflussen, wenn Datenbanksysteme in virtuellen Maschinen betrieben werden – besonders dann, wenn die Ressourcenzuweisung der virtuellen Maschinen dynamisch verändert wird. Basierend auf unseren Beobachtungen haben wir zwei neue und eng verwandte Forschungsfragen identifiziert, die für eine effiziente adaptive Transaktionsverarbeitungsplattform entscheidend sind. Erstens wollen wir unsere Arbeiten an kooperativen Ansätzen fortsetzen und uns auf DBMSs konzentrieren, welche Elastizität berücksichtigen und mit einer globalen Steuerungskomponente über ihre Ressourcenallokation verhandeln, um die Ressourcenauslastung des Gesamtsystems zu verbessern. Erst jüngst haben einerseits die drastische Erhöhung der Hauptspeicherkapazität und die Verbreitung von Prozessoren mit mehreren CPU-Kernen und andererseits die Nachfrage nach Entscheidungsunterstützung in Echtzeit zu einer Wiederbelebung der Forschung an Hauptspeicherdatenbanksystemen und kommerziellen Entwicklungen geführt. Deshalb wollen wir abgesehen von traditionellen Festplattenbasierten DBMSs auch adaptive Steuerungsmechanismen für aufstrebende Hauptspeicherdatenbanksysteme wie HyPer [KN11] berücksichtigen, das an unserem Lehrstuhl entwickelt wurde und herausragende OLTP und OLAP Leistungszahlen erzielt. Im Gegensatz zu traditionellen Datenbanksystemen die wir bisher untersucht haben, könnten es Hauptspeicher-DBMSs erlauben Ressourcen-Anforderungen genauer abzuschätzen und dynamisch zugewiesene Ressourcen sogleich ohne Neukonfiguration zu nutzen. Zweitens wollen wir untersuchen, wie die Anfragebearbeitung Ressourcen-adaptiv gemacht werden kann, um dynamisch zugewiesene Ressourcen effizienter zu nutzen. Wir wollen uns auf dynamische Parallelisierung typischer Datenbankoperationen wie Joins konzentrieren.