PDF de programación - Algoritmo Predictivo-Adaptativo para Conmutadores en Agrupaciones de Servidores Web

62

IEEE LATIN AMERICA TRANSACTIONS, VOL. 4, NO. 1, MARCH 2006

Abstract-- El uso de agrupaciones (clusters) de servidores web que implementan calidad de servicio (QoS) está adquiriendo gran importancia durante los últimos años. En este artículo proponemos un algoritmo para un conmutador Web que estima la mejor configuración del cluster Web en función del rendimiento de los servidores. El sistema utiliza un esquema de tiempo ranurado que se adapta a las ráfagas de peticiones HTTP que llegan a los servidores agrupados. El proceso de estimación del rendimiento y el uso de ranuras temporales durante la ejecución del algoritmo permitirá reducir considerablemente el coste de evaluación y selección del mejor servidor con respecto a técnicas ya implementadas. Los resultados de la simulación de eventos discretos demuestran que el algoritmo adaptativo propuesto mejora de forma significativa los tiempos de respuesta para los usuarios prioritarios de los servidores agrupados. Index Terms — balanceo de carga, conmutación adaptativa, cluster web, overhead, QoS I. INTRODUCCIÓN medida que el uso de los servicios web crece, el número de accesos a muchos sitios web conocidos aumenta, lo que provoca la sobrecarga de los servidores y el consiguiente decremento en la calidad del servicio ofrecido (QoS). Para evitar esto, los proveedores de servicio utilizan grandes redes distribuidas de servidores, de esta forma consiguen mejorar la calidad de los niveles de servicio. El objetivo de esta investigación se centra en las redes distribuidas de servidores localizados en un mismo lugar. En particular, en aquellos clusters que implementan QoS para satisfacer las diferentes necesidades de los clientes [2]. Los clusters de servidores web normalmente son gestionados por un conmutador web, que controla el estado de los servidores, y balancea la carga en función de los valores de las magnitudes de rendimiento seleccionadas. Este artículo presenta una solución adaptativa para un conmutador web, basado en la estimación del rendimiento que los servidores van a obtener en un futuro cercano. El algoritmo de planificación (dispatching) tiene en cuenta, además, el factor de ráfagas en el patrón de tráfico que llega los servidores web (burstiness). Se ha construido un modelo de simulación que pone a prueba su efectividad. Varios trabajos se han publicado relacionados con la calidad de servicio, entre los cuales destacan Cardellini et al. [4]. Sin embargo, no introducen la predicción del rendimiento a la hora de reasignar servidores entre grupos que atienden a los diferentes tipos de usuarios. Por tanto, las decisiones tomadas por el conmutador, pueden revelarse como erróneas a posteriori. La idea de predicción fue considerada por Yoon et al. [16] al decidir la redistribución de las tareas entre los nodos, estableciendo una arquitectura de cluster web formada por nodos heterogéneos, siendo uno de ellos el nodo maestro. En nuestro trabajo, el conmutador web es el nodo maestro. Lu et al. [9] combinan un estimador teórico de cola con una arquitectura de control de realimentación para conseguir garantías de retardo relativo en un servidor de alto rendimiento. Basan su estudio en modelos de colas con llegadas y servicios exponenciales, con lo que, en ningún momento, se tiene en cuenta el tráfico en ráfagas. El resto del artículo está organizado de la siguiente manera. En la sección II, se describe la arquitectura utilizada. La sección III introduce las acepciones de los conceptos de burstiness y del rendimiento en este artículo. El algoritmo de conmutación se describe completamente en la sección IV. Las condiciones de carga y los resultados de simulación se exponen en las secciones V y VI, respectivamente. Finalmente, la sección VII, presenta las conclusiones y el trabajo futuro. II. ARQUITECTURA DEL CLUSTER WEB Un cluster Web está compuesto por dos o más servidores que se encuentran agrupados en la misma localización. El primer dispositivo que procesa las peticiones entrantes en el sistema es un conmutador, para después redirigirlas hacia el servidor web seleccionado y, si es el caso de una petición dinámica, hacia el correspondiente servidor de back-end. La estructura completa del sistema se muestra en la Fig. 1. El sistema completo se identifica al exterior mediante una dirección VIP (Virtual IP address), que corresponde a la dirección de red del conmutador; internamente cada servidor tiene asignada una IP privada. Por tanto, el conmutador actúa como planificador de las tareas de los servidores e incluye un algoritmo que evalúa algunos de los parámetros de servicio para seleccionar el mejor, basándose su elección en un conjunto de reglas. En función de las reglas elegidas, el conmutador puede operar de forma diferente. Los conmutadores conscientes del contenido (content aware switches) normalmente analizan el nivel de aplicación (HTTP) de las peticiones entrantes y, debido a ésto, también Algoritmo Predictivo-Adaptativo para Conmutadores en Agrupaciones de Servidores Web K. Gilly, S. Alcaraz, C. Juiz, Miembro, IEEE y R. Puigjaner, Miembro Senior, IEEE A GILLY et al.: PREDICTIVE-ADAPTIVE ALGORITHM

63

son conocidos como conmutadores de nivel-7 [12]. InternetClient1Client2ClientnWeb ClusterHTTP-RequestHTTP-RequestHTTP-RequestWeb switchWeb Server1Web Server2Web ServermBack-end1Back-end2Back-endmHTTP-ResponseHTTP-ResponseHTTP-Response Fig. 1. Arquitectura del Cluster Web El objetivo del algoritmo de planificación propuesto consiste en evitar situaciones en las que el sistema ofrezca un rendimiento menor que el deseado, causado por la elección del servidor equivocado durante un cierto intervalo de tiempo. Esto se consigue mediante la implementación de cálculos de previsión durante la ejecución del conmutador. Evidentemente, el incremento computacional que en el conmutador se produce por la gestión del algoritmo redunda en cierta sobrecarga (overhead). Esta es la razón de conocer si este incremento computacional que supone la estimación compensa frente a conocer continuamente el estado de los servidores y del tráfico generado por los usuarios. Por tanto, el algoritmo de planificación predictiva propuesto en este artículo puede ser considerado como adaptativo según el rendimiento del sistema y con control del overhead. Consigue un equilibrio entre la eficiencia de la previsión y el precio que se ha de pagar por ello en términos de overhead añadido. III. BURSTINESS Y RENDIMIENTO El modelo de tráfico de Internet es auto similar, tal y como varios estudios han demostrado ([6],[13],[8]). Esto implica la existencia de ráfagas (burstiness) en el tráfico entrante al sistema que alteran de forma determinante el rendimiento de los sistemas web. Debido a ello, el burstiness debe ser controlado para que no repercuta en la calidad de servicio percibida por los usuarios. Definiremos un factor de burstiness para que el conmutador pueda evitar una saturación eventual en los servidores web. Dado un intervalo de medida T y un número de ranuras temporales n, la duración de cada ranura k de tamaño fijo se obtiene como: 1−−==kkkttnTD (1) La frecuencia media de llegada de peticiones a cada servidor i se representa como λi. Si λk,i es la frecuencia de llegada de cada ranura k para cada servidor i, cuando se cumple que λk,i > λi entonces se considera que en la ranura se produce burstiness. El factor de burstiness se define como la relación entre el número acumulado de ranuras en las que λk,i > λi, denominado ni+, dadas n ranuras [10]: nnbiik+=, (2) Por tanto, bk,i representa el porcentaje de ranuras en las que se ha detectado burstiness en el servidor i y la ranura k. Si durante el intervalo de tiempo de una ranura se detectan ráfagas en el tráfico entrante en el cluster, sería deseable controlar el cluster más frecuentemente, por el contrario si no se detectan ráfagas, la duración de las ranuras podría ser ampliada. Se define ek como el número medio actual de ranuras en tk, de la siguiente forma kkDeT= (3) donde Dk representa la duración de la última ranura como tk - tk-1 en tk, tal y como se puede observar en la Fig. 2. D1D2DkDnt0t1t2tk-1tktn-1tnenT: intervalo de medidan: nº de ranurasTDk: duración de la ranura kek: nº de ranuras de T en el instante tk Fig. 2. Esquema variable de tiempo ranurado adaptativo Para controlar la duración de las ranuras en un esquema de tiempo ranurado variable se definen varias reglas. Dada una ranura k, el algoritmo propuesto recalcula el número de ranuras ek en función del máximo valor del factor de burstiness detectado en el grupo de servidores. Si kb) es el valor de burstiness máximo, kb( el valor mínimo y el número de ranuras definidas en la ranura anterior es 1−ke, se puede asignar: 00001111111===≠≤−⋅+=>−⋅+=−−−−−−−kkkkkkkkkkkkkkkkkbbifneebandbbifebeebbifebee()))))))( (4) Este cálculo heurístico adaptativo de la duración de las ranuras intenta encontrar un punto de equilibrio entre la cantidad veces que se recopila información acerca de los servidores (ranuras) y la detección de ráfagas a tiempo. IV. ALGORITMO PREDICTIVO-ADAPTATIVO DEL CONMUTADOR Dado un cluster que proporciona servicios web bajo demanda, se establece un Contrato de Nivel de Servicio (SLA) entre los usuarios y la agrupación de servidores. En este estudio se han definido dos clases de usuarios con diferentes perfiles de servicio web: usuarios prioritarios y no-prioritarios (best-effort). El conmutador debe garantizar el SLA para la clase prioritaria de usuarios; por tanto debe conducir sus peticiones a los servidores que ofrecen un mejor rendimiento, mientras que no hay nivel de servicio mínimo garantizado para el resto de los usuarios. Para realizar la selección del mejor servidor se tiene en cuenta el rendimiento actual y una estimación del rendimiento futuro. Por otra parte, el cluster está compuesto por dos grupos de servidores, cada uno atendiendo a peticiones de cada tipo de usuario. 64

IEEE LATIN AMERICA