А.В. Тутов1, А.В. Таратухин2, С.С. Керимов3

1 Московский технический университет связи и информатики (Москва, Россия)
1–3 ФГБУН Институт проблем управления им. В.А. Трапезникова РАН (Москва, Россия)
1 andrew_vidnoe@mail.ru, 2 avt@ipu.ru, 3 serverdevel@ya.ru

Постановка проблемы. Динамическое распределение ресурсов возможно путем живой миграции виртуальных машин, однако живая миграция относительно дорогостоящая и ресурсоемкая операция. Предложены алгоритмы живой миграции, каждый из которых имеет разные характеристики производительности в зависимости от состояния хостовой системы, сети и от рабочей нагрузки, выполняемой внутри виртуальной машины. Значительное число работ, в которых разработаны модели для оценки эффективности живой миграции, не достигают удовлетворительной точности прогнозирования и разработаны для отдельного алгоритма живой миграции, что ограничивает их использование. В данной статье используется аналитический подход для оценки длительности миграции и времени простоя ВМ на основе аппроксимации плотностей вероятности рядами. Результаты экспериментов показали, что использование данного метода не зависит от алгоритма миграции и типа работающего приложения.

Цель. На основе проведенного обзора работ разработать метод оценки длительности миграции и простоя виртуальных машин, который по сравнению с известными методами позволяет получить ответ на вопрос: какова вероятность миграции заданной длительности для данного алгоритма миграции и вида приложения.

Результаты. Разработанный метод оценки длительности миграции и простоя виртуальных машин в отличие от уже известных методов позволяет получить ответ на вопрос: какова вероятность миграции заданной длительности для данного алгоритма миграции и вида приложения.

Практическая значимость. Метод оценки длительности миграции и простоя виртуальных машин может быть интегрирован в системы управления ресурсами для выбора лучшего окна наблюдения за серверами и оценки влияния миграции на соглашения об уровне сервиса.

Тутов А.В., Таратухин А.В., Керимов С.С. Метод оценки характеристик процесса миграции виртуальных машин с учетом типа миграций и приложений // Динамика сложных систем. 2024. Т. 18. № 3. С. 48−59. DOI: 10.18127/j19997493-202403-05

1. Elsaid M.E., Abbas H.M., Meinel C. Virtual machines pre-copy live migration cost modeling and prediction: a survey // Distributed and Parallel Databases. 2022. Т. 40. № 2. С. 441–474.
2. Akoush S., Sohan R., Rice A., Moore A.W. & Hopper A. Predicting the performance of virtual machine migration. In 2010 IEEE international symposium on modeling, analysis and simulation of computer and telecommunication system. 2010. Р. 37–46.
3. Aldhalaan A. & Menascé D.A. Analytic performance modeling and optimization of live VM migration. In European Workshop on Performance Engineering. 2013, September. Р. 28–42). Springer, Berlin, Heidelberg.
4. Алексанков С.М. Модели динамической миграции с итеративным подходом и сетевой миграции виртуальных машин // Научно-технический вестник информационных технологий, механики и оптики. 2015. Т. 15. № 6. С. 1098–1104.
5. Jo C., Cho Y. & Egger B. A machine learning approach to live migration modeling. In Proceedings of the 2017 Symposium on Cloud Computing. 2017, September. Р. 351–364. ACM.
6. Kushchazli A., Safargalieva A., Kochetkova I., Gorshenin A. Queuing Model with Customer Class Movement across Server Groups for Analyzing Virtual Machine Migration in Cloud Computing. Mathematics. 2024; 12(3):468. https://doi.org/10.3390/math12030468
7. Clark C., Fraser K., Hand S., Hansen J.G., Jul E., Limpach C., ... & Warfield A. Live migration of virtual machines. In Proceedings of the 2nd conference on Symposium on Networked Systems Design & Implementation-Volume 2. 2005, May. Р. 273–286. USENIX Association.
8. Vorozhtsov A.S., Toutova N.V. & Toutov A.V. Resource control system stability of mobile data centers. In 2018 Systems of Signals Generating and Processing in the Field of on Board Communications. 2018, March. Р. 1–4. IEEE.
9. Hines M.R. & Gopalan K. Post-copy based live virtual machine migration using adaptive pre-paging and dynamic self-ballooning. In Proceedings of the 2009 ACM SIGPLAN/SIGOPS international conference on Virtual execution environments. 2009, March.
   Р. 51–60. ACM.
10. Sahni S. & Varma V. A hybrid approach to live migration of virtual machines. In 2012 IEEE International Conference on Cloud Computing in Emerging Markets (CCEM). 2012, October. Р. 1–5. IEEE.
11. Lei Z., Sun E., Chen S., Wu J. & Shen W. A novel hybrid-copy algorithm for live migration of virtual machine. Future Internet. 2017. № 9(3). Р. 37.
12. Hu L., Zhao J., Xu G., Ding Y. & Chu J. HMDC: Live virtual machine migration based on hybrid memory copy and delta compression. Appl. 2013. Math. 7(2L). Р. 639–646.
13. Liu Z., Qu W., Liu W. & Li K. Xen live migration with slowdown scheduling algorithm. In 2010 International Conference on Parallel and Distributed Computing, Applications and Technologies. 2010, December. Р. 215–221. IEEE.
14. Svärd P., Hudzia B., Tordsson J. & Elmroth E. Evaluation of delta compression techniques for efficient live migration of large virtual machines. ACM Sigplan Notices. 2011. 46(7). Р. 111–120.
15. Jin H., Deng L., Wu S., Shi X. & Pan X. Live virtual machine migration with adaptive, memory compression. In 2009 IEEE International Conference on Cluster Computing and Workshops. 2009, August. Р. 1–10. IEEE.
16. Тихонов В.И. Статистическая радиотехника. М.: Радио и связь. 1982.