| Abstract : | Recently, many choose to take advantage of the capabilities and the services the cloud offers.Compared to the traditional approach, meaning setting up and maintaining the hardware,the cloud offers to take care all of the above, saving, that way, effort and money.The cloud presents different services, such as PaaS, which provides the hardware and theenvironment for an application to run and SaaS, which gives the users access to a cloudapplication. Another service that has emerged the past few years is FaaS, which allows thedevelopers to run their application in the form of functions, while the cloud infrastructuremanages the allocation of the necessary resources for the execution, in environments likeVMs or containers.However, it should be noted that FaaS has its limitations when it comes to optimizingits resource usage. While there are algorithms that can take care of the provisioning ofresources to the running jobs, there is demand for more eficiency, since over-provisioningor under-provisioning are common cases.The promise of serverless computing has attracted the interest of researchers and theaforementioned limitations have sparked a plethora of different approaches, to introduceimprovement.One way to do so is to look into new ways that resource management can be achieved incontainerized environments. One popular approach that has started gaining traction is theuse of Machine Learning algorithms, to make predictions of the resources the differentrunning jobs need. This way the resources can be handed out according to demand and,even, change dynamically.Taking into consideration the possibilities for betterment in this area and the current trends,the present thesis aims to use the cgroups mechanism, alongside an algorithmic approach for allocation, in order to propose an appropriate approach for resource management incontainers, by taking into consideration the specifics of the function we want to run.
Πρόσφατα, παρατηρείται ότι πολλοί προσπαϑούν να εκµεταλλευτούν τις δυνατότητεςκαι τις υπηρεσίες που προσφέρει το υπολογιστικό νέφος (cloud). Σε σύγκριση µε παραδοσιακές προσεγγίσεις, δηλαδή την εγκατάσταση και συντήρηση των απαραίτητωνµηχανηµάτων, το cloud προσφέρει να αναλάβει τα παραπάνω, βοηϑώντας, έτσι, στηνεξοικονόµηση κόπου και χρηµάτων. Το cloud προσφέρει διάφορες υπηρεσίες, όπως τοPaaS, το οποίο φροντίζει να παρέχεται ο κατάλληλος εξοπλισµός ϰαι υποδοµή για νατρέξει µια εφαρµογή, ϰαι το SaaS, το οποίο επιτρέπει στους χρήστες να χρησιµοποιούνεφαρµογές που προφέρονται από τον cloud πάροχο. Μια ακόµη υπηρεσία που έχειαρχίσει να αναδύεται τα τελευταία χρόνια είναι το FaaS, το οποίο επιτρέπει στουςπρογραµµατιστές να ¨τρέξουν¨ την εφαρµογή τους µε τη µορφή συναρτήσεων, ενώ οπάροχος φροντίζει να γίνει κατάλληλη κατανοµή των υπολογιστιϰών του πόρων γιατην εκτέλεση σε περιβάλλοντα που παίρνουν τη µορφή VMs ή containers. Ωστόσο, πρέπει να επισηµανϑεί ότι οι δυνατότητες της FaaS υπηρεσίας παρουσιάζει περιορισµούς όσον αφορά την βελτιστοποίηση της χρήσης των υπολογιστικών πόρων τουcloud. Παρόλο που υπάρχουν αλγόριϑµοι που φροντίζουν την διαµοίραση των πόρωνστα προς εκτέλεση προγράµµατα, υπάρχει ανάγκη για βελτίωση, εφόσον φαινόµεναόπως η παραχώρηση παραπάνω πόρων από όσο χρειάζεται ή το αντίϑετο είναι συνηϑισµένα φαινόµενα.Οι δυνατότητες που προσφέρει το serverless computing έχει προσελκύσει το ενδιαφέροντων ερευνητών ϰαι οι παραπάνω περιορισµοί έχουν δώσει το έναυσµα να υλοποιηϑούνκαι να προταϑούν διάφορες προσεγγίσεις, που στοχεύουν να βελτιώσουν την υπηρεσία.Μια από τις προσεγγίσεις είναι η αναζήτηση νέων µεϑόδων για το διαµοιρασµό τωνπόρων σε περιβάλλοντα όπως οι containers. Μια δηµοφιλής προσέγγιση που έχειαρχίσει να κερδίζει έδαφος είναι η χρήση αλγορίϑµων Μηχανιϰής Μάϑησης, ώστε ναπραγµατοποιούνται προβλέψεις για το πόσοι πόροι είναι αναγϰαίοι για την εκτέλεσητων προγραµµάτων. Με αυτό τον τρόπο, οι πόροι µπορούν να αξιοποιηϑούν µε βάσητην ανάγϰη που υπάρχει την εκάστοτε στιγµή και, ακόµη, να γίνει δυναµιϰά αυξοµείωσητους.Λαµβάνοντας υπόψη τις δυνατότητες για βελτίωση ως προς αυτή την κατεύϑυνση ϰαιτις πρόσφατες προσεγγίσεις, η παρούσα διπλωµατιϰή εργασία στοχεύει να αξιοποιήσειτον µηχανισµό cgroups ϰαι, σε συνδυασµό µε µια πιο αλγοριϑµιϰή τεχνιϰή, να προτείνειµια ϰατάλληλη προσέγγιση για τον συντονισµό των διαϑέσιµων υπολογιστιϰών πόρωνσε container περιβάλλοντα, λαµβάνοντας υπόψη λεπτοµέρειες της συνάρτησης πουϑέλουµε να τρέξουµε.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.