|
DOI: 10.14489/vkit.2025.08.pp.003-012
Фунг В. К., Богатырев В. А., До М. К.
ИМИТАЦИОННАЯ МОДЕЛЬ ВЫЧИСЛИТЕЛЬНОГО КЛАСТЕРА С КОНТЕЙНЕРНОЙ ВИРТУАЛИЗАЦИЕЙ
(с. 3-12)
Аннотация. Представлена программа моделирования с использованием языка программирования Python и библиотеки SimPy для анализа производительности вычислительного кластера с контейнерной виртуализацией. Моделируемая система включает мастер-узел, выполняющий роль балансировщика нагрузки, и несколько серверов, компонуемых группой виртуальных контейнеров. Особенность предлагаемой программы имитационного моделирования заключается в учете динамической зависимости интенсивности обслуживания запросов контейнерами от числа активных и неактивных контейнеров, динамически разделяющих общие ресурсы сервера. Зависимость интенсивности обслуживания контейнеров от их активной части и общего числа установлена экспериментально. При моделировании рассмотрены сценарии обслуживания с неограниченной и ограниченной длиной очередей. Результаты имитационного моделирования сопоставлены с аналитическими расчетами. Предлагаемые имитационные модели могут быть применены при оптимизации кластеров с контейнерной виртуализацией, в том числе при обосновании выбора числа контейнеров, разворачиваемых в узлах кластера.
Ключевые слова: имитационное моделирование; контейнерная виртуализация; система массового обслуживания; SimPy.
Phung V. K., Bogatyrev V. A., Do M. K.
SIMULATION MODEL OF A COMPUTING CLUSTER WITH CONTAINER VIRTUALIZATION
(pp. 3-12)
Abstract. A simulation model of a clustered computer system with container virtualization is proposed, enabling the assessment of the impact of dynamic partitioning of shared limited server resources on queueing delays and the performance of active containers (those processing requests). The service rate in active containers depends on the total number of containers deployed on the server and the variable number of active containers, which is dependent on the current queue length. A simulation program, implemented using the Python programming language and the SimPy library, is presented. The simulation investigates a two-level cluster system that includes a node acting as a load balancer and several servers, each composed of groups of virtual containers. A key feature of the proposed simulation program is its consideration of the dynamic dependence of the request processing rate of containers on the number of active and inactive containers that dynamically share the server's limited resources. The relationship between container service rate and the total number of containers and the active portion of those containers has been experimentally determined. The experiment found that the decrease in service rate in active containers depends non-linearly on their number. In the simulation, the load balancer node is represented as a single-channel queuing system (QS) with a simplest input stream. Servers, equipped with virtual containers, are represented as multi-channel QSs. A distinctive feature of the investigated QSs, which differentiates them from classical QSs with a common queue, is that the service channels (containers) are considered dependent due to the dynamic partitioning of shared limited server resources between active and inactive containers. The simulation considers server QS options with unlimited and limited queue lengths. The results of the simulation are compared with analytical calculations. The simulation results show the existence of an optimal number of containers deployed on servers, at which a minimum in request processing delays is achieved. The number of containers deployed on the servers should vary with changing traffic. The proposed simulation models can be applied to the optimization of clusters with container virtualization, including justifying the choice of the number of containers to deploy in cluster nodes.
Keywords: Simulation modelling; Container virtualization; Queuing system; SimPy.
В. К. Фунг (Университет ИТМО, Санкт-Петербург, Россия)
В. А. Богатырев (Университет ИТМО, Санкт-Петербург, Россия; Санкт-Петербургский государственный университет аэрокосмического приборостроения, Санкт-Петербург, Россия) E-mail:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
М. К. До (Белорусский государственный университет информатики ирадиоэлектроники, Минск, Республика Беларусь)
V. K. Phung (ITMO University, Saint Petersburg, Russia)
V. A. Bogatyrev (ITMO University, Saint Petersburg, Russia; Saint Petersburg State University of Aerospace Instrumentation,Saint Petersburg, Russia) E-mail:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
M. K. Do (Belarusian State University of Informatics and Radioelectronics, Minsk, Republic of Belarus)
1. Alzakholi Omar, Lailan M. Haij, Hanan M. Shukur, Rizgar R. Zebari Comparison among cloud technologies and cloud performance // Journal of Applied Science and Technology Trends. 2020. V. 1(1). P. 40–47.
2. Rista Amarildo, Jaumin Ajdari, Xhemal Zenuni Cloud computing virtualization: a comprehensive survey // 43rd International Convention on Information, Communication and Electronic Technology (MIPRO). Opatija, Croatia. 28 September 2020. P. 462–472.
3. Arogundade Oluwasanmi Richard, Kiran Palla Virtualization revolution: Transforming cloud computing with scalability and agility // International Advanced Research Journal in Science, Engineering and Technology. 2023. V. 10(6).
4. Nikdel Zahra, Bing Gao, Stephen W. Neville DockerSim: Full-stack simulation of container-based Software-as-a-Service (SaaS) cloud deployments and environments // Pacific Rim Conference on Communications, Computers and Signal Processing (PACRIM). Victoria, BC, Canada. 21–23 August 2017. IEEE 2017. P. 1–6.
5. Saleh N., Mashaly M. A Dynamic Simulation Environment for Container-based Cloud Data Centers using ContainerCloudSim // Ninth International Conference on Intelligent Computing and Information Systems (ICICIS). Cairo, Egypt. 08–10 December 2019. P. 332–336. DOI: 10.1109/ICICIS46948.2019.9014697
6. Buyya R., Ranjan R., Calheiros R. N. Modeling and simulation of scalable Cloud computing environments and the CloudSim toolkit: Challenges and opportunities // International Conference on High Performance Computing & Simulation. Leipzig, Germany. 21–24 June 2009. P. 1–11. DOI: 10.1109/HPCSIM.2009.5192685
7. CloudSim: a toolkit for modeling and simulation of cloud computing environments and evaluation of resource provisioning algorithms / Calheiros R. N., Ranjan R., Beloglazov A. at al. // Software: Practice and experience. 2011. V. 41(1). P. 23–50.
8. Dynamic scalability model for containerized cloud services / El Kafhali S., El Mir I., Salah K. et al. // Arabian Journal for Science and Engineering. 2020. V. 45(12). P. 10693–10708.
9. Bertoli Marco, Giuliano Casale, Giuseppe Serazzi. JMT: performance engineering tools for system modeling // ACM SIGMETRICS Performance Evaluation Review. 2009. V. 36(4). P. 10–15.
10. Zinoviev Dmitry Discrete Event Simulation: It's Easy with SimPy! // arXiv preprint arXiv:2405.01562. 2024.
11. Богатырев В. А., Богатырев А. В. Надежность функционирования кластерных систем реального времени с фрагментацией и резервированным обслуживанием запросов // Информационные технологии. 2016. Т. 22, № 6. С. 409–416.
12. Богатырев В. А. Оценка надежности и оптимальное резервирование кластерных компьютерных систем // Приборы и системы. Управление, контроль, диагностика. 2006. № 10. С. 18.
13. Татарникова Т. М., Архипцев Е. Д., Кармановский Н. С. Определение размера кластера и числа реплик высоконагруженных информационных систем // Известия высших учебных заведений. Приборостроение. 2023. Т. 66, № 8. С. 646–651.
14. Энергоэффективный алгоритм выбора маршрута передачи данных в беспроводных сенсорных сетях высокой плотности / Т. Н. Астахова, М. О. Колбанев, А. С. Лямин и др. // Труды учебных заведений связи. 2024. Т. 10, № 4. С. 100–109.
15. Богатырев В. А. Надежность и эффективность резервированных компьютерных сетей // Информационные технологии. 2006. № 9. С. 25–30.
16. Пастушок И. А., Тюрликов А. М. Анализ скорости алгоритма случайного доступа с разной длительностью слотов на основе алгоритма АЛОХА // Известия высших учебных заведений. Приборостроение. 2024. Т. 67, № 9. С. 759–766. DOI: 10.17586/0021-3454-2024-67-9-759-766
17. Фунг В., Богатырев В. А. Экспериментальное исследование производительности кластера с контейнерной виртуализацией // Известия высших учебных заведений. Приборостроение. 2024. Т. 67, № 8. С. 647–656.
18. Клейнрок Л. Теория массового обслуживания. М.: Машиностроение, 1979. 432 с.
19. Фунг В. К., Богатырев В. А., Кармановский Н. С., Лэ В. Х. Оценка вероятностно-временных характеристик компьютерной системы с контейнерной виртуализацией // Научно-технический вестник информационных технологий, механики и оптики. 2024. Т. 24, № 2. С. 249–255. DOI: 10.17586/2226-1494-2024-24-2-249-255
1. Alzakholi, O., Haij, L. M., Shukur, H. M., & Zebari, R. R. (2020). Comparison among cloud technologies and cloud performance. Journal of applied science and technology trends, 1(1), 40–47.
2. Rista, A., Ajdari, J., & Zenuni, X. (2020). Cloud computing virtualization: A comprehensive survey. Proceedings of the 43rd International Convention on Information, Communication and Electronic Technology (MIPRO) (pp. 462–472).
3. Arogundade, O. R., & Palla, K. (2023). Virtualization revolution: Transforming cloud computing with scalability and agility. International Advanced Research Journal in Science, Engineering and Technology, 10(6).
4. Nikdel, Z., Gao, B., & Neville, S. W. (2017). DockerSim: Full-stack simulation of container-based Software-as-a-Service (SaaS) cloud deployments and environments. Proceedings of the Pacific Rim Conference on Communications, Computers and Signal Processing (PACRIM) (pp. 1–6). IEEE.
5. Saleh, N., & Mashaly, M. (2019). A dynamic simulation environment for container-based cloud data centers using ContainerCloudSim. Proceedings of the Ninth International Conference on Intelligent Computing and Information Systems (ICICIS) (pp. 332–336). https://doi.org/10.1109/ICICIS46948.2019.9014697
6. Buyya, R., Ranjan, R., & Calheiros, R. N. (2009). Modeling and simulation of scalable Cloud computing environments and the CloudSim toolkit: Challenges and opportunities. Proceedings of the International Conference on High Performance Computing & Simulation (pp. 1–11). https://doi.org/10.1109/HPCSIM.2009.5192685
7. Calheiros, R. N., Ranjan, R., Beloglazov, A., et al. (2011). CloudSim: A toolkit for modeling and simulation of cloud computing environments and evaluation of resource provisioning algorithms. Software: practice and experience, 41(1), 23–50.
8. El Kafhali, S., El Mir, I., Salah, K., et al. (2020). Dynamic scalability model for containerized cloud services. Arabian journal for science and engineering, 45(12), 10693–10708.
9. Bertoli, M., Casale, G., & Serazzi, G. (2009). JMT: Performance engineering tools for system modeling. ACM SIGMETRICS performance evaluation review, 36(4), 10–15.
10. Zinoviev, D. (2024). Discrete event simulation: It's easy with SimPy! arXiv preprint. arXiv:2405.01562
11. Bogatyrev, V. A., & Bogatyrev, A. V. (2016). Reliability of real-time cluster systems with fragmentation and redundant request processing. Informatsionnye Tekhnologii, 22(6), 409–416. [in Russian language]
12. Bogatyrev, V. A. (2006). Reliability assessment and optimal redundancy of cluster computer systems. Pribory i sistemy. Upravlenie, kontrol, diagnostika, (10), 18. [in Russian language]
13. Tatarnikova, T. M., Archiptsev, E. D., & Karmanovsky, N. S. (2023). Determining cluster size and number of replicas for high-load information systems. Izvestiya vysshikh uchebnykh zavedenii. Priborostroenie, 66(8), 646–651. [in Russian language]
14. Astakhova, T. N., Kolbanov, M. O., Lyamin, A. S., et al. (2024). Energy-efficient algorithm for data transmission route selection in high-density wireless sensor networks. Trudy uchebnykh zavedenii svyazi, 10(4), 100–109. [in Russian language]
15. Bogatyrev, V. A. (2006). Reliability and efficiency of redundant computer networks. Informatsionnye Tekhnologii, (9), 25–30. [in Russian language]
16. Pastushok, I. A., & Tyurlikov, A. M. (2024). Analysis of the speed of a random access algorithm with different slot durations based on the ALOHA algorithm. Izvestiya vysshikh uchebnykh zavedenii. Priborostroenie, 67(9), 759–766. [in Russian language] https://doi.org/10.17586/0021-3454-2024-67-9-759-766
17. Fung, V., & Bogatyrev, V. A. (2024). Experimental study of the performance of a cluster with container virtualization. Izvestiya vysshikh uchebnykh zavedenii. Priborostroenie, 67(8), 647–656. [in Russian language]
18. Kleinrock, L. (1979). Queueing theory. Mashinostroenie. [in Russian language]
19. Fung, V. K., Bogatyrev, V. A., Karmanovsky, N. S., & Le, V. H. (2024). Evaluation of probabilistic-temporal characteristics of a computer system with container virtualization. Nauchno-tekhnicheskii vestnik informatsionnykh tekhnologii, mekhaniki i optiki, 24(2), 249–255. [in Russian language] https://doi.org/10.17586/2226-1494-2024-24-2-249-255
Статью можно приобрести в электронном виде (PDF формат).
Стоимость статьи 700 руб. (в том числе НДС 20%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.
После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.
Для заказа скопируйте doi статьи:
10.14489/vkit.2025.08.pp.003-012
и заполните форму
Отправляя форму вы даете согласие на обработку персональных данных.
.
This article is available in electronic format (PDF).
The cost of a single article is 700 rubles. (including VAT 20%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.
After depositing your payment on our bank account we send you file of the article by e-mail.
To order articles please copy the article doi:
10.14489/vkit.2025.08.pp.003-012
and fill out the form
.
|
Current Issue
Разработка концепции и создание сайта - ООО «Издательский дом «СПЕКТР»