5.3 Avalia¸c˜ao de ambientes de IaaS com o ElasticMovie
5.3.3 Avalia¸c˜ao do ambiente OpenNebula com o ElasticMovie
vie
O ambiente de IaaS OpenNebula ´e mantido com sua vers˜ao 4.10. Nos experimen- tos descritos a seguir s˜ao realizadas 10 repeti¸c˜oes para cada um dos experimentos usando dois padr˜oes de carga distintos, ambos seguindo um processo de chegada de clientes com distribui¸c˜ao Poisson: no primeiro o sistema recebe um total de 200 clientes com intervalo entre chegadas de 10 segundos; no segundo s˜ao utilizados 400 clientes com intervalo entre chegadas de 5 segundos.
KVM
A pr´e-avalia¸c˜ao da capacidade de rede do ambiente OpenNebula com KVM mostra que cada m´aquina virtual consegue atender apenas 40 clientes assistindo um v´ıdeo com taxa de 2, 968 Mbps, assim o ElasticMovie (Front) ´e configurado para repassar at´e 40 clientes para cada n´o de transmiss˜ao. Com base nos resultados obtidos na Se¸c˜ao 5.3.1, o gerador de clientes ´e configurado para gerar carga somente para os experimentos cujo Fator de Paciˆencia do usu´ario ´e igual h´a 120 segundos.
O primeiro experimento de avalia¸c˜ao do ambiente de IaaS composto pelo KVM e OpenNebula utiliza 200 clientes por repeti¸c˜ao, totalizando 2.000 clientes, contudo QtRvSpara este experimento ´e de 1952 clientes o que representa 97, 6% dos clientes
gerados, onde em m´edia s˜ao atendidos 195, 2 clientes com um desvio padr˜ao de 3, 112. A taxa de bloqueio dada por PcBl ´e de 9, 734%, sendo que a melhor das execu¸c˜oes bloqueia 10 clientes, enquanto que a pior bloqueia 27, em m´edia s˜ao bloqueados 19 clientes por execu¸c˜ao com um desvio padr˜ao de 3, 112.
Figura 5.19: Melhor execu¸c˜ao do benchmark ElasticMovie para o ambiente Open- Nebula usando o KVM, com Fator de Paciˆencia de 120 segundos e 200 clientes
A Figura 5.19 apresenta o resultado da melhor execu¸c˜ao do ElasticMovie para o cen´ario experimental do OpenNebula usando KVM, com Fator de Paciˆencia de 120 segundos e taxa de chegada de 0, 2 clientes por segundo. ´E poss´ıvel observar que ElasticMovie, ajusta-se rapidamente `as mudan¸cas na demanda computacional exigidas. A diferen¸ca entre os instantes que novos n´os de transmiss˜ao s˜ao adiciona- dos e os clientes passam a estar no sistema, como visto na figura na aloca¸c˜ao que ocorre pr´oxima ao ponto referente a 1.000 segundos, ´e consequˆencia da latˆencia de aloca¸c˜ao, ou seja, o cliente que causa a cria¸c˜ao de uma nova instˆancia virtual so- mente entra no sistema depois que esta instˆancia estiver criada, e apta a transmitir v´ıdeo. Esta execu¸c˜ao bloqueia 10 clientes de um total de 192 requisi¸c˜oes recebidas o que representa uma taxa de bloqueio de 5, 208%.
A Figura 5.20 mostra o perfil de aloca¸c˜ao dos recursos da pior execu¸c˜ao do ElasticMovie, com rela¸c˜ao `a m´etrica PcBl, para este ambiente de IaaS. ´E poss´ıvel perceber que nessa execu¸c˜ao a libera¸c˜ao dos recursos ´e mais lenta, isto ocorre de- vido `a distribui¸c˜ao dos clientes nos diferentes servidores de transmiss˜ao, pois em virtude da tentativa de minimizar o n´umero de recursos virtuais, o ElasticMovie aloca um novo cliente no servidor de transmiss˜ao que estiver mais carregado. ´E poss´ıvel ainda observar nessa figura que pr´oximo a 1.500 segundos de dura¸c˜ao do experimento ocorre a libera¸c˜ao de um servidor de transmiss˜ao, que ´e seguido de uma nova aloca¸c˜ao. Este efeito ´e consequˆencia da escolha feita no projeto do Elas-
Figura 5.20: Pior execu¸c˜ao benchmark ElasticMovie para o ambiente OpenNebula usando o KVM, com Fator de Paciˆencia de 120 segundos e 200 clientes
ticMovie de n˜ao utilizar preditores para a chegada de clientes, pois esta abordagem permite avaliar melhor o impacto que a latˆencia de aloca¸c˜ao tem sobre a taxa de bloqueio. Ainda, nesta figura, ´e poss´ıvel observar dois picos r´apidos, pr´oximos ao zero e logo ap´os o instante 500 segundos, ambos representam clientes bloqueados devido `a latˆencia de aloca¸c˜ao. Esta execu¸c˜ao bloqueia 27 clientes de um total de 196 requisi¸c˜oes recebidas o que representa uma taxa de bloqueio de 13, 775%.
O segundo experimento de avalia¸c˜ao do ambiente de IaaS composto pelo KVM e OpenNebula, utiliza 400 clientes por repeti¸c˜ao, com taxa de chegada de 0, 2 cli- entes/s, totalizando 4.000 clientes, onde o QtRvS do experimento ´e 3903 clientes o que representa 97, 57% dos clientes gerados, onde em m´edia s˜ao atendidos 390, 3 clientes com um desvio padr˜ao de 4, 662. A taxa de bloqueio dada por PcBl ´e de 12, 426%, sendo que a melhor das execu¸c˜oes bloqueia 14 clientes, enquanto que a pior bloqueia 76, em m´edia s˜ao bloqueados 48, 5 clientes por execu¸c˜ao com um desvio padr˜ao de 25, 505.
A Figura 5.21 mostra o perfil de aloca¸c˜ao dos recursos para melhor execu¸c˜ao do benchmark ElasticMovie no cen´ario com 400 clientes. Nesta figura dois pontos chamam a aten¸c˜ao: o primeiro ocorre no intervalo entre 1.000 s e 1.500 s, nele ´e poss´ıvel observar uma aloca¸c˜ao e libera¸c˜ao de recursos, isto ocorre devido a chega de um cliente que vem a ser bloqueado, como ´e mostrado na figura; o segundo ponto ´e a r´apida sa´ıda dos clientes que ´e consequˆencia do platˆo que ocorre ap´os 1.500 segundos. Esta execu¸c˜ao bloqueia 14 clientes de um total de 393 requisi¸c˜oes recebidas o que representa uma taxa de bloqueio de 3, 562%.
Figura 5.21: Melhor execu¸c˜ao do benchmark ElasticMovie para o ambiente Open- Nebula usando o KVM, com Fator de Paciˆencia de 120 segundos e 400 clientes
Xen
Como no caso do KVM, a pr´e-avalia¸c˜ao da capacidade de rede do ambiente Open- Nebula com Xen definiu como limite 40 clientes por m´aquina virtual, logo a con- figura¸c˜ao do ElasticMovie (Front) permanece inalterada. E mesmo estando mais pr´oxima do limite do Fator de Paciˆencia, a latˆencia de aloca¸c˜ao obtida na Se¸c˜ao 5.3.1, ainda mant´em o gerador de clientes ´e configurado para gerar carga somente para os experimentos utilizando o Fator de Paciˆencia do usu´ario ´e igual h´a 120 segundos.
O primeiro experimento de avalia¸c˜ao do ambiente de IaaS composto pelo Xen e OpenNebula, trata 200 clientes por repeti¸c˜ao, totalizando 2.000 clientes, contudo QtRvSpara este experimento ´e de 2.000 clientes o que representa 100% dos clientes gerados. A taxa de bloqueio dada pelo PcBl ´e de 2, 1%, sendo que a melhor das execu¸c˜oes bloqueia apenas um cliente, enquanto que a pior bloqueia 9, em m´edia s˜ao bloqueados 4, 2 clientes por execu¸c˜ao com um desvio padr˜ao de 3, 2496.
A Figura 5.22 apresenta o resultado da melhor execu¸c˜ao do benchmark Elas- ticMovie para o cen´ario experimental do OpenStack usando Xen, com Fator de Paciˆencia de 120 segundos e taxa de chegada de 0, 1 clientes por segundo. ´E poss´ıvel observar que o ElasticMovie, apesar do aumento na latˆencia de aloca¸c˜ao de m´aquinas virtuais, o sistema mant´em a curva de recursos alocados pr´oxima a curva da demanda exigida pelas transmiss˜oes para os clientes. Esta execu¸c˜ao bloqueia um cliente de um total de 200 requisi¸c˜oes recebidas o que representa uma taxa de bloqueio de 0, 5%.
O segundo experimento de avalia¸c˜ao do ambiente de IaaS composto pelo Xen e OpenNebula, utiliza 400 clientes por repeti¸c˜ao, com uma taxa de chegada de 0, 2
Figura 5.22: Melhor execu¸c˜ao do benchmark ElasticMovie para o ambiente Open- Nebula usando o Xen, com Fator de Paciˆencia de 120 segundos e 200 clientes
clientes/s, totalizando 4.000 clientes, onde o QtRvS do experimento ´e 3990 clientes o que representa 99, 75% dos clientes gerados, onde em m´edia s˜ao atendidos 399 clientes com um desvio padr˜ao de 2, 0. A taxa de bloqueio dada por PcBl ´e de 3, 007%, sendo que a melhor das execu¸c˜oes bloqueia apenas um cliente, enquanto que a pior bloqueia 28, em m´edia s˜ao bloqueados 12 clientes por execu¸c˜ao com um desvio padr˜ao de 9, 338.
Figura 5.23: Melhor execu¸c˜ao do benchmark ElasticMovie para o ambiente Open- Nebula usando o Xen, com Fator de Paciˆencia de 120 segundos e 400 clientes
A Figura 5.23 mostra o perfil de aloca¸c˜ao dos recursos para melhor execu¸c˜ao do benchmark ElasticMovie no cen´ario com 400 clientes com o Xen. Nesta o ponto que
mais chama a aten¸c˜ao ´e a r´apida libera¸c˜ao da m´aquina virtual que ocorre em torno de 3.500 segundos, consequˆencia da oscila¸c˜ao vista na curva de cliente entre 1.500 e 2.000 segundos. Como no cen´ario anterior a curva de recursos se manteve pr´oxima `a curva da demanda. Esta execu¸c˜ao bloqueia apenas um cliente de um total de 400 requisi¸c˜oes recebidas o que representa uma taxa de bloqueio de 0, 25%.
Considera¸c˜oes sobre a avalia¸c˜ao usando o ElasticMovie no OpenNebula A Tabela 5.7 apresenta um sum´ario dos experimentos realizados com o ElasticMovie no ambiente computacional gerenciado pelo OpenNebula, onde todos os valores apre- sentados representam as m´edias de 10 execu¸c˜oes. A coluna F.P (Fator de Paciˆencia), mostra que apenas os experimentos com Fator de Paciˆencia igual a 120 segundos executam com sucesso no ambiente de IaaS gerenciado pelo OpenNebula, sendo isso consequˆencia da avalia¸c˜ao preliminar da latˆencia m´edia de aloca¸c˜ao apresentada na Tabela 5.5.
Tabela 5.7: Resumo da avalia¸c˜ao usando ElasticMovie no OpenNebula - Caso M´edio Ambiente Virt. Fator de Paciˆencia (FP) QtRvS PcBl
OpenNebula KVM 120 195, 2 9, 73%
OpenNebula KVM 120 390, 3 12, 426%
OpenNebula Xen 120 200 2, 10%
OpenNebula Xen 120 399 3, 01%
Ainda, na Tabela 5.7, ´e poss´ıvel observar que nos ambientes de IaaS gerenciados pelo OpenNebula o Xen obteve resultados melhores, contudo ´e importante salientar que para ambas as t´ecnicas de virtualiza¸c˜ao os melhores resultados obtidos s˜ao aqueles em que a taxa de chega de clientes ´e de 0, 1 clientes/s. Com rela¸c˜ao ao uso do Fator de Paciˆencia presente na aplica¸c˜ao de transmiss˜ao de v´ıdeo os resultados obtidos com o OpenNebula mostram que este consegue capturar o impacto causados pela altera¸c˜ao na demanda computacional exigida do sistema (n´umero de clientes gerados) nos ambientes de IaaS utilizados, o que fornece ind´ıcios da viabilidade do uso da aplica¸c˜ao ElasticMovie como um benchmark para ambiente de IaaS.