Nesta seção são apresentados os principais pontos que devem ser destacados com in- terpretação dos resultados dos testes realizados e também discuti-los de acordo com a arquitetura e algoritmos propostos e os conceitos sobre Fog Computing.
A primeira etapa dos testes se mostrou muito importante para dar um bom fundamento se é ou não necessário que ocorram migrações de máquinas virtuais para manter uma QoE aceitável durante a mobilidade do usuário. Este teste foi proposto pensando que, se após um handoff de um APx conectado a uma Cloudlet x para um APy conectado a uma Cloudlet y a latência da aplicação se mantivesse próxima ou levemente maior ao que estava anteriormente, a migração de uma máquina virtual não seria necessária, pois os custos associados às migrações poderiam ser muito alto para se ter um baixíssimo ganho posteriormente. No entanto, os testes mostraram que se não houver a migração da máquina virtual, com o decorrer do afastamento de usuários realizando handoffs sem que haja a troca de acesso de Cloudlet, a QoE poderá atingir níveis inaceitáveis para aplicações que necessitam executar em tempo real.
A Etapa 1 mostrou também que ao se realizar migrações haverá períodos de downtime, e nestes momentos, a aplicação perderá o acesso à máquina virtual. Conforme proposto pela arquitetura, a máquina virtual só deveria fazer a migração quando um handoff fosse realizado. Neste sentido, os algoritmos de migração funcionaram de acordo com o espe- rado, ou seja, nenhum processo de migração ocorreu fora da expectativa de realização de handoff.
Observou-se ainda na Etapa 1, que a estratégia de escolha da próxima Cloudlet para receber uma máquina virtual é fundamental para que a latência seja mantida de acordo com o esperado. Já nesta etapa, os resultados das médias das latências do usuário em uma única semente de simulação revelam que a estratégia de escolha da próxima Cloudlet pelo AP mais próximo mostrou ter vantagens em relação como as demais e, principalmente, em relação ao cenário que não houve migrações. No caso da Etapa 1, não foram executados testes sobre as combinações das políticas de migração e neste sentido, foram propostos os testes da Etapa 2.
A segunda etapa executou testes como todas as combinações entre as políticas e es- tratégias e a capacidade de rede. Para complementar estas combinações, foram propostos cenários que aumentassem gradualmente o número de usuários. Até o momento da reda- ção desta dissertação, só foi possível a simulação com no máximo 15 usuários devido ao alto custo de simulação com mais usuários. Estes custos são discutidos mais a seguir.
Os testes realizados na Etapa 2 mostram que muitos fatores podem influenciar os custos de um processo de migração em uma névoa. Na Tabela 6.1 pode ser observada uma sumarização dos testes sobre as políticas de migração e quais são as considerações em relação aos resultados apresentados.
CAPÍTULO 6. SIMULAÇÕES 77
Tabela 6.1: Resumo sobre as políticas de migração.
Politicas Relação Tempo Mig. x Downtime Avaliação
Tradicional Leve aumento Ruim
Estático Lenta
Tradicional Leve aumento Ruim
Estático Média
Tradicional Aumento Bom
Estático Rápida
Tradicional Leve aumento Ruim
Dinâmico Lenta
Tradicional Leve aumento Ruim
Dinâmico Média
Tradicional Aumento Bom
Dinâmico Rápida
Container Leve aumento Ruim
Estático Lenta
Container Leve aumento Razoável
Estático Média
Container Aumento Bom
Estático Rápida
Container Leve Aumento Ruim
Dinâmico Lenta
Container Leve Aumento Razoável
Dinâmico Média
Container Aumento Bom
Dinâmico Rápida
Ao vivo Redução Ruim
Estático Lenta
Ao vivo Forte Redução Razoável
Estático Média
Ao vivo Redução Bom
Estático Rápida
Ao vivo Forte redução Ruim
Dinâmico Lenta
Ao vivo Forte Redução Bom
Dinâmico Média
Ao vivo Redução Bom
Dinâmico Rápida
A coluna Relação Tempo Mig. x Downtime agrupa e sintetiza os resultados expressos pelos gráficos que apresentam os percentuais relativos ao aumento ou redução do tempo de downtime em relação ao tempo de migração (gráficos 6.25, 6.26 e 6.27). A coluna Avaliação foi preenchida com base nos tempos médios de downtime durante o
CAPÍTULO 6. SIMULAÇÕES 78
processo de migração.
A partir desta tabela é possível perceber que a hipótese desta pesquisa está em con- formidade com os resultados apresentados, pois mesmo quando o tempo de downtime ainda é alto, por exemplo em uma migração ao vivo, com ponto dinâmico e rede lenta, a redução acentuada em relação ao tempo de migração melhora a QoE do usuário caso só exista essa possibilidade. No entanto, o melhor comportamento dos algoritmos se deu quando são executados em cenários com ponto de migração dinâmico e em redes rápi- das independentemente do tipo de migração escolhida. Vale destacar que a arquitetura proposta é de fundamental importância para o bom funcionamento dos algoritmos. De acordo com os testes, outras políticas e estratégias também mantém um bom nível de que QoE, princialmente as que são combinadas às redes rápidas, como por exemplo na migração de container, com ponto de migração estático e rede rápida.
Para as políticas com resultados não tão bons, a arquitetura prevê um mecanismo de pré-migração para redes lentas ou com alta utilização, porém para fechar o escopo desta dissertação, este mecanismo não foi implementado.
As estratégias utilizadas de escolha da próxima Cloudlet também apresentam bons e maus comportamentos. Os resultados das médias das latências de cinco usuários e também de todas as latências de um deles (quando as estratégias escolhem Cloudlets distintas) mostram que ao contrário do que se imaginava, uma estratégia com escolha da Cloudlet que oferece menor latência não foi considerada muito boa. Isso se dá porque pode ser escolhida uma Cloudlet a mais de um salto de rede, pois no momento da escolha todos os custos associados a execução da aplicação poderiam estar melhor, porém isso pode mudar caso, por exemplo esta mesma Cloudlet receba mais requisições. E corroborando com a literatura, um único salto de rede seria melhor para manter o QoE em níveis aceitáveis e neste caso, os resultados encontrados para uma semente e um usuário na Etapa 1 foram confirmados na etapa 2, ou seja, a estratégia que melhor se apresentou foi a escolha da próxima Cloudlet conectada ao AP mais perto do usuário, que possivelmente será a escolha do handoff.
Ao tratar do simulador MyiFogSim, pode-se dizer que sua implementação ainda de- pende da execução do CloudSim e iFogSim e que a sincronização de todos dos eventos não é trivial, porém obteve-se um ambiente simples para executar as simulações.
Pensando ainda em fazer uma análise mais aprofundada nos aspectos que envolvem a rede e a comunicação de dados, sugere-se que MyiFogSim execute de maneira integrada o NS-3 (Network Simulator 3) para se ter melhores parâmetros e resultados mais completos no final dos testes.
Capítulo 7
Considerações finais
Usuários e seus dispositivos móveis trouxeram um grande desafio para pesquisadores e em- presas provedoras de serviços de tecnologia nos últimos anos. Neste sentido, Fog Compu- ting estabelece uma infraestrutura que pode solucionar muitos destes desafios, oferecendo a infraestrutura capaz de suportar a alta demanda de processamento e tráfego gerados por diversos tipos de aplicações.
Esta dissertação trouxe como proposta uma arquitetura que suporte migrações de má- quinas virtuais dentro de uma névoa com o objetivo de manter a qualidade de experiência de usuários alta durante sua mobilidade. A partir desta proposta inicial, foi desenvolvido um estudo sobre os requisitos de migrações de máquinas virtuais, sobre os requisitos de usuários e quais destes requisitos uma névoa pode atender.
Os estudos trouxeram base teórica para a formulação das arquiteturas aqui propos- tas (topológica e em camadas) e para a criação dos algoritmos. No entanto, ainda era necessário um simulador que suportasse esta estrutura, e partindo desta necessidade, Myi- FogSim foi implementando sobre CloudSim e iFogSim que já atendiam os componentes básico para uma névoa, porém não atendiam os aspectos de migração máquinas virtuais em névoa e nem sobre a mobilidade dos usuários.
Os primeiros testes confrontaram um cenário no qual um usuário móvel não tinha o serviço de migração ativo com um cenário em que as migrações ocorriam de acordo com sua necessidade. Os resultados obtidos a partir das latências durante a simulação e das médias destas latências confirmaram que se não houver a migração das máquinas virtuais, com o distanciar do usuário de sua conexão de origem, uma degradação das latências iriam ocorrer durante este percurso.
A realização dos testes da segunda etapa tinha como objetivo a comparação entre as políticas e entre as estratégias de migração. Os resultados apontaram que em alguns casos, o processo de migração foi satisfatório para atender aos requisitos de baixa latência de aplicações que executam em tempo real. Os melhores políticas são quando há redes rápidas e a utilização de pontos de migração dinâmico usando nas migrações ao vivo e nas migrações de containers.
A escolha da próxima Cloudlet baseada na escolha do próximo AP após o handoff manteve a média das latências em níveis baixos deixando a QoE dos usuários dentro do esperado. Além disso, esta estratégia se mostrou mais estável dentre as demais, pois ela sempre manteve a máquina virtual a um salto de rede de distância, em oposição às outras
CAPÍTULO 7. CONSIDERAÇÕES FINAIS 80
estratégias que poderiam fazer escolhas de Cloudlets com mais de um salto para acesso à máquina virtual.
Muitos outros aspetos e desafios desta arquitetura devem ainda ser implementados como objetivo de se ter uma infraestrutura escalável que suporte de forma robusta e eficaz as migrações de máquinas virtais, atendendo assim aos exigentes requisitos de aplicação de usuários que executam em tempo real.
7.1
Trabalhos Futuros
Para trabalhos futuros sugere-se:
• Inclusão de aspectos de segurança na arquitetura.
• A implementação dos componentes da arquitetura que ainda não estão prontos, como por exemplo: o mecanismo de pré-migração. A ideia é que, se o dispositivo móvel do usuário estiver em um AP de borda, a nuvem, com sua onisciência, enviaria um sinal para a possível próxima Cloudlet. Neste caso, as Cloudlets juntamente com a nuvem podem iniciar uma pré-migração para tentar dar agilidade ao processo de migração e consequentemente diminuir o tempo de downtime.
• A execução de testes com aplicações próximas a tempo real comparando novamente as políticas e estratégias de migração.
• A execução de testes que aumentem e diminuam a angulação do cone da zona de migração para tentar achar um ângulo ideal ou próximo ao ideal.
• Um estudo para melhorar o desempenho das simulações, otimizando algumas partes do núcleo de CloudSim e iFogSim, e correção do consumo de memória dos objetos de MyiFogSim.
Referências Bibliográficas
[1] Mohammad Aazam and Eui-Nam Huh. Fog computing and smart gateway ba- sed communication for cloud of things. In Proceedings of the 2014 International Conference on Future Internet of Things and Cloud, FICLOUD ’14, pages 464–470, Washington, DC, USA, 2014. IEEE Computer Society.
[2] N. Ahmad, A. Kanwal, and M.A. Shibli. Survey on secure live virtual machine (vm) migration in cloud. In Information Assurance (NCIA), 2013 2nd National Conference on, pages 101–106, Dec 2013.
[3] Arif Ahmed and Ejaz Ahmed. A survey on mobile edge computing. In Intelligent Systems and Control (ISCO), 2016 10th International Conference on, pages 1–8. IEEE, 2016.
[4] Michael Armbrust, Armando Fox, Rean Griffith, Anthony D. Joseph, Randy Katz, Andy Konwinski, Gunho Lee, David Patterson, Ariel Rabkin, Ion Stoica, and Matei Zaharia. A view of cloud computing. Commun. ACM, 53(4):50–58, April 2010. [5] G. Arunkumar and Neelanarayanan Venkataraman. A novel approach to address
interoperability concern in cloud computing. Procedia Computer Science, 50:554 – 559, 2015. Big Data, Cloud and Computing Challenges.
[6] Michael Till Beck, Martin Werner, Sebastian Feld, and S Schimper. Mobile edge computing: A taxonomy. In Proc. of the Sixth International Conference on Advances in Future Internet. Citeseer, 2014.
[7] Luiz Fernando Bittencourt, Márcio Moraes Lopes, Ioan Petri, and Omer F Rana. Towards virtual machine migration in fog computing. In P2P, Parallel, Grid, Cloud and Internet Computing (3PGCIC), 2015 10th International Conference on, pages 1–8. IEEE, 2015.
[8] Flavio Bonomi, Rodolfo Milito, Preethi Natarajan, and Jiang Zhu. Fog computing: A platform for internet of things and analytics. In Nik Bessis and Ciprian Dobre, editors, Big Data and Internet of Things: A Roadmap for Smart Environments, volume 546 of Studies in Computational Intelligence, pages 169–186. Springer International Publishing, 2014.
[9] Flavio Bonomi, Rodolfo Milito, Jiang Zhu, and Sateesh Addepalli. Fog computing and its role in the internet of things. In Proceedings of the First Edition of the MCC
REFERÊNCIAS BIBLIOGRÁFICAS 82
Workshop on Mobile Cloud Computing, MCC ’12, pages 13–16, New York, NY, USA, 2012. ACM.
[10] Rodrigo N Calheiros, Rajiv Ranjan, Anton Beloglazov, César AF De Rose, and Raj- kumar Buyya. 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, 2011.
[11] Christopher Clark, Keir Fraser, Steven Hand, Jacob Gorm Hansen, Eric Jul, Chris- tian Limpach, Ian Pratt, and Andrew Warfield. Live migration of virtual machines. In Proceedings of the 2nd Conference on Symposium on Networked Systems Design & Implementation-Volume 2, pages 273–286. USENIX Association, 2005.
[12] Hoang T Dinh, Chonho Lee, Dusit Niyato, and Ping Wang. A survey of mobile cloud computing: architecture, applications, and approaches. Wireless communications and mobile computing, 13(18):1587–1611, 2013.
[13] Ivan Farris, Tarik Taleb, Miloud Bagaa, and H Flinck. Optimizing service replication for mobile delay-sensitive applications in 5g edge network. IEEE, 201:2017, 2017. [14] Pedro Garcia Lopez, Alberto Montresor, Dick Epema, Anwitaman Datta, Teruo Hi-
gashino, Adriana Iamnitchi, Marinho Barcellos, Pascal Felber, and Etienne Riviere. Edge-centric computing: Vision and challenges. ACM SIGCOMM Computer Com- munication Review, 45(5):37–42, 2015.
[15] Harshit Gupta, Amir Vahid Dastjerdi, Soumya K Ghosh, and Rajkumar Buyya. ifogsim: A toolkit for modeling and simulation of resource management techniques in internet of things, edge and fog computing environments. arXiv preprint ar- Xiv:1606.02007, 2016.
[16] Kirak Hong, David Lillethun, Umakishore Ramachandran, Beate Ottenwälder, and Boris Koldehofe. Mobile fog: A programming model for large-scale applications on the internet of things. In Proceedings of the Second ACM SIGCOMM Workshop on Mobile Cloud Computing, MCC ’13, pages 15–20, New York, NY, USA, 2013. ACM. [17] Bukhary Ikhwan Ismail, Ehsan Mostajeran Goortani, Mohd Bazli Ab Karim, Wong Ming Tat, Sharipah Setapa, Jing Yuan Luke, and Ong Hong Hoe. Evalua- tion of docker as edge computing platform. In Open Systems (ICOS), 2015 IEEE Confernece on, pages 130–135. IEEE, 2015.
[18] Qin Li, Jinpeng Huai, Jianxin Li, Tianyu Wo, and Minxiong Wen. Hypermip: Hyper- visor controlled mobile ip for virtual machine live migration across networks. In High Assurance Systems Engineering Symposium, 2008. HASE 2008. 11th IEEE, pages 80–88, Dec 2008.
[19] Haikun Liu, Cheng-Zhong Xu, Hai Jin, Jiayu Gong, and Xiaofei Liao. Performance and energy modeling for live migration of virtual machines. pages 171–182, 2011.
REFERÊNCIAS BIBLIOGRÁFICAS 83
[20] O. Osanaiye, S. Chen, Z. Yan, R. Lu, K. Choo, and M. Dlodlo. From cloud to fog computing: A review and a conceptual live vm migration framework. IEEE Access, PP(99):1–1, 2017.
[21] Rodrigo Roman, Javier Lopez, and Masahiro Mambo. Mobile edge computing, fog et al.: A survey and analysis of security threats and challenges. Future Generation Computer Systems, 2016.
[22] Mahadev Satyanarayanan, P. Bahl, R Caceres, and N. Davies. The case for vm-based cloudlets in mobile computing. Pervasive Computing, IEEE, 8(4):14–23, Oct 2009. [23] I. Stojmenovic. Fog computing: A cloud to the ground support for smart things
and machine-to-machine networks. In Telecommunication Networks and Applications Conference (ATNAC), 2014 Australasian, pages 117–122, Nov 2014.
[24] I. Stojmenovic and Sheng Wen. The fog computing paradigm: Scenarios and security issues. In Computer Science and Information Systems (FedCSIS), 2014 Federated Conference on, pages 1–8, Sept 2014.
[25] Petter Svärd, Benoit Hudzia, Steve Walsh, Johan Tordsson, and Erik Elmroth. Prin- ciples and performance characteristics of algorithms for live vm migration. SIGOPS Oper. Syst. Rev., 49(1):142–155, January 2015.
[26] T. Taleb, S. Dutta, A. Ksentini, M. Iqbal, and H. Flinck. Mobile edge computing potential in making cities smarter. IEEE Communications Magazine, 55(3):38–43, March 2017.
[27] Luis M. Vaquero and Luis Rodero-Merino. Finding your way in the fog: Towards a comprehensive definition of fog computing. SIGCOMM Comput. Commun. Rev., 44(5):27–32, October 2014.
[28] Tim Verbelen, Pieter Simoens, Filip De Turck, and Bart Dhoedt. Cloudlets: Bringing the cloud to the mobile user. In Proceedings of the Third ACM Workshop on Mobile Cloud Computing and Services, MCS ’12, pages 29–36, New York, NY, USA, 2012. ACM.
[29] William Voorsluys, James Broberg, Srikumar Venugopal, and Rajkumar Buyya. Cost of virtual machine live migration in clouds: A performance evaluation. In Proceedings of the 1st International Conference on Cloud Computing, CloudCom ’09, pages 254– 265. Springer-Verlag, Berlin, Heidelberg, 2009.
[30] M. Yannuzzi, R. Milito, R. Serral-Gracia, D. Montero, and M. Nemirovsky. Key ingredients in an iot recipe: Fog computing, cloud computing, and more fog compu- ting. In Computer Aided Modeling and Design of Communication Links and Networks (CAMAD), 2014 IEEE 19th International Workshop on, pages 325–329, Dec 2014. [31] Hong Yao, Changmin Bai, Deze Zeng, Qingzhong Liang, and Yuanyuan Fan. Migrate
REFERÊNCIAS BIBLIOGRÁFICAS 84
cloud. Concurrency and Computation: Practice and Experience, 27(18):5780–5792, 2015.
[32] Rong Yu, Yan Zhang, Stein Gjessing, Wenlong Xia, and Kun Yang. Toward cloud-based vehicular networks with efficient resource management. IEEE Network, 27(5):48–55, 2013.
[33] John K Zao, Tchin Tze Gan, Chun Kai You, Sergio José Rodríguez Méndez, Cheng En Chung, Yu Te Wang, Tim Mullen, and Tzyy Ping Jung. Augmented brain computer interaction based on fog computing and linked data. In Intelligent Environments (IE), 2014 International Conference on, pages 374–377. IEEE, 2014.