Cloud Computing : Clusters virtuels
Les clusters virtuels présentent certains avantages par rapport aux clusters physiques, notamment en termes de vitesse, de stockage et de souplesse.
Kai Hwang, Jack Dongarra et Geoffrey Fox
Adapté de « distribués et Cloud Computing : De traitement parallèle de l'Internet des choses » (Syngress, une empreinte de Elsevier)
Il y a plusieurs différences et similitudes entre les clusters physiques et virtuels et des avantages différents transmis par chacun. Un cluster physique est une collection de serveurs (machines physiques) reliés par un réseau physique comme un LAN. Grappes virtuelles ont des propriétés différentes et des applications potentielles. Il y a trois questions de conception critique de grappes virtuelles : vivre la migration de machines virtuelles (VM), mémoire et fichier de migration et déploiement dynamique de grappes virtuelles.
Lorsque vous initialisez un VM traditionnel, vous devez écrire les informations de configuration manuellement ou de spécifier les sources de la configuration. Lorsque plus de VMs à un réseau, une configuration inefficace toujours provoque des problèmes de surcharge ou de sous-utilisation. Amazon Elastic Compute Cloud (EC2) est un bon exemple d'un service Web qui fournit la puissance de calcul élastique dans un nuage. EC2 permet aux clients de créer des machines virtuelles et gérer des comptes d'utilisateur au moment de leur utilisation.
La plupart des plates-formes de virtualisation prend en charge un mode de transition qui permet à tous les domaines apparaissent sur le réseau en tant qu'hôtes individuels. En utilisant ce mode, VMs peuvent communiquer entre eux librement par l'intermédiaire de la carte réseau virtuelle et configurer le réseau automatiquement.
Physiques vs. Clusters virtuels
Grappes virtuelles sont construites avec SMV installé sur des serveurs distribués d'un ou plusieurs groupes de physiques. Les VMs dans un cluster virtuel sont logiquement reliées par un réseau virtuel à travers plusieurs réseaux physiques. Chaque cluster virtuel est formé avec des machines physiques ou une machine virtuelle organisée par plusieurs clusters physiques. Les limites de cluster virtuel sont limites distinctes.
Provisionnement dynamique VMs à un cluster virtuel présente les propriétés suivantes :
- Nœuds de cluster virtuel peuvent être des machines physiques ou VMs, et bien sûr, vous pouvez avoir plusieurs VMs différents OS en cours d'exécution sur le même nœud physique.
- Une machine virtuelle s'exécute avec un invité OS, qui est souvent différent de l'hôte OS qui gère les ressources de la machine physique sur lequel la machine virtuelle est en cours d'exécution.
- Le but de l'utilisation de SMV est de consolider les fonctionnalités multiples sur le même serveur, ce qui améliore grandement la souplesse de l'utilisation et l'application serveur.
- Vous pouvez avoir des VMs reproduits dans plusieurs serveurs afin de promouvoir le parallélisme distribuée, de tolérance de pannes et de reprise après sinistre.
- Le nombre de nœuds dans un cluster virtuel peut augmenter ou diminuer dynamiquement, semblable à la façon dont un réseau overlay varie en taille dans un réseau peer-to-peer.
- L'échec de tout nœuds physiques peut désactiver certaines VMs installés sur les nœuds d'avoir omis, mais échec VM ne tire vers le système hôte.
Vous devez tenir compte des stratégies efficaces de gestion des ordinateurs virtuels s'exécutant sur une masse de nœuds de calcul physiques (aussi appelés grappes virtuelles). Il s'agit de déploiement de cluster virtuel et de surveillance et la gestion des grappes à grande échelle, ainsi que la planification de la ressource, équilibrage, consolidation de serveur, tolérance aux pannes et autres tactiques de charge. Dans un système de cluster virtuel, vous aurez également un grand nombre d'images de la VM, et il est essentiel de déterminer la façon d'emmagasiner des images.
Il y a des installations communes pour la plupart des utilisateurs ou des applications, telles que les os ou les bibliothèques de programmes de niveau utilisateur. Vous pouvez préinstaller ces modèles (appelés modèle VMs). Avec ces modèles, les utilisateurs peuvent construire empilements de leurs propre logiciel. Ils peuvent également copier des nouvelles instances de l'OS à partir du modèle VM. Vous pouvez avoir des éléments spécifiques à l'utilisateur comme la programmation des bibliothèques et des applications installées à ces instances.
Vous pouvez installer chaque machine virtuelle sur un serveur distant ou reproduire des VMs sur plusieurs serveurs appartenant aux clusters physiques identiques ou différents. La limite d'un cluster virtuel peut changer comme nœuds VM sont ajoutés, supprimés ou migrés dynamiquement au fil du temps.
Un déploiement rapide et efficace de planification
Votre système de cluster virtuel devrait avoir la capacité de déploiement rapide. Dans ce cas, le déploiement signifie être capable de construire et de distribuer des piles de logiciel (y compris les os, les applications et les bibliothèques) à un nœud physique au sein des groupes aussi vite que possible. Cela implique également la capacité de passer rapidement des environnements runtime de cluster virtuel d'un utilisateur de cluster virtuel d'un autre utilisateur. Si un utilisateur termine à l'aide de son système, le cluster virtuel correspondant doit arrêter ou suspendre rapidement pour sauver les ressources pour exécuter d'autres VMs pour les autres utilisateurs.
Le concept de « informatique verte » a attiré beaucoup d'attention récemment. Cependant, les approches précédentes ont porté sur sauver le coût de l'énergie des composants dans un seul poste de travail sans une vision globale. Par conséquent, ils ne nécessairement réduisent la consommation électrique de l'ensemble du cluster. Grappes virtuelles peuvent aller très loin pour atteindre cela.
Autres techniques énergétiques à l'échelle du cluster ne s'appliquent qu'aux stations de travail homogènes et des applications spécifiques. La live migration des VMs vous permet de transférer les charges de travail d'un nœud vers un autre nœud. Cependant, il n'est pas garantit que vous pouvez migrer au hasard des VMs entre eux. En fait, vous ne peut ignorer le potentiel surcharge causé par live migration des VMs.
Les frais généraux peuvent avoir de graves effets négatifs sur l'utilisation de la grappe, de débit et de qualité des services. Le défi consiste alors à déterminer comment concevoir des stratégies de migration pour mettre en œuvre informatique verte sans influant sur la performance des grappes.
Un autre avantage de la virtualisation est équilibrage d'applications dans un cluster virtuel. Vous pouvez obtenir l'équilibrage de charge à l'aide de l'indice de charge et de la fréquence des connexions utilisateur. Le mécanisme automatique de mise à l'échelle et le bas de l'échelle d'un cluster virtuel peut être implémenté basé sur ce modèle.
Par conséquent, vous pouvez augmenter l'utilisation des ressources de nœud et raccourcir le temps de réponse du système. Cartographie des VMs sur le nœud physique plus approprié devrait également promouvoir les performances. Ajuster dynamiquement des charges entre les nœuds par live migration de VM est une approche souhaitable lorsque les charges sur les nœuds du cluster devient déséquilibrés.
Haute Performance stockage virtuel
Vous pouvez distribuer le modèle VM à plusieurs hôtes physiques au sein du cluster pour personnaliser les autres machines virtuelles. En outre, les progiciels prédéfinie réduisent le temps requis pour la personnalisation et la commutation entre les environnements virtuels. Il est important de gérer efficacement l'espace disque.
Vous pouvez appliquer une conception de l'architecture stockage afin de réduire les blocs dupliqués au sein d'un système de fichiers distribué de grappes virtuelles. Utilisez les valeurs de hachage pour comparer le contenu des blocs de données. Les utilisateurs ont leurs propres profils qui stockent des données bloc d'identification pour les VMs correspondantes au sein d'un cluster virtuel spécifiques à l'utilisateur. Lorsque les utilisateurs de modifier les données correspondantes, il crée de nouveaux blocs de données. Blocs nouvellement créés sont ensuite identifiées dans les profils des utilisateurs.
Fondamentalement, il y a quatre étapes pour déployer un groupe de machines virtuelles sur un cluster cible :
- Préparer l'image disque
- Configurer des ordinateurs virtuels
- Choisir la destination de nœuds
- Exécutez la commande de déploiement de VM sur chaque hôte
De nombreux systèmes utilisent des modèles pour simplifier le processus de préparation d'image disque. Un modèle est une image de disque qui inclut un OS préinstallé avec ou sans certains logiciels d'application.
Utilisateurs de choisissent un modèle approprié selon leurs besoins et faire une sauvegarde pour servir leur propre image de disque. Modèles pourraient mettre en place la copie sur le format d'écriture (vache). Un nouveau fichier de sauvegarde de vache est petit et facile à créer et à transférer. Par conséquent, il réduit définitivement consommation d'espace disque.
Le temps de déploiement VM est beaucoup plus court que la copie du fichier image raw ensemble. Chaque machine virtuelle est configuré avec un nom, image disque, paramètre de réseau et alloué CPU et mémoire. Vous devez simplement enregistrer chaque configuration de machine virtuelle dans un fichier.
Cette méthode peut être inefficace, cependant, lors de la gestion d'un grand groupe de VMs. SMV avec les mêmes configurations puisse utiliser des profils tel pour simplifier le processus. Dans ce scénario, le système configure les VMs selon le profil choisi.
La plupart des éléments de configuration utilisent les mêmes paramètres. Certains d'entre eux — comme identificateur universel unique, ou UUID, VM nom et l'adresse IP — sont affectés aux valeurs calculées automatiquement. Normalement, les utilisateurs ne soins l'hôte exécutant leur VM.
Vous aurez besoin d'une stratégie visant à choisir l'hôte de destination appropriée pour toute machine virtuelle. Le principe de votre stratégie de déploiement est pour répondre à l'exigence de VM et d'équilibrer les charges de travail entre le réseau de la foule.
.jpg)
Kai Hwang est professeur d'informatique, génie de l'Université de Californie du Sud et de la Chaire de professeur invité à l'Université de Tsinghua en Chine. Il a obtenu un Ph.d. dans la CEE de l'Université de Californie, Berkeley. Il a beaucoup publié dans architecture d'ordinateur, calcul numérique, parallel processing, distribués systèmes, sécurité Internet et cloud computing.
.jpg)
Jack Dongarra est un universitaire distingué professeur de génie électrique et informatique de l'Université du Tennessee, un éminent personnel de recherche au Laboratoire National d'Oak Ridge et tournant Fellow à l'Université de Manchester. Dongarra pionnier des régions des repères superordinateur, analyse numérique, problèmes d'algèbre linéaire et calcul haute-performance et a publié de nombreux articles dans ces domaines.
.jpg)
Geoffrey Fox est professeur distingué de l'informatique, informatique et physique et doyen adjoint des études supérieures et recherche à l'école d'informatique et l'informatique à l'Université de l'Indiana. Il a reçu son Ph.d. Université de Cambridge, r.-u. Fox est bien connu pour son travail complet et les publications importantes dans l'architecture parallèle, programmation distribuée, grid computing, services Web et applications Internet.
© 2011 Elsevier Inc. Tous droits réservés. Imprimé avec la permission de Syngress, une empreinte de Elsevier. Copyright 2011. « Distribués et Cloud Computing : Du parallèle de traitement à l'Internet des choses » par Kai Hwang, Jack Dongarra et Geoffrey Fox. Pour plus d'informations sur ce titre et d'autres livres similaires, veuillez visiter elsevierdirect.com.