Concept of Feedback in Future Computing Models to Cloud Systems

Technische Zusammenfassung: Konzept des Feedbacks in zukünftigen Rechenmodellen zu Cloud-Systemen

Problemstellung
Das Paper adressiert die dringende Notwendigkeit, die Dienstgüte (Quality of Service, QoS) in verteilten Rechensystemen sicherzustellen, insbesondere da Cloud-Dienste und Big-Data-Strukturen zunehmend verteilt werden. Zu den aktuellen Herausforderungen gehören die Schwierigkeit, Informationen in hybriden Cloud-Infrastrukturen ohne Leistungsdegradierung zu partitionieren, die Einschränkungen bestehender Übertragungssysteme und Datenbanken in der Cloud sowie die Abhängigkeit von Kommunikationskanälen. Traditionelle Optimierungswerkzeuge, wie etwa die in der Abfrageoptimierung verwendete Graphentheorie und diskrete Mathematik, werden als unzureichend erachtet, um die grundlegend andere Architektur von Cloud-Systemen zu modellieren, welche dynamische Ressourcenreallokation, Virtualisierung und variable Bandbreitenkanäle beinhalten. Die Autoren argumentieren, dass Systeme ohne einen Mechanismus zur operativen Ressourcenverwaltung basierend auf Echtzeitzuständen Gefahr laufen, Instabilitäten, oszillierende Prozesse und eine ineffiziente Ressourcenausnutzung zu erleiden.

Methodik
Die Autoren schlagen einen Übergang von statischen oder rein sequenziellen/parallelen Rechenmodellen hin zu einem dynamischen Kontrollsystemansatz unter Verwendung von Rückkopplungsschleifen (Feedback-Loops) vor. Die Kernmethodik umfasst:

1. Dynamische Modellierung: Das Cloud-System wird als diskretes zeitorientiertes dynamisches System mittels Differenzengleichungen modelliert. Der Zustand des Systems $x(t)$ (z. B. CPU-Auslastung, Kanallast, Status der virtuellen Maschine) zum Zeitpunkt $t+1$ ist definiert als eine Funktion des aktuellen Zustands und der Steuerungseingaben $u(t)$ (z. B. Signale zur Ressourcenallokation). Das Modell wird dargestellt als:
   $$x(t+1) = Ax(t) + Bu(t)$$
   wobei $x$ ein $n$-dimensionaler Zustandsvektor und $u$ ein $m$-dimensionaler Steuerungsvektor ist.
2. Feedback-Integration: Der Ansatz führt Feedback ein, um den aktuellen Zustand der Workloads virtueller Maschinen und den Abschlussstatus von Abfragen zu überwachen. Dies ermöglicht die operative Verwaltung von Ressourcen statt nur einer passiven Überwachung.
3. Steuerungsschema: Ein spezifisches Management-Schema für hybride Clouds (bestehend aus lokalen Servern, Private Clouds und Public Clouds) wurde entwickelt. Der Algorithmus beinhaltet:
   • Zuweisung und Überwachung von Verkehrstypen.
   • Auslösen eines dynamischen Kontrollmoduls, wenn die Kanallast einen Schwellenwert von 70 % erreicht.
   • Verwendung prädiktiver Modelle zur Anpassung der Kanalbreite (Bandbreite) basierend auf der prognostizierten Verkehrsmenge für hochpriorisierte Anfragen.
   • Dynamische Reduzierung der Bandbreite für niederpriorisierten Verkehr, falls der hochpriorisierte Verkehr zunimmt, um sicherzustellen, dass dieser nicht unter einen kritischen Wert fällt.
4. Experimentelle Validierung: Die Autoren führten Experimente mit semistrukturierten Daten (Artikel, Tutorials, Quizfragen) in einer großen Datenbankumgebung durch. Sie verglichen die Systemleistung mit und ohne den vorgeschlagenen dynamischen Kontrollmechanismus und analysierten die Histogramme der Kanallast über einen Zeitraum von einem Jahr.

Wesentliche Beiträge

• Anwendung der Regelungstechnik: Das Paper plädiert für die Anwendung von Konzepten der Regelungstechnik – insbesondere Stabilitätsanalyse, Beobachtbarkeit, Erreichbarkeit und Steuerbarkeit – auf das Cloud-Datenbankmanagement und die hybride Cloud-Infrastruktur.
• Dynamisches Modell für hybride Clouds: Es präsentiert ein dynamisches Modell, das die strukturelle Komplexität hybrider Umgebungen berücksichtigt, einschließlich der Interaktion zwischen lokalen Servern, Private Clouds und Public Clouds.
• Feedback-gesteuerte QoS: Die Arbeit zeigt, dass die Einführung von Feedback-Schleifen die dynamische Kontrolle der Ressourcenallokation ermöglicht und somit über intuitive oder statische Systemdesigns hinausgeht, die zu Resonanz oder Ressourcenerschöpfung führen können.
• Algorithmus zur Verkehrspriorisierung: Ein spezifischer Algorithmus zur dynamischen Verkehrspriorisierung auf Routing-Ebene wurde formuliert, um die QoS während einer Überlastung aufrechtzuerhalten.

Ergebnisse
Die experimentellen Ergebnisse deuten darauf hin, dass die Implementierung des dynamischen Kontrollalgorithmus die Systemleistung signifikant verbessert hat:

• Histogramm-Analyse: Das empirische Histogramm der Kanallastfrequenz änderte sich von einer Verteilung mit „Ausläufern“ und Spitzen (was auf hohe Varianz und potenzielle Überlastung hindeutet) zu einer stabileren Verteilung, als die Kontrolle angewendet wurde.
• Paketverlust: Die Anzahl der verworfenen Pakete sank.
• QoS-Verbesserung: Die Studie behauptet, dass die Verwendung des Thread-basierten Abfrageansatzes mit dynamischer Kontrolle eine höhere Dienstgüte (Quality of Service) erreichte.
• Produktivität: In dem spezifischen Versuchsaufbau führte die Nutzung der Cloud mit diesem Kontrollmechanismus zu keinem Verlust an Produktivität für eine einzelne Anfrage.

Bedeutung und Behauptungen
Die Autoren positionieren diese Arbeit als einen grundlegenden Schritt hin zu neuen Rechenmodellen für Cloud-Technologien. Sie behaupten, dass:

• Stabilität und Komplexität: Der vorgeschlagene Rahmen die notwendigen Werkzeuge zur Bewertung der strukturellen Komplexität und Stabilität verteilter Systeme bereitstellt, die allein durch traditionelle algorithmische Optimierung schwer zu bestimmen sind.
• Optimierung hybrider Clouds: Die Methoden ermöglichen die Bewertung der Effizienz der Systemübertragung und die Dekomposition lokaler und Cloud-Komponenten basierend auf der Analyse der strukturellen Komplexität.
• Breitere Anwendbarkeit: Obwohl auf Cloud-Systeme fokussiert, können die formulierten Prinzipien auf andere komplexe Aufgaben angewendet werden, wie etwa die Schätzung der strukturellen Komplexität verteilter Datenbanken und die Bewertung der dynamischen Eigenschaften von Systemen, die in hybriden Clouds operieren.
• Paradigmenwechsel: Das Paper argumentt, dass der Übergang zu Cloud-Strukturen einen Wechsel von intuitivem Systemdesign hin zu einer theoretischen Basis erfordert, die auf Regelungstechnik und dynamischen Modellen basiert, um oszillierende Prozesse zu verhindern und eine zuverlässige QoS zu gewährleisten.

Das Paper kommt zu dem Schluss, dass das Instrumentarium der Regelungstechnik einen gangbaren Weg zur Lösung praktischer Probleme im Cloud-Datenbankmanagement bietet, insbesondere im Hinblick auf Stabilität, Steuerbarkeit und das Design effektiver Systeme für große, verteilte Datenbanken.