A one-year measurement of quota-induced waste in private clouds
Cet article analyse une année de données opérationnelles de cloud privé pour révéler que la gestion des ressources basée sur des quotas, combinée au comportement des utilisateurs consistant à provisionner pour la demande de pointe et à la survente administrative, entraîne des inefficacités significatives caractérisées par un épuisement persistant des quotas malgré une capacité disponible et une inactivité prolongée des machines virtuelles.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le monde de l'informatique, il existe une tension constante entre disposer d'une puissance suffisante pour accomplir une tâche et gaspiller cette puissance lorsqu'elle reste inactive. Les services de cloud public, comme ceux utilisés par les grandes entreprises, résolvent souvent ce problème en facturant aux utilisateurs chaque seconde de temps informatique consommé. Ce prix agit comme un frein naturel ; si un serveur n'effectue pas de travail utile, l'utilisateur cesse de payer pour celui-ci et le met hors service. Les clouds privés, en revanche, fonctionnent différemment. Ce sont des environnements informatiques dédiés, possédés par des universités, des laboratoires de recherche ou de grandes entreprises, où les utilisateurs ne paient pas de facture pour les ressources qu'ils utilisent. À la place, les administrateurs fixent une limite fixe, appelée quota, sur la quantité de puissance de calcul que chaque équipe peut réserver. L'idée est simple : donner à chaque équipe une part équitable de la capacité totale afin qu'un groupe ne dévore pas tout. Mais sans un prix pour décourager le gaspillage, une dynamique étrange peut apparaître. Les équipes peuvent s'emparer de toute la puissance de calcul qui leur est autorisée, juste au cas où elles en auraient besoin plus tard, laissant cette puissance inutilisée tandis que d'autres équipes peinent à trouver de l'espace.
Des chercheurs de la Fédération de l'Université de Campina Grande au Brésil et de l'Université de Piemonte Orientale en Italie ont décidé d'étudier ce gaspillage invisible. Ils ont passé une année entière, de mai 2024 à mai 2025, à observer le battement de cœur numérique d'un cloud privé utilisé par leur propre université. Ce système, construit sur un logiciel open-source appelé OpenStack, dessert des centaines de chercheurs et d'étudiants. C'est une machine massive, capable de faire fonctionner plus de mille ordinateurs virtuels simultanément, avec une capacité de mémoire totale de 1 024 gigaoctets. L'équipe n'a pas seulement regardé la quantité de puissance utilisée ; elle a examiné la quantité de puissance réservée par rapport à la quantité de puissance effectuant réellement un travail. Ils ont collecté plus de 64 millions de points de données, suivant chaque machine virtuelle, chaque projet et chaque intervalle d'activité de cinq minutes. Leur objectif était de voir si les règles destinées à maintenir l'équité rendaient en réalité le système inefficace.
Ce qu'ils ont découvert, c'est un système pris au piège d'un paradoxe de sa propre création. Le cloud a été conçu avec une marge de sécurité, ce qui signifie que le montant total de la puissance de calcul promis à toutes les équipes combinées est en réalité supérieur à ce que la machine physique peut contenir à un instant donné. C'est une pratique courante appelée "overselling" (survente), basée sur l'espoir que tout le monde n'aura pas besoin de sa part complète au même moment. En réalité, la machine physique atteignait rarement sa limite ; elle n'était complètement pleine qu'environ 3 % des jours. Pourtant, malgré cette abondance d'espace vide, de nombreuses équipes étaient constamment bloquées dans la création de nouvelles machines virtuelles. Les chercheurs ont découvert qu'au moins la moitié des projets se heurtaient à un mur où ils ne pouvaient pas provisionner ne serait-ce que le plus petit ordinateur possible parce qu'ils avaient épuisé leur propre allocation de quota. Environ 14 % de ces projets sont restés dans cet état pendant toute la durée de l'étude. Plus révélateur encore, environ 27 % des projets étaient empêchés d'ajouter de nouvelles machines même lorsque l'ensemble du cluster utilisait seulement 70 à 80 % de sa mémoire physique totale. Le goulot d'étranglement n'était pas un manque de matériel ; c'était la rigidité des règles du système de quota lui-même.
La raison de ce blocage réside dans la façon dont les utilisateurs se comportent lorsqu'il n'y a pas de coût pour conserver des ressources. L'étude a révélé un schéma de thésaurisation des ressources. Lorsqu'une équipe reçoit un quota, elle a tendance à réclamer sa part complète immédiatement, en provisionnant souvent des machines virtuelles bien avant d'en avoir réellement besoin. Ces machines restent ensuite inactives, consommant leur part du quota, pendant que l'équipe attend le début d'un projet futur. Les chercheurs ont mesuré cela en observant le temps qu'une machine virtuelle passait à travailler réellement par rapport au temps qu'elle passait à ne rien faire. Ils ont défini l'« usage significatif » comme les moments où le processeur calculait activement, en ignorant les moments où la machine ne faisait que stocker des données en mémoire. Les résultats sont frappants : à travers l'ensemble du système, les machines virtuelles ont passé plus de deux fois plus de temps inactives qu'en usage significatif. Bien que la moitié des machines aient commencé à travailler le jour même de leur création, un nombre important est resté totalement inutilisé pendant des semaines, voire des mois.
Ce comportement crée un cercle vicieux. Parce que les utilisateurs ne peuvent pas être certains de récupérer les ressources plus tard s'ils les abandonnent, ils les conservent étroitement. Ils créent une machine virtuelle aujourd'hui, la laissent fonctionner sans rien faire, et la maintiennent là pendant des semaines, juste pour s'assurer qu'elle sera disponible lors de l'arrivée d'une échéance. C'est un choix rationnel pour l'équipe individuelle, mais c'est désastreux pour le système dans son ensemble. Cela signifie que pendant qu'une équipe est assise sur un tas de puissance de calcul inutilisée, une autre équipe est incapable de lancer un nouveau projet parce que son quota est plein. Les chercheurs ont noté que ce n'est pas un échec du matériel ou un manque de demande ; c'est un échec de la structure d'incitation. Sans un prix à payer pour le temps d'inactivité, et sans un moyen de garantir l'accès futur via un système de réservation, la seule stratégie sûre pour un utilisateur est de thésauriser.
L'étude suggère que la solution n'est pas simplement de construire de plus grosses machines ou de distribuer plus de quotas, car cela ne ferait que mener à plus de thésaurisation. Au lieu de cela, les administrateurs doivent changer les règles du jeu. Ils pourraient introduire des mécanismes permettant aux utilisateurs de réserver des ressources pour un temps futur spécifique, leur offrant la sécurité qu'ils recherchent actuellement sans les forcer à conserver des machines inactives. Ils pourraient également mettre en œuvre des systèmes qui détectent lorsqu'une machine est restée inutilisée trop longtemps et récupèrent automatiquement cet espace pour les autres. Les données montrent qu'une énorme quantité de puissance de calcul potentielle est gaspillée, non pas parce qu'elle est défectueuse, mais parce que les gens qui l'utilisent jouent à un jeu où les règles les encouragent à saisir et à garder. En comprenant ce comportement, les chercheurs espèrent concevoir des clouds privés qui ne sont pas seulement équitables en théorie, mais efficaces en pratique, garantissant que les puissantes machines construites pour la recherche sont réellement utilisées pour la recherche.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.