Concept of Feedback in Future Computing Models to Cloud Systems

Sintesi Tecnica: Concetto di Feedback nei Modelli di Calcolo Futuri per i Sistemi Cloud

Problematica
Il documento affronta l'urgente necessità di garantire la Qualità del Servizio (QoS) nei sistemi di calcolo distribuiti, in particolare poiché i servizi cloud e le strutture di big data stanno diventando sempre più distribuiti. Le sfide attuali includono la difficoltà di partizionare le informazioni nelle infrastrutture cloud ibride senza degradazione delle prestazioni, le limitazioni dei sistemi di trasmissione e dei database esistenti nel cloud, e la dipendenza dai canali di comunicazione. Gli strumenti di ottimizzazione tradizionali, come la teoria dei grafi e la matematica discreta utilizzati per l'ottimizzazione delle query, sono considerati insufficienti per modellare l'architettura fondamentalmente diversa dei sistemi cloud, che prevede la riallocazione dinamica delle risorse, la virtualizzazione e canali a larghezza di banda variabile. Gli autori sostengono che, senza un meccanismo per la gestione operativa delle risorse basato sugli stati in tempo reale, i sistemi rischiano l'instabilità, processi oscillatori e un utilizzo inefficiente delle risorse.

Metodologia
Gli autori propongono di passare da modelli di calcolo statici o puramente sequenziali/paralleli a un approccio di sistema di controllo dinamico che utilizza cicli di feedback (anelli di retroazione). La metodologia centrale prevede:

1. Modellazione Dinamica: Il sistema cloud è modellato come un sistema dinamico a tempo discreto utilizzando equazioni alle differenze. Lo stato del sistema $x(t)$ (ad esempio, l'utilizzo della CPU, il carico del canale, lo stato della macchina virtuale) al tempo $t+1$ è definito come una funzione dello stato corrente e degli input di controllo $u(t)$ (ad esempio, segnali di allocazione delle risorse). Il modello è rappresentato come:
   $$x(t+1) = Ax(t) + Bu(t)$$
   dove $x$ è un vettore di stato $n$-dimensionale e $u$ è un vettore di controllo $m$-dimensionale.
2. Integrazione del Feedback: L'approccio introduce il feedback per monitorare lo stato attuale dei carichi di lavoro delle macchine virtuali e lo stato di completamento delle query. Ciò consente la gestione operativa delle risorse piuttosto che un semplice monitoraggio passivo.
3. Schema di Controllo: Viene sviluppato uno schema di gestione specifico per i cloud ibridi (composti da server locali, cloud privati e cloud pubblici). L'algoritmo prevede:
   • L'allocazione e il monitoraggio dei tipi di traffico.
   • L'attivazione di un modulo di controllo dinamico quando il carico del canale si avvicina a una soglia del 70%.
   • L'uso di modelli predittivi per regolare la larghezza del canale (banda) in base al traffico previsto per le richieste ad alta priorità.
   • La riduzione dinamica della larghezza di banda per il traffico a bassa priorità se il traffico ad alta priorità aumenta, garantendo che non scenda al di sotto di un valore critico.
4. Validazione Sperimentale: Gli autori hanno condotto esperimenti utilizzando dati semi-strutturati (articoli, tutorial, quiz) in un ambiente di database di grandi dimensioni. Hanno confrontato le prestazioni del sistema con e senza il proposto meccanismo di controllo dinamico, analizzando gli istogrammi del carico del canale su un periodo di un anno.

Contributi Chiave

• Applicazione della Teoria del Controllo: Il documento sostiene l'applicazione dei concetti della teoria del controllo — specificamente l'analisi della stabilità, l'osservabilità, la raggiungibilità e la controllabilità — alla gestione dei database cloud e all'infrastruttura cloud ibrida.
• Modello Dinamico per i Cloud Ibridi: Presenta un modello dinamico che tiene conto della complessità strutturale degli ambienti ibridi, inclusa l'interazione tra server locali, cloud privati e cloud pubblici.
• QoS Guidata dal Feedback: Il lavoro dimostra che l'introduzione di cicli di feedback consente il controllo dinamico dell'allocazione delle risorse, andando oltre i design di sistema intuitivi o statici che possono portare a risonanza o esaurimento delle risorse.
• Algoritmo di Prioritizzazione del Traffico: Un algoritmo specifico è formulato per la prioritizzazione dinamica del traffico a livello di routing per mantenere la QoS durante la congestione.

Risultati
I risultati sperimentali indicano che l'implementazione dell'algoritmo di controllo dinamico ha migliorato significativamente le prestazioni del sistema:

• Analisi dell'Istogramma: L'istogramma empirico della frequenza del carico del canale è passato da una distribuzione con "code" e picchi (che indicano un'alta varianza e potenziale congestione) a una distribuzione più stabile quando viene applicato il controllo.
• Perdita di Pacchetti: Il numero di pacchetti scartati è diminuito.
• Miglioramento della QoS: Lo studio afferma che l'uso dell'approccio alle query basato su thread con controllo dinamico ha ottenuto una Qualità del Servizio superiore.
• Produttività: Nello specifico setup sperimentale, l'uso del cloud con questo meccanismo di controllo ha comportato nessuna perdita di produttività per alcuna singola richiesta.

Significatività e Rivendicazioni
Gli autori posizionano questo lavoro come un passo fondamentale verso nuovi modelli computazionali per le tecnologie cloud. Essi sostengono che:

• Stabilità e Complessità: Il framework proposto fornisce gli strumenti necessari per valutare la complessità strutturale e la stabilità dei sistemi distribuiti, che sono difficili da determinare utilizzando solo l'ottimizzazione algoritmica tradizionale.
• Ottimizzazione del Cloud Ibrido: I metodi consentono di valutare l'efficienza di trasmissione del sistema e la decomposizione dei componenti locali e cloud in base all'analisi della complessità strutturale.
• Ampia Applicabilità: Sebbene focalizzato sui sistemi cloud, i principi formulati possono essere applicati ad altri compiti complessi, come la stima della complessità strutturale dei database distribuiti e la valutazione delle caratteristiche dinamiche dei sistemi che operano in cloud ibridi.
• Cambio di Paradigma: Il documento sostiene che il passaggio alle strutture cloud necessita di un passaggio dal design di sistema intuitivo a una base teorica fondata sui sistemi di controllo e sui modelli dinamici per prevenire processi oscillatori e garantire una QoS affidabile.

Il documento conclude che l'apparato della teoria del controllo offre una via percorribile per risolvere problemi pratici nella gestione dei database cloud, specificamente riguardo alla stabilità, alla controllabilità e alla progettazione di sistemi efficaci per database distribuiti di grandi dimensioni.