(Bachelor/Master/Praktikum): Verlässliche Schätzung von Ressourcenverbräuchen

Motivation

Modell-basierte Vorhersagetechniken sind ein mächtiges Werkzeug zum proaktiven Performance- und Ressourcenmanagement in Rechenzentren. Die manuelle Erstellung von Performance-Modellen ist jedoch eine komplexe und zeitaufwändige Aufgabe die umfangreiche experimentelle Analysen benötigt. Aus diesem Grund ist arbeitet unsere Gruppe and Verfahren zur automatischen Extraktion von Performance-Modellen auf Basis von zur Laufzeit gesammelten Beobachtungsdaten. Ein zentraler Teil von Performance-Modellen sind Ressourcenverbräuche, die die benötigten Ressourcen zur Bearbeitung von einzelnen Systemanfragen beschreiben. Es existieren unterschiedliche Verfahren um diese Ressourcenverbräuche auf Basis von Beobachtungsdaten zu schätzen, z.B. mit linearer Regression oder stochastischen Filtern. Die Genauigkeit und Zuverlässigkeit dieser Verfahren hängt jedoch sehr stark von den Charakteristiken der Laufzeitumgebung, der Arbeitslast und den verfügbaren Beobachtungsdaten ab.

Ziele

Das Ziel dieser Arbeit ist die Entwicklung eines Verfahrens, das eine Untermenge der existierenden Verfahren zur Ressourcenverbrauchsschätzung nutzt und die Ergebnisse der verschiedenen Verfahren zu einer Ressorucenverbrauchsschätzung kombiniert. Die Entscheidung wie die Ergebnisse die verschiedenen Methoden in die finale Schätzung einfließen sollte die spezifischen Eigenschaften der Laufzeitumgebung, der Arbeitslast und den Beobachtungsdaten beachten. Im Kontext dieser Arbeit können folgende Teilbereiche bearbeitet werden: (a) die Definition von Konfidenzmetriken for Ressourcenverbrauchsschätzungen, (b) Entscheidungsstragien auf Basis der Informationen über die Laufzeitumgebung, der Arbeitslast und den verfügbaren Beobachtungsdaten, (c) Entwurf und Implementierung eines Frameworks zur dynamischen Auswahl von Schätzmethoden zur Laufzeit, (d) die Evaluation der kombinierten Methoden in einer Fallstudie (insbesondere auch für Fälle mit unterschiedlichen Ressourcen, wie CPU, Festplatte und Netzwerk). Die Fallstudie wird in einer virtualisierten Umgebung mit aktuellen Softwareprodukten (VMware vSphere + JBoss/Wildfly JEE application server) durchgeführt.
 

Zeit

2-6 Monate

Kontakt

Simon Spinner, M.Sc.

simon.spinner@uni-wuerzburg.de