新工具可全面评估数据中心性能

数据中心被无数的公司、机构和其他业务使用，包括电子商务、搜索引擎、在线地图、社交媒体、广告等大型在线服务。这些数据中心共同定位工作负载，这涉及共享数据中心的资源以提高服务器利用率。

但是，这会导致性能下降。为了研究这个问题并找到潜在的解决方案，研究人员需要拥有用于评估工作负载共置的工具。虽然以前开发过此类工具，但它们可能仅以牺牲其他因素为代价来衡量一个方面，从而限制了它们的实用性。

来自中国天津大学和大连理工大学的一组研究人员现在开发了一个名为SDCBench的工作负载共置基准套件，以解决以前的问题并提供全面的分析。

该研究于9月7日发表在《智能计算》杂志上。

“工作负载协同定位会导致性能干扰，从而导致云服务不可预测的性能下降，这不仅会降低用户体验，还会损害数据中心的资源效率，”通讯作者赵来平天津高级重点实验室副教授说。中国天津大学智能与计算学院网络。

为了克服这个问题，研究人员试图通过硬件和软件方法增强云系统的隔离能力——这是指与数据中心资源共享相关的隐私问题。但是，建议的解决方案可能需要软件更新或新硬件，而某些云提供商不能或不会提供这些。

“数据中心对可预测服务性能的需求为寻求提高服务器级资源利用率但不损害应用程序级性能的云系统设计带来了新的挑战和机遇，”赵说。

“不幸的是，缺乏一套全面的工作负载托管基准使得研究这个新出现的问题具有挑战性。工作负载托管基准可以帮助云提供商了解和改进基础设施的隔离能力，从而提高云用户的采用率。”

研究人员开发了SDCBench，这是一个用于工作负载托管的基准套件，其中包括16个延迟关键(意味着响应时间必须有非常小的滞后)服务和应用程序，这些服务和应用程序跨越广泛的云场景。

“SDCBench使云租户能够了解数据中心的性能隔离能力，并选择最适合他们的云服务，”Zhao说。“对于云提供商而言，这也有助于他们提高服务质量以增加收入。”

在引入新基准套件的同时，研究人员提出了延迟熵的概念，其灵感来自熵的物理学定义，表示系统内的无序程度，用于衡量云系统的不确定性。

“当不同应用程序之间发生共享资源争用时，系统行为变得无序且不可预测，”赵说。“为了帮助用户了解具有可观察指标的应用程序性能变化，SDCBench定义了描述尾部延迟变化的延迟熵，用于衡量系统隔离能力。”

研究人员证明，SDCBench可以通过使用简单配置共同定位工作负载来模拟不同的云场景。他们还使用基准工具评估和比较了主要云提供商的延迟熵。

Zhao表示，这项研究最令人兴奋的方面之一是SDCBench和基于它的综合框架是公开的。

“我们已经实现了一个基于SDCBench的综合评估框架，可以在云平台上自动配置、部署和评估应用程序，并且该框架是开源的，可以很容易地扩展到新的云系统，”赵说。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！