Зменшення витрат на хмарну інфраструктуру за рахунок управління завданнями

Анотація

Перехід все більшої кількості підприємств від своєї обчислювальної інфраструктури в хмари обумовлений зменшенням витрат на її підтримку, найширшими можливостями по масштабуванню, наявністю великої кількості засобів автоматизації діяльності. Відповідно хмарні провайдери надають все більшу кількість різноманітних засобів та інструментів для роботи у хмарах. У свою чергу, це породжує завдання раціонального вибору типів хмарних послуг відповідно до особливостей розв'язуваних завдань. Одним із найпопулярніших напрямів зусиль споживачів хмарних сервісів є зменшення витрат на оренду. Основною базою цього напряму є використання спотових ресурсів. У статті запропоновано методику зменшення витрат на оренду обчислювальних ресурсів у хмарі за рахунок динамічного управління розміщенням обчислювальних завдань, яке враховує можливе недозавантаження планових ресурсів, прогноз появи спотових ресурсів та вартості на них. Для кожної задачі формується вектор стану, що враховує тривалість виконання завдання та необхідний граничний термін виконання. Для відповідних наборів обчислювальних ресурсів формуються вектора прогнозу доступності на заданому часовому інтервалі, рахуючи від поточного моменту часу. Методика пропонує прораховувати в кожен дискретний момент часу найбільш раціональний варіант розміщення задачі на одному з ресурсів та затримку запуску задачі на ньому. Варіант розміщення та затримки запуску визначаються шляхом мінімізації функції вартості оренди на тимчасовому інтервалі за допомогою генетичного алгоритму. Однією з особливостей використання спотових ресурсів є аукціонний механізм їх надання хмарним провайдером. Це означає, що якщо є кращі пропозиції ціни оренди від будь-якого споживача, то провайдер може попередити вас про відключення ресурсу і зробити це відключення через оголошений час. Для мінімізації наслідків від такого відключення методика передбачає попередню підготовку завдань шляхом розбиття їх на підетапи з можливістю швидкого збереження поточних результатів у пам'яті та подальшого перезапуску з місця зупинки. Крім цього, для збільшення ймовірності того, що завдання не буде перервано, використовується прогноз ціни на типи ресурсів, що використовуються, і на аукціон хмарного провайдера пропонується дещо завищена ціна, порівняно з прогнозом. На прикладі використання середовища Elastic Cloud Computing (EC2) хмарного провайдера AWS показана ефективність запропонованої методики.