Desempenho de Sistemas com Dados Georeplicados com Consistência em Momento Indeterminado e na Linha do Tempo

• Mauricio De Diana USP
• Marco Aurélio Gerosa USP

Resumo

Sistemas web de larga escala replicam dados entre centros de dados para atingir altos níveis de desempenho e disponibilidade. Um modelo de consistência define o balanço entre esses requisitos e a consistência dos dados entre réplicas. Este trabalho comparou experimentalmente o desempenho de um sistema de armazenamento georeplicado usando consistência em momento indeterminado e consistência na linha do tempo. Os resultados mostram que, dependendo da carga de trabalho e das condições de rede, os desempenhos do sistema para cada um dos modelos de consistência são semelhantes. Essa comparação é útil em estimativas de custo de desenvolvimento e de planejamento de capacidade de sistemas web de larga escala.

Referências

Atikoglu, B., et al. (2012). Workload analysis of a large-scale key-value store. SIGMETRICS Perform. Eval. Rev., 40(1):53–64.

Baker, J., et al. (2011). Megastore: Providing scalable, highly available storage for interactive services. Em Proc. Conference on Innovative Data system Research (CIDR), pags. 223–234.

BashoBench (2013). Basho Bench. [link]. [Último Acesso em 01/02/2013.].

Beyer, F., et al. (2011). Testing the Suitability of Cassandra for Cloud Computing Environments Consistency, Availability and Partition Tolerance. Em Proc. 2nd International Conference on Cloud Computing, GRIDs, and Virtualization, pags. 86–91.

Calder, B., et al. (2011). Windows azure storage: a highly available cloud storage service with strong consistency. Em Proc. 23rd ACM Symposium on Operating Systems Principles, SOSP ’11, pags. 143–157.

Cooper, B. F., et al. (2008). Pnuts: Yahoo!’s hosted data serving platform. Proc. VLDB Endowment (PVLDB), 1(2):1277–1288.

Cooper, B. F., et al. (2010). Benchmarking cloud serving systems with ycsb. Em Proc. 1st ACM symposium on Cloud computing, SoCC ’10, pags. 143–154.

DeCandia, G., et al. (2007). Dynamo: Amazon’s highly available key-value store. SIGOPS Oper. Syst. Rev., 41(6):205–220.

ESnet (2012). Host Tuning. [link]. [Último Acesso em 01/02/2013.].

Glendenning, L., et al. (2011). Scalable consistency in scatter. Em Proc. 23rd ACM Symposium on Operating Systems Principles, SOSP ’11, pags. 15–28.

Grid5000 (2013). Grid’5000. [link]. [Último Acesso em 01/02/2013.].

Jain, R. (1991). The Art Of Computer Systems Performance Analysis. Wiley.

Kadambi, S., et al. (2011). Where in the world is my data? Proc. VLDB Endowment (PVLDB), 4(11):1040–1050.

Lloyd, W., et al. (2011). Don’t settle for eventual: scalable causal consistency for wide-area storage with cops. Em Proc. 23rd ACM Symposium on Operating Systems Principles, SOSP ’11, pags. 401–416.

PingER (2013). Ping End-to-end Reporting. [link]. [Último Acesso em 01/02/2013.].

Pujol, J. M. (2012). Having fun with Redis Replication between Amazon and Rackspace. [link]. [Último Acesso em 01/02/2013.].

Riak (2013). Riak. [link]. [Último Acesso em 01/02/2013.].

Sovran, Y., et al. (2011). Transactional storage for geo-replicated systems. Em Proc. 23rd ACM Symposium on Operating Systems Principles, SOSP ’11, pags. 385–400.

van Renesse, R. e Schneider, F. B. (2004). Chain replication for supporting high throughput and availability. Em Proc. 6th Symposium on Operating Systems Design & Implementation, OSDI’04, pags. 7–7.

Vogels, W. (2009). Eventually consistent. Communications of ACM, 52(1):40–44.