Avaliação de Desempenho de Migração ao Vivo de Contêineres com Redes de Petri Estocásticas
Resumo
Atualmente, a maioria dos data centers em todo o mundo utiliza microsserviços e contêineres. Contêineres normalmente são executados em um único host de controle, acessando um único kernel. Uma alternativa para mitigar o problema de indisponibilidade e perda de desempenho é migrar contêineres entre hosts. Existem utilitários como o Checkpoint Restoration In Userspace (CRIU) que podem ser usados especificamente para realizar migração de contêineres, porém não é fácil escolher uma política de migração específica considerando as particularidades arquiteturais e do software que está executando de forma distribuída nos contêineres. Este artigo propõe um modelo de rede de Petri estocástica (SPN) para modelar políticas de migração de contêineres (que também pode ser aplicado no contexto de máquinas virtuais - VMs), avaliando o tempo médio de migração de tais elementos. O modelo permite também calcular a probabilidade de cada política finalizar o processo de migração em determinado espaço de tempo. Este é o primeiro trabalho com estas características no contexto de migração de elementos virtualizáveis.
Referências
Conforti, L., Virdis, A., Puliafito, C., and Mingozzi, E. (2021). Extending the quic protocol to support live container migration at the edge. In 2021 IEEE 22nd International Symposium on a World of Wireless, Mobile and Multimedia Networks (WoWMoM), pages 61–70. IEEE.
German, R. (2000). Performance analysis of communication systems with non-Markovian stochastic Petri nets. John Wiley & Sons, Inc.
Jain, R. (1990). The art of computer systems performance analysis: techniques for experimental design, measurement, simulation, and modeling. john wiley & sons.
Junior, P. S., Miorandi, D., and Pierre, G. (2020). Stateful container migration in geo-distributed environments. In 2020 IEEE International Conference on Cloud Computing Technology and Science (CloudCom), pages 49–56. IEEE.
Maciel, P., Matos, R., Silva, B., Figueiredo, J., Oliveira, D., Fé, I., Maciel, R., and Dantas, J. (2017). Mercury: Performance and dependability evaluation of systems with exponential, expolynomial, and general distributions. In 2017 IEEE 22nd Pacific Rim international symposium on dependable computing (PRDC), pages 50–57. IEEE.
Maheshwari, S., Choudhury, S., Seskar, I., and Raychaudhuri, D. (2018). Traffic-aware dynamic container migration for real-time support in mobile edge clouds. In 2018 IEEE International Conference on Advanced Networks and Telecommunications Systems (ANTS), pages 1–6. IEEE.
Marsan, M. A., Balbo, G., Conte, G., Donatelli, S., and Franceschinis, G. (1998). Modelling with generalized stochastic petri nets. ACM SIGMETRICS performance evaluation review, 26(2):2.
Nelson, R. (2013). Probability, stochastic processes, and queueing theory: the mathematics of computer performance modeling. Springer Science & Business Media.
Pickartz, S., Eiling, N., Lankes, S., Razik, L., and Monti, A. (2016). Migrating linux containers using criu. In High Performance Computing: ISC High Performance 2016 International Workshops, ExaComm, E-MuCoCoS, HPC-IODC, IXPUG, IWOPH, Pˆ 3MA, VHPC, WOPSSS, Frankfurt, Germany, June 19–23, 2016, Revised Selected Papers 31, pages 674–684. Springer.
Puliafito, C., Vallati, C., Mingozzi, E., Merlino, G., Longo, F., and Puliafito, A. (2019). Container migration in the fog: A performance evaluation. Sensors, 19(7):1488.
Qiu, Y., Lung, C.-H., Ajila, S., and Srivastava, P. (2019). Experimental evaluation of lxc container migration for cloudlets using multipath tcp. Computer Networks, 164:106900.
Ramanathan, S., Kondepu, K., Razo, M., Tacca, M., Valcarenghi, L., and Fumagalli, A. (2021). Live migration of virtual machine and container based mobile core network components: A comprehensive study. IEEE Access, 9:105082–105100.
