Home » Uncategorized » Mengefisienkan Cloud Computing

Mengefisienkan Cloud Computing

Bagi database-driven applications, software baru dapat mengurangi kebutuhan hardware sebesar 95 persen sejalan dengan usaha meningkatkan kinerja

http://img.mit.edu/newsoffice/images/article_images/20130311152245-0.jpg

 

Bagi banyak perusahaan, memindahkan server web-aplikasi mereka ke server cloud merupakan pilihan yang menarik, karena layanan cloud-computing menawarkan keekonomisan, dukungan teknis yang kuat dan akomodasi yang mudah untuk menghadapi fluktuasi permintaan.
Bagi aplikasi yang sangat bergantung pada query database, cloud hosting dapat menimbulkan masalah. Layanan Cloud sering mempartisi server mereka menjadi “mesin virtual,” yang masing-masing melakukan banyak operasi per detik pada central processing unit server, begitu banyak memakan ruang di memori, dan sebagainya. Itu membuat server cloud lebih mudah untuk dikelola, tapi untuk  aplikasi database-intensive, dapat mengakibatkan alokasi sekitar 20 kali dari jumlah perangkat keras yang seharusnya diperlukan dan biaya yang overprovisioning itu akan dibebankan ke pelanggan

Peneliti MIT sedang mengembangkan sebuah sistem baru yang disebut DBSeer yang akan membantu memecahkan masalah, seperti harga cloud services dan mendiagnosis aplikasi yang melambat. Pada Biennial Conference on Innovative Data Systems Research, para peneliti mencanangkan visi mereka untuk DBSeer dan pada bulan Juni, pada pertemuan tahunan the Association for Computing Machinery’s Special Interest Group on Management of Data (SIGMOD), mereka akan mengungkapkan algoritma di pusat DBSeer, yang menggunakan teknik machine-learning teknik untuk membangun model yang akurat tentang kinerja dan resource demands dari aplikasi database-driven.

Keuntungan DBSeer ini tidak terbatas pada cloud computing, baik. Teradata, perusahaan database besar, telah menugaskan beberapa insinyur mereka untuk tugas mengimpor algoritma baru para peneliti MIT  yang telah dirilis di bawah lisensi open-source ke dalam software mereka sendiri.

Keterbatasan Virtual

Barzan Mozafari, Mahasiswa Postdoc di lab profesor teknik elektro dan ilmu komputer Samuel Madden dan penulis utama pada kedua paper baru, menjelaskan bahwa dengan mesin virtual,  server recources harus dialokasikan sesuai dengan permintaan puncak sebuah aplikasi. “Kau tidak akan memikul beban puncak Anda sepanjang waktu,” kata Mozafari. “Jadi itu berarti bahwa resource tersebut akan kurang dimanfaatkan dalam sebagian besar waktu.”

Selain itu, Mozafari mengatakan provisioning untuk permintaan puncak sebagian besar merupakan pekerjaan menduga-duga. “Ini sangat berlawanan tetapi Anda mungkin mengambil beberapa jenis beban tambahan yang mungkin bisa membantu kinerja Anda secara keseluruhan.” Kata Mozafari. Peningkatan permintaan berarti bahwa server database akan menyimpan lebih banyak data yang sering digunakan dalam memori kecepatan tinggi, yang dapat membantu memproses pemanggilan data  lebih cepat.

Di sisi lain, sedikit peningkatan dalam permintaan dapat menyebabkan sistem untuk melambat secara drastis, jika misalnya, terlalu banyak permintaan memerlukan modifikasi dari potongan-potongan data yang sama, yang perlu diperbaharui di beberapa server. “Ini sangat nonlinier,” kata Mozafari.
Mozafari, Madden, Postdoc Alekh Jindal, dan Carlo Curino, mantan anggota kelompok Madden yang sekarang di Microsoft, menggunakan dua teknik yang berbeda dalam paper SIGMOD untuk memprediksi bagaimana sebuah aplikasi database-driven akan merespon beban yang meningkat. Mozafari menggambarkan teknik pertama sebagai pendekatan “kotak hitam”: DBSeer hanya memonitor fluktuasi baik dalam jumlah dan jenis permintaan pengguna dan kinerja sistem dan menggunakan teknik machine-learning untuk menghubungkan keduanya. Pendekatan ini baik untuk memprediksi konsekuensi dari fluktuasi yang tidak jatuh terlalu jauh di luar jangkauan training data.

Area Kelabu

Seringkali database manager atau calon pelanggan cloud computing akan tertarik pada konsekuensi dari empat kali lipat sepuluh kali lipat, atau bahkan seratus dari peningkatan permintaan. Bagi jenis prediksi seperti ini Mozafari menjelaskan, DBSeer menggunakan model “gray box”, yang memperhitungkan keistimewaan sistem database tertentu.

Mozafari menjelaskan, misalnya,  pemutakhiran data yang disimpan pada hard drive memakan waktu, sehingga kebanyakan server database mencoba untuk menunda operasi itu selama mereka bisa, bukan menyimpan modifikasi data dalam memori utama dengan tempo lebih cepat namun stabil. Pada beberapa titik, bagaimanapun, server harus melakukan modifikasi yang tertunda ke disk, dan kriteria untuk mengambil keputusan dapat bervariasi dari satu sistem database denga yang lain.
Versi DBSeer dipresentasikan pada SIGMOD meliputi gray-box model MySQL, salah satu sistem database yang paling banyak digunakan. Para peneliti sedang membangun sebuah model baru untuk sistem lain yang populer, PostgreSQL. Meskipun mengadaptasi model bukan usaha yang sepele, model disesuaikan dengan hanya beberapa sistem akan menutupi sebagian besar aplikasi Web database-driven.

Para peneliti menguji algoritma prediksi mereka terhadap kedua set dari data benchmark, disebut TPC-C, yang umum digunakan dalam penelitian database dan menghadapi dunia nyata data pada modifikasi ke database Wikipedia. Rata-rata, model ini sekitar 80 persen akurat dalam memprediksi penggunaan CPU dan 99 persen akurat dalam memprediksi bandwidth yang dikonsumsi oleh disk operation.

“Kami benar-benar terpesona dan senang bahwa ada seseorang yang melakukan pekerjaan ini,” kata Doug Brown, arsitek software database di Teradata. “Kami sudah mengambil kode dan sedang membuat prototype sekarang.” Awalnya, Brown mengatakan, Teradata akan menggunakan algoritma prediksi para peneliti MIT untuk menentukan persyaratan resource pelanggan. “Pertanyaan yang sangat besar bagi pelanggan kami adalah, ‘Bagaimana kami akan menjadi skala?'” Kata Brown.

Brown berharap, bahwa algoritma akhirnya akan membantu mengalokasikan sumber daya server pada saat bekerja sebesar permintaan database yang masuk. Jika server dapat menilai kebutuhan yang dipengaruhi oleh permintaan individu dan anggaran secara sesuai, mereka dapat memastikan bahwa frekuensi transaksi tetap dalam batas-batas yang ditetapkan oleh perjanjian layanan pelanggan. Misalnya, “jika Anda memiliki dua hal besar itu, sumber daya konsumen yang besar, Anda dapat menghitung waktu untuk menjalankan dua hal ini secara paralel,” kata Brown. “Ada semua jenis permainan Anda mainkan dalam manajemen beban kerja.”

 

 

http://web.mit.edu/newsoffice/2013/making-cloud-computing-more-efficient-0312.html

Comments

comments

BERITA TERBARU