Walidacja i testy systemu DRAS (Dynamic Resource Allocation System).

Komentarz: Zwiększenie o 50% alokacji rdzeni procesora dla maszyny wirtualnej niewiele zmieniło, bo próba wykonała się w czasie 4 min 21 s, czyli o około 4% krótszym niż poprzednia. Każdy wątek mógł wykorzystać 100% jednego rdzenia spośród zaalokowanych zasobów procesora. Oznacza to, że zadanie nie mogło być wykonane szybciej. W poprzedniej próbie niemal osiągnięty został poziom 100% i prawdopodobnie dodanie jednego rdzenia do 16, dałoby taki sam wynik jak w analizowanej próbie.

Podsumowanie: Na podstawie kilku prób, składających się na scenariusz testowy, można zauważyć, że kolejne zmiany alokacji zasobów procesora (rdzenie) dla maszyny wirtualnej, znacząco skracały czas wykonania zadania, dopóki każdy z jego wątków nie miał do dyspozycji jednego rdzenia procesora na wyłączność. Po osiągnięciu takiego stanu, dalsze zwiększanie ilości rdzeni alokowanych wirtualnej maszynie, nie miało już sensu, bo „nadmiarowe” rdzenie nie brały udziału w realizacji zadania. Generalnie, jeden wątek zadania wykorzystuje maksymalnie jeden rdzeń, ale jeden rdzeń może być wykorzystywany przez wiele wątków. Ta prosta reguła została doskonale ukazana w przeprowadzonym teście. Ponadto potwierdzone zostało, że czas wykonania zadania jest wprost proporcjonalny do ilości przydzielonych rdzeni, dopóki ilość rdzeni jest mniejsza od ilości wątków. Można z tego wyciągnąć dwojakie wnioski. Rejestrowanie ilości aktywnych wątków mogłoby udoskonalić algorytm dynamicznej alokacji zasobów, poprzez optymalizację przydziałów dokonywanych dla bardzo obciążonych maszyn wirtualnych. Możliwe, że w pewnych sytuacjach warto pozostawić wyższe obciążenie, nie angażując dodatkowych rdzeni, które i tak już nie spowodują bardziej ekonomicznego wykonania zadania. Czas wykonania zadania ma wpływ na ilość mocy pobieranej przez serwer. Przyśpieszanie zadań, które generują najwięcej obciążenia na serwerze, jest dodatkowym efektem dynamicznej alokacji zasobów. Zatem możliwe są do osiągnięcia dodatkowe oszczędności energii, obserwowane w dłuższej perspektywie czasu. Zidentyfikowane korelacje wymagają poszerzenia procesu akwizycji danych o dodatkowe informacje statystyczne oraz wdrożenia bardziej zaawansowanych modeli uczenia maszynowego, pozwalających przetwarzać znacznie szerszy zbiór danych. Algorytmy powinny dążyć do znajdowania najlepszego balansu między poziomem obciążenia i czasem wykonywania zadań, poprzez dynamiczną alokację zasobów, wpływając ostatecznie na obniżenie zużycia energii elektrycznej przez serwer.

Test 6:

Badanie wpływu alokacji zasobów na szybkość wykonywania dokładnie takich samych zadań przez maszyny wirtualne i pobór mocy przez serwer, w środowisku laboratoryjnym, w warunkach symulujących rzeczywiste. Badanie o charakterze koncepcyjno-kierunkowym, dające pogląd na korelacje między alokacją zasobów, szybkością wykonywania zadań, a poborem mocy przez serwer.

Metodologia: Testy zostały wykonane na trzech maszynach wirtualnych z zainstalowanym systemem operacyjnym Ubuntu (Linux), przy zastosowaniu programu stress-ng. Komenda uruchamiająca procesy: stress-ng --matrix 10 --matrix-ops 6000000 --matrix-method all --matrix-size 250 --timeout 60m --metrics, czyli 10 wątków i 6 milionów obliczeń na macierzach o rozmiarze 250x250, w czasie maksymalnie 60 minut. Obciążenie procesora generowane było poprzez dokładnie takie same zadania, równocześnie na wszystkich maszynach wirtualnych.