Симуляція ІТ-інфраструктури із розглядом аспектів критичності для управління якістю послуг
DOI:
https://doi.org/10.34185/1562-9945-1-132-2021-04Ключові слова:
simulation, modelling, IT infrastructure, quality of service management, QoS, critical IT infrastructureАнотація
Перевірка гіпотез щодо управління якістю послуг в ІТ-інфраструктури вимагає наявність великих і складних центрів обробки даних з достатньою кількістю ресурсів для дослідження різних можливих сценаріїв роботи інфраструктури під час надання ІТ-послуг. Для спрощення на сьогодні вже існує кілька десятків рішень для симуляції центрів обробки даних, проте більша частина з них зосереджена на продуктивності або на енергетичній складовій, проте не існує рішень, які можуть дозволити накласти додаткові обмеження та дослідити суб’єктивний показник якості послуг.
Метою дослідження було виявлення математичних моделей для накладання об-межень на моделі симуляції у вигляді критичності і запропонувати новий засіб для проведення симуляцій ІТ-інфраструктури.
У якості методики дослідження виступало визначення існуючих способів моде-лювання центрів обробки даних та синтез модифікованого способу засобами моделю-вання та симуляції мовою програмування R.
Розроблений інструмент симуляції ІТ-інфраструктури дозволяє відтворити сце-нарії, подібні до реального життя, оскільки базуються на використанні значень, зге-нерованих випадковим чином згідно з щільністю випадкового розподілу значень з даних моніторингу реальної системи. Спрощений сценарій симуляцій показав, що протягом симуляції тривалістю 24 умовних годин використання ресурсів планувальника зайняло майже 80 відсотків часу, при цьому обчислювальний ресурс простоював, що може розглядатися як відповідність до звіту використання справжніх даних.
У висновку, для моделювання поведінки реальної системи окрім використання аналітичних моделей можна використовувати емпіричні моделі. При цьому, з невели-ким похибками можливо отримати чіткий імовірнісній розподіл значень того чи іншого параметру реальної системи. Використання розширення simmer в мові програ-мування R дозволяє розширити ідею використання емпіричних даних для моделювання поведінки.
Посилання
Papazoglou M. P. Service-Oriented Computing: State of the Art and Research Challenges / M. P. Papazoglou, P. Traverso, S. Dustdar, F. Leymann // Computer, vol. 40, no. 11. – Nov. 2007. – pp. 38-45. doi: 10.1109/MC.2007.400.
Rolik O. Decomposition-Compensation Method for IT Service Management / O. Rolik, V. Kolesnik, D. Halushko // Advances in Intelligent Systems and Computing, Advances in Intel-ligent Systems and Computing, 2017. – pp. 89–107. doi: 10.1007/978-3-319-44260-0_6
Mansouri N. Cloud computing simulators: A comprehensive review, Simulation Modelling Practice and Theory / Mansouri, R. Ghafari, B. Mohammad Hasani Zade // Simulation Modelling Practice and Theory, 2020. – Vo. 104. – 102144. ISSN 1569-190X, doi:10.1016/j.simpat.2020.102144.
Zola E. Discrete Event Simulation of Wireless Cellular Networks / E. Zola, I. Martin-Escalona, F. Barcelo-Arroyo // Discrete Event Simulations. – 2010. doi: 10.5772/9903.
Szczerbicka H. Discrete Event Simulation with Application to Computer Communication Systems Performance / H. Szczerbicka, K. Trivedi, P. Choudhary // Information Technology, 2004. – pp. 271–304. doi: 10.1007/1-4020-8159-6_10.
Shannon R. Systems Simulation: The Art and Science // R. Shannon, J. Johannes // IEEE Transactions on Systems, Man, and Cybernetics, 1976. – vol. -6. – no. 10. – pp. 723–724. Available: 10.1109/tsmc.1976.4309432.
Nguyen T. Stochastic Reward Net-based Modeling Approach for Availability Quantifica-tion of Data Center Systems / T. Nguyen, D. Min, E. Choi // Dependability Engineering, 2018. doi: 10.5772/intechopen.74306.
Rybnicek M. A Generic Approach to Critical Infrastructure Modeling and Simulation / M. Rybnicek, R. Poisel, M. Ruzicka, S. Tjoa // 2012 International Conference on Cyber Security, 2012. doi: 10.1109/cybersecurity.2012.25.
Popov P. Preliminary Interdependency Analysis (PIA): Method and Tool Support / P. Popov // Lecture Notes in Computer Science, 2011. – pp. 1–8, doi: 10.1007/978-3-642-24124-6_1.
Netkachov O. Model-Based Evaluation of the Resilience of Critical Infrastructures Under Cyber Attacks / O. Netkachov, P. Popov and K. Salako // Critical Information Infrastructures Security, 2016. – pp. 231–243, doi: 10.1007/978-3-319-31664-2_24.
Bloomfield R. Preliminary interdependency analysis: An approach to support critical-infrastructure risk-assessment / R. Bloomfield, P. Popov, K. Salako, V. Stankovic, D. Wright // Reliability Engineering & System Safety, 2017. – vol. 167. – pp. 198–217, doi: 10.1016/j.ress.2017.05.030.
De Nicola A. A methodology for modeling and measuring interdependencies of infor-mation and communications systems used for public administration and eGovernment ser-vices // A. De Nicola, M. Villani, M. Brugnoli and G. D'Agostino // International Journal of Critical Infrastructure Protection, 2016. – vol. 14. – pp. 18–27. Available: 10.1016/j.ijcip.2016.06.001.
Rolik A. I. Upravlenie korporativnoy IT-infrastrukturoy / A.I. Rolik, S.F. Telenyk, M.V. Yasochka. – Kiev: Naukova dumka, 2018. –576 p.
Ucar I. simmer: Discrete-Event Simulation for R / I. Ucar, B. Smeets, A. Azcorra // Jour-nal of Statistical Software, 2019. – vol. 90. – no. 2. doi: 10.18637/jss.v090.i02.
Castro E.R.S. Probability Density Functions of the Packet Length for Computer Net-works with Bimodal Traffic / E.R.S. Castro, M.S. Alencar, I.E. Fonseca, // International journal of Computer Networks & Communications, 2013. – vol. 5. – no. 3. – pp. 17–31. Available: 10.5121/ijcnc.2013.5302.
GWA-T-4 AuverGrid, Gwa.ewi.tudelft.nl, 2021. [Online]. Available: http://gwa.ewi.tudelft.nl/datasets/gwa-t-4-auvergrid. [Accessed: 01- Feb- 2021].
Iosup A. The Grid Workloads Archive /A. Iosup // Future Generation Computer Systems, 2008.– vol.24. – no.7. –pp. 672-686,
Available: 10.1016/j.future.2008.02.003.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
