چکیده فارسی :

در سیستم­های مجازی، چندین ماشین مجازی(VM) در حال اجرا بر روی یک بستر سخت افزاری واحد، منابع سخت افزاری مانند حافظه، دیسک، ورودی/خروجی شبکه(IO) را به منظور اشتراک کیفیت خاصی از خدمات(QoS) مورد نیاز به اشتراک گذاشته و یا بر سرآن به رقابت می­پردازند. در این میان، توصیف و فهم اینکه چگونه اجرای حجم­های کاری مختلف در ماشین­های مجازی به اشتراک گذاری و تعامل با منابع می­پردازند بسیار مهم است تا بتوان آنها را بر روی هسته­های پردازنده و میزبان­های سرور(خدمتگزار) به منظور داشتن کارایی بهینه، به شکا کارایی نگاشت کرد. این مساله به ویژه برای منابعی مانند کنترل کننده­های حافظه، شبکه­های بین سوکتی یا بر روی تراشه مهم می­باشد زیرا در حال حاضر هیچ کنترل کننده­ی نرم افزاری وجود ندارد. در این مقاله، ما یک تحلیل کارایی مبتنی بر اندازه گیری از حجم کاری مجازی سازی سرور در یک سیستم حقیقی با استفاده از ماشین­های مجازی ای که بخشی از محک(benchmark) استاندارد صنعتی مشهور VMmark که یک محک ترکیبی سرور است، ارائه داده ایم. ابتدا، ما به توصیف درگیری نسبی بر سر منابع و تاثیر مداخله­ی ماشین­های مجازی هنگام اجرای چندین حجم کاری مجازی با یکدیگر می­پردازیم. سپس، به مطالعه پیرامون تاثیرات هم مکانی انواع مختلف ماشین­های مجازی تحت ماشین­های مجازی مختلف برای طرح­های جایگذاری هسته و یافتن بهترین جایگذاری از نظر کارایی می­پردازیم. ما مشاهده نمودیم که تنوع کارایی از 25 تا 65% برای سرورهای پایگاه داده و از 7 تا 40% برای سرورهای فایل در مقایسه با ماشین­ مجازی مستقل به جایگذاری این ماشین­های مجازی بر روی هسته­ها  و درجه­ی اشتراک گذاری منابع وابسته است. در نهایت، ما یک معیار مداخله و مدل رگرسیون برای بدترین مجموعه هم مکانی ماشین­های مجازی در مطالعه­مان پیشنهاد داده­ایم. ما نشان دادیم که بر مبنای طرح­های مختلف جایگذاری ماشین­های مجازی، کارایی کلی ترکیب سرور در یک میزبان مجازی هنگامی که ماشین­های مجازی به صورت کارایی جایگذاری شده باشند، تا 8% بهبود می­یابد.

کلمات کلیدی- جایگذاری ماشین مجازی، زمانبندی VM، کارایی VM، توصیف حجم کاری، نگاشت VM.

چکیده انگلیسی :

In virtualized systems, several Virtual Machines (VM) running on a single hardware platform share and compete for the hardware resources such as memory, disk and network IO to meet a certain Quality of Service (QoS) requirements. It is critical to characterize and understand how the different workloads running in the VMs interact and share such resources to be able to map them efficiently onto processor cores and server hosts for optimal performance. This is especially important for resources such as memory controllers or the on-chip or intersocket networks for which there is currently no software control. In this paper, we present a measurement-based performance analysis of server virtualization workloads from a real system using virtual machines that are part of the popular industry standard VMmark benchmark, a server consolidation benchmark. First, we characterize the relative resource contention and interference impact of VMs when multiple virtual workloads are run together. Second, we study the effects of co-locating different types of VMs under various VM to core placement schemes and discover the best placement for performance. We observe performance variations from 25-65% for Database servers and from 7-40% for File servers when compared to standalone VM depending on the placement of these VMs onto cores and the degree of sharing of resources. Finally, we propose an interference metric and regression model for the worst set of colocated VMs in our study. Based on different VM placement schemes we show that the overall server consolidation performance in a virtualized host can be improved by 8% when the VMs are placed effectively.
Keywords – Virtual Machine Placement, VM Scheduling, VM Performance, Workload Characterization, VM Mapping