GPU-Accelerated Algorithms for Allocating Virtual Infrastructure in Cloud Data Centers

Abstract

IT resources to Virtual Infrastructures (VIs) (i.e. groups of VMs, virtual switches, and their network interconnections) is an NP-hard problem. Most allocation algorithms designed to run on CPUs face scalability issues when considering current cloud data centers comprising thousands of servers. This work offers and evaluates a set of allocation algorithms refactored for Graphic Processing Units (GPUs). Experimental results demonstrate their ability to handle three large-scale data center topologies.

Escalonamento de Contêineres com Método de Decisão Multicritério Acelerado por GPU

“…O EMULAGé um escalonador centralizado (Seção 2.1), que realiza o processamento guiado pela utilização do método AHP, processando as requisições em GPU, e tendo como função objetivo a consolidação dos contêineres no DC. EMULAG apoia-se em um framework recentemente desenvolvido para realizar a alocação de recursos virtuais [Nesi et al 2018a, Nesi et al 2018b. O escalonadoré composto por três módulos principais: escalonamento, agrupamento e seleção multicritério.…”

“…MCLé um algoritmo de agrupamento de dados organizados em grafos, baseado em fluxos de dados e cadeia de Markov [Van Dongen 2001]. A literatura indica que o MCL produz agrupamentos com maior eficiência em topologias de DC quando comparado com outros algoritmos [Nesi et al 2018a, Nesi et al 2018b. Inicialmente, EMULAG recebe o conjunto de servidores do DC (S) e o contêiner que deve ser escalonado (i ∈ C), retornado o mapeamento encontrado (M(i)).…”

“…A qualidade dos valoresé interpretada através da maior quantidade de células preenchida no gráfico, assim como o tempo necessário para realizar a alocação (i.e., quanto menor a coloração na escala de cores, melhor o resultado). O Algoritmo MCL em CPU não foi utilizado para realizar os testes, devido ao tempo computacional, para realizar os agrupamentos, ser superior as restrições de tempo existentes no problema abordado [Nesi et al 2018a].…”

“…A diversidade de configurações das requisições em termos de RAM e de CPU, o elevado número de recursos no data center (DC) e o considerável número de contêineres são fatores cruciais para o processamento desse problema NP-Difícil. Recentemente, a aplicação de processamento paralelo, sobretudo a utilização de Graphics Processing Unit (GPU), para acelerar o escalonamento de infraestruturas virtuais em DCs de nuvens apontou um caminho para amenizar a dimensionalidade e complexidade do problema [Nesi et al 2018a, Nesi et al 2018b. A capacidade da arquitetura Single Instruction Multiple Data (SIMD) presente nas GPUs permite a utilização conjunta de centenas de unidades paralelas de ponto flutuante, atingindo em alguns casos uma capacidade na casa dos teraflops 1 .…”