Adding a dynamic load balancing based on a static method in cloud via OpenStack

Résumé

Avec l’émergence de la technologie informatique en nuage sur Internet, l’accès à l’informatique partagée ressources à bas coût par les consommateurs augmente. En raison de la demande massive de services en ligne services, l’équilibrage de charge est essentiel pour optimiser l’utilisation des ressources et éviter la surcharge ou sous-charge résultant des mises à jour du système d’exploitation, du temps d’exécution des tâches, de la panne du serveur sur les fournisseurs et une défaillance du système due à des problèmes matériels. Pour relever ces défis de l’équilibrage de charge dans le cloud computing, divers algorithmes d’équilibrage de charge ont été étudiés dans modes statique et dynamique. Bien que des mécanismes d’équilibrage de charge dynamique aient été proposés avec leurs avantages et leurs inconvénients, aucun n’a été déployé sur la base des méthodes statiques actuelles dans la plate-forme OpenStack, qui est gratuite et dispose d’une communauté géante. Par conséquent, nous apporter une solution dynamique basée sur la méthode statique, Weighted Round Robin, dans OpenStack. Notre solution dynamique est capable d’équilibrer les tâches en tenant compte des critères d’utilisation du processeur. En tant que évaluation, nous avons analysé les performances de la méthode statique et de notre solution en tant que dynamique version de la méthode standard. Nos résultats expérimentaux ont montré un temps de traitement moyen inférieur et de meilleures performances dans notre solution que la méthode statique. Comme travail futur, nous avons proposé trois méthodes suivantes. La première consiste à prendre en compte plusieurs dimensions dans notre solution pour équilibrage de charge dynamique dans OpenStack pour améliorer l’efficacité. Ensuite, utilisez plusieurs nuages dans différentes régions géographiques pour équilibrer la charge de travail entre les fournisseurs de ces régions. Le dernier est une autre conception de notre solution dynamique basée sur la méthode statique, Weighted Round Robin dans OpenStack à l’aide de Machine Learning, avec suivi des charges actuelles, du processeur, de la mémoire et Réseau pour calculer les pondérations appropriées pour chaque serveur principal afin d’équilibrer les demandes des utilisateurs. En outre, la mise à l’échelle des ressources du cluster de serveurs peut être utilisée via Machine Learning pour provisionner une nouvelle machine virtuelle dans une période mouvementée pour répondre aux demandes des clients.

Date	1 août 2023
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Michel Kadoch (Directeur(-trice))