Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Lão hóa nền tảng Docker: đánh giá hệ thống hiệu suất và dự đoán mức tiêu thụ tài nguyên
Tóm tắt
Lão hóa phần mềm là một hiện tượng phức tạp thể hiện ở các ứng dụng và nền tảng dựa trên phần mềm dưới dạng suy giảm hiệu suất và tài nguyên ổn định. Các nghiên cứu trước đây đã đạt được tiến bộ đáng kể trong việc mô hình hóa, đánh giá và nghiên cứu thực nghiệm về hiện tượng lão hóa phần mềm trong các hệ thống phần mềm như hệ thống máy chủ ảo hóa, nhưng chưa xem xét các nền tảng phần mềm trong mô hình nền tảng như dịch vụ (PaaS), chẳng hạn như Docker. Nền tảng Docker, được sử dụng để chạy các container dựa trên ảo hóa cấp độ hệ điều hành, dễ bị lão hóa phần mềm trong mọi trường hợp, đòi hỏi phải nghiên cứu thêm. Bài báo này trình bày một cuộc điều tra kỹ lưỡng về lão hóa phần mềm và phục hồi, cũng như dự đoán hành vi trên nền tảng Docker. Trong 30 ngày, một tập hợp các thí nghiệm lão hóa phần mềm đã được thực hiện liên tục để khám phá sự tích tụ và biến đổi của các vấn đề liên quan đến lão hóa trên các cấu hình phần cứng khác nhau. Hơn nữa, trong các nghiên cứu về lão hóa phần mềm và phục hồi phần mềm, phương pháp Stress-Wait-Rejuvenation (SWARE) được sử dụng để phát hiện dấu hiệu lão hóa và kiểm tra hiệu quả của các chiến lược phục hồi phần mềm trong một thử nghiệm đơn lẻ. Chúng tôi có thể tích hợp việc sử dụng tài nguyên của nền tảng phần mềm dưới khối lượng công việc theo cách này. Ngay cả sau khi khối lượng công việc căng thẳng được dừng lại, mức tiêu thụ tài nguyên vẫn còn đáng kể, theo kết quả. Các thí nghiệm cho thấy nền tảng Docker đã gặp phải các vấn đề lão hóa nghiêm trọng từ những giai đoạn đầu của quá trình triển khai. Tuy nhiên, các phương pháp phục hồi, chẳng hạn như chỉ khởi động lại hệ điều hành, có thể giảm đáng kể mức tiêu thụ tài nguyên. Để dự đoán các hiện tượng lão hóa trên nền tảng Docker đã chọn và so sánh các mô hình dự đoán lão hóa, dữ liệu thí nghiệm được thu thập và cung cấp cho các mô hình dự đoán dữ liệu khác nhau dựa trên chuỗi thời gian và thuật toán học máy trí nhớ ngắn dài hạn (LSTM). Kết quả dự đoán cho thấy mô hình LSTM vượt trội hơn các mô hình khác trong việc dự đoán chính xác lão hóa. Các kết quả của nghiên cứu này có thể hỗ trợ trong việc quản lý và bảo trì các hệ thống PaaS dựa trên Docker bằng cách xem xét tác động của lão hóa phần mềm và sử dụng các chiến lược phục hồi phần mềm phù hợp trong các nền tảng Docker.
Từ khóa
#lão hóa phần mềm #phục hồi phần mềm #nền tảng Docker #mô hình dự đoán #hiệu suấtTài liệu tham khảo
Grottke M, Matias R, Trivedi KS (2008) The fundamentals of software aging. In: 2008 IEEE International Conference on Software Reliability Engineering Workshops (ISSRE Wksp), IEEE, pp 1–6
Liu J, Tan X, Wang Y (2019) Cssap: software aging prediction for cloud services based on arima-lstm hybrid model. In: 2019 IEEE International Conference on Web Services (ICWS), IEEE, pp 283–290
citation_journal_title=IEEE Access; citation_title=Integrating artificial bee colony algorithm and BP neural network for software aging prediction in IOT environment; citation_author=J Liu, L Meng; citation_volume=7; citation_publication_date=2019; citation_pages=32941-32948; citation_doi=10.1109/ACCESS.2019.2903081; citation_id=CR3
citation_journal_title=IEEE Trans Reliab; citation_title=Analysis of software aging in a web server; citation_author=M Grottke, L Li, K Vaidyanathan, KS Trivedi; citation_volume=55; citation_issue=3; citation_publication_date=2006; citation_pages=411-420; citation_doi=10.1109/TR.2006.879609; citation_id=CR4
Cotroneo D, Natella R, Pietrantuono R, Russo S (2010) Software aging analysis of the linux operating system. In: 2010 IEEE 21st International Symposium on Software Reliability Engineering, IEEE, pp 71–80
citation_journal_title=J Syst Softw; citation_title=Memory leak analysis of mission-critical middleware; citation_author=G Carrozza, D Cotroneo, R Natella, A Pecchia, S Russo; citation_volume=83; citation_issue=9; citation_publication_date=2010; citation_pages=1556-1567; citation_doi=10.1016/j.jss.2010.05.027; citation_id=CR6
Huang Y, Kintala C, Kolettis N, Fulton ND (1995) Software rejuvenation: analysis, module and applications. In: Twenty-Fifth International Symposium on Fault-Tolerant Computing. Digest of Papers, IEEE, pp 381–390
Polinsky I, Martin K, Enck W, Reiter MK (2020) nm-variant systems: adversarial-resistant software rejuvenation for cloud-based web applications. In: Proceedings of the Tenth ACM Conference on Data and Application Security and Privacy, pp 235–246
citation_journal_title=Sci World J; citation_title=A comprehensive availability modeling and analysis of a virtualized servers system using stochastic reward nets; citation_author=TA Nguyen, DS Kim, JS Park; citation_volume=1–18; citation_publication_date=2014; citation_pages=2014; citation_id=CR9
citation_journal_title=Reliab Eng Syst Saf; citation_title=Optimization of partial software rejuvenation policy; citation_author=G Levitin, L Xing, H-Z Huang; citation_volume=188; citation_publication_date=2019; citation_pages=289-296; citation_doi=10.1016/j.ress.2019.03.011; citation_id=CR10
citation_journal_title=IEEE Access; citation_title=Analyzing software rejuvenation techniques in a virtualized system: service provider and user views; citation_author=J Bai, X Chang, F Machida, KS Trivedi, Z Han; citation_volume=8; citation_publication_date=2020; citation_pages=6448-6459; citation_doi=10.1109/ACCESS.2019.2963397; citation_id=CR11
Araujo J, Matos R, Maciel P, Vieira F, Matias R, Trivedi KS (2011) Software rejuvenation in eucalyptus cloud computing infrastructure: A method based on time series forecasting and multiple thresholds. In: 2011 IEEE Third International Workshop on Software Aging and Rejuvenation, IEEE, pp 38–43
Chen X-E, Quan Q, Jia Y-F, Cai K-Y (2006) A threshold autoregressive model for software aging. In: 2006 Second IEEE International Symposium on Service-Oriented System Engineering (SOSE’06), IEEE, pp 34–40
citation_journal_title=ICT Express; citation_title=Comparison of linux virtual machines and containers for a service migration in 5g multi-access edge computing; citation_author=K Gillani, J-H Lee; citation_volume=6; citation_issue=1; citation_publication_date=2020; citation_pages=1-2; citation_doi=10.1016/j.icte.2018.12.001; citation_id=CR14
Torquato M, Vieira M (2019) An experimental study of software aging and rejuvenation in dockerd. In: 2019 15th European Dependable Computing Conference (EDCC), IEEE, pp 1–6
citation_journal_title=J Inf Syst Eng Manag; citation_title=Sware: a methodology for software aging and rejuvenation experiments; citation_author=M Torquato, J Araujo, IM Umesh, P Maciel; citation_volume=3; citation_issue=2; citation_publication_date=2018; citation_pages=15; citation_id=CR16
citation_journal_title=IEEE Trans Dependable Secure Comput; citation_title=Basic concepts and taxonomy of dependable and secure computing; citation_author=A Avizienis, J-C Laprie, B Randell, C Landwehr; citation_volume=1; citation_issue=1; citation_publication_date=2004; citation_pages=11-33; citation_doi=10.1109/TDSC.2004.2; citation_id=CR17
citation_journal_title=IBM J Res Dev; citation_title=Proactive management of software aging; citation_author=V Castelli, RE Harper, P Heidelberger, SW Hunter, KS Trivedi, K Vaidyanathan, WP Zeggert; citation_volume=45; citation_issue=2; citation_publication_date=2001; citation_pages=311-332; citation_doi=10.1147/rd.452.0311; citation_id=CR18
Bayser M de, Cerqueira R (2017) Integrating mpi with docker for hpc. In: 2017 IEEE International Conference on Cloud Engineering (IC2E), IEEE, pp 259–265
Chung MT, Quang-Hung N, Nguyen M-T, Thoai N (2016) Using docker in high performance computing applications. In: 2016 IEEE Sixth International Conference on Communications and Electronics (ICCE), IEEE, pp 52–57
citation_journal_title=IEEE Cloud Comput; citation_title=Containers and cloud: from lxc to docker to kubernetes; citation_author=D Bernstein; citation_volume=1; citation_issue=3; citation_publication_date=2014; citation_pages=81-84; citation_doi=10.1109/MCC.2014.51; citation_id=CR21
citation_title=Time series analysis and its applications: with R examples; citation_publication_date=2017; citation_id=CR22; citation_author=RH Shumway; citation_author=DS Stoffer; citation_publisher=Springer
citation_title=Time series analysis; citation_publication_date=1991; citation_id=CR23; citation_author=JD Cryer; citation_author=N Kellet; citation_publisher=Springer
citation_title=The statistical analysis of time series; citation_publication_date=2011; citation_id=CR24; citation_author=TW Anderson; citation_publisher=John Wiley and Sons
citation_journal_title=J Money Credit Bank; citation_title=Short-term inflation expectations: evidence from a monthly survey: note; citation_author=DK Pearce; citation_volume=19; citation_issue=3; citation_publication_date=1987; citation_pages=388-395; citation_doi=10.2307/1992084; citation_id=CR25
Hyndman RJ, Athanasopoulos G (2018) Forecasting: principles and practice. OTexts, vol 5, pp 32–56
Kalekar Prajakta S (2004) Time series forecasting using holt-winters exponential smoothing. Kanwal Rekhi School Inf Technol, vol 4, pp 56–98
Virmani C, Choudhary T, Pillai A, Rani M (2020) Applications of machine learning in cyber security. In: Handbook of Research on Machine and Deep Learning Applications for Cyber Security, IGI Global, pp 83–103
citation_journal_title=IEEE Commun Surv Tutor; citation_title=A survey of machine learning techniques applied to software defined networking (sdn): research issues and challenges; citation_author=J Xie, FR Yu, T Huang, R Xie, J Liu, C Wang, Y Liu; citation_volume=21; citation_issue=1; citation_publication_date=2018; citation_pages=393-430; citation_doi=10.1109/COMST.2018.2866942; citation_id=CR29
citation_title=Machine learning: hands-on for developers and technical professionals; citation_publication_date=2020; citation_id=CR30; citation_author=J Bell; citation_publisher=John Wiley and Sons
Sak H, Senior AW, Beaufays F (2014) Long short-term memory recurrent neural network architectures for large scale acoustic modeling, vol 3, pp 23–67
Sainath TN, Vinyals O, Senior A, Sak H (2015) Convolutional, long short-term memory, fully connected deep neural networks. In: 2015 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), IEEE, pp 4580–4584
Malhotra P, Vig L, Shroff G, Agarwal P (2015) Long short term memory networks for anomaly detection in time series. In: Proceedings, Volume 89, Presses Universitaires de Louvain
Cheng J, Dong L, Lapata M (2016) Long short-term memory-networks for machine reading. arXiv preprint
arXiv:1601.06733
citation_journal_title=J Syst Eng Electron; citation_title=Neural network based approach for time to crash prediction to cope with software aging; citation_author=M Yakhchi, J Alonso, M Fazeli, AA Bitaraf, A Patooqhy; citation_volume=26; citation_issue=2; citation_publication_date=2015; citation_pages=407-414; citation_doi=10.1109/JSEE.2015.00047; citation_id=CR35
Magalhães JP, Silva LM (2010) Prediction of performance anomalies in web-applications based-on software aging scenarios. In: 2010 IEEE Second International Workshop on Software Aging and Rejuvenation, IEEE, pp 1–7
Araujo J, Matos R, Maciel P, Matias R, Beicker I (2011) Experimental evaluation of software aging effects on the eucalyptus cloud computing infrastructure. In: Proceedings of the Middleware 2011 Industry Track Workshop, pp 1–7
Li L, Vaidyanathan K, Trivedi KS (2002) An approach for estimation of software aging in a web server. In: Proceedings International Symposium on Empirical Software Engineering, IEEE, pp 91–100
citation_journal_title=JSW; citation_title=Investigation of software aging effects on the openstack cloud computing platform; citation_author=C Melo, J Araujo, V Alves, PRM Maciel; citation_volume=12; citation_issue=2; citation_publication_date=2017; citation_pages=125-137; citation_id=CR39
citation_journal_title=Qual Reliab Eng Int; citation_title=Software aging and rejuvenation in a j2ee application server; citation_author=H Meng, X Hei, J Zhang, J Liu, L Sui; citation_volume=32; citation_issue=1; citation_publication_date=2016; citation_pages=89-97; citation_doi=10.1002/qre.1729; citation_id=CR40
Oliveira F, Araujo J, Matos R, Maciel P (2021) Software aging in container-based virtualization: an experimental analysis on docker platform. In: 2021 16th Iberian Conference on Information Systems and Technologies (CISTI), IEEE, pp 1–7
Oliveira F, Araujo J, Matos R, Lins L, Rodrigues A, Maciel P (2020) Experimental evaluation of software aging effects in a container-based virtualization platform. In: 2020 IEEE International Conference on Systems, Man, and Cybernetics (SMC), IEEE, pp 414–419
Pereira P, Araujo J, Matos R, Preguiça N, Maciel P (2018) Software rejuvenation in computer systems: an automatic forecasting approach based on time series. In: 2018 IEEE 37th International Performance Computing and Communications Conference (IPCCC), IEEE, pp 1–8
citation_journal_title=ACM J Emerg Technol Comput Syst (JETC); citation_title=A survey of software aging and rejuvenation studies; citation_author=D Cotroneo, R Natella, R Pietrantuono, S Russo; citation_volume=10; citation_issue=1; citation_publication_date=2014; citation_pages=1-34; citation_doi=10.1145/2539117; citation_id=CR44