Tecniche di resource allocation per sistemi virtualizzati di larga scala

L'obiettivo del presente lavoro di tesi è sviluppare algoritmi gerarchici per l'allocazione delle risorse in Service Center di grandi dimensioni. Il problema dell’allocazione delle risorse è un problema NP-difficile. In letteratura sono state proposte delle soluzioni centralizzate per la sua soluzione. Questi algoritmi hanno però dei problemi di scalabilità  e consentono di risolvere con tempi di risoluzione accettabili solo piccole istanze che considerano al più 400 server fisici e un migliaio di VM. Tuttavia, i Service Center odierni sono caratterizzati da dimensioni di un ordine di grandezza maggiori. Ad esempio il Service Center Microsoft di Qincy (USA) include circa 10.000 server fisici che supportano a run-time almeno altrettante macchine virtuali. Questi numeri mettono in discussione la scalabilità dei modelli di ottimizzazione proposti in letteratura, rendendoli di fatto non applicabili in contesti reali. Il presente lavoro di tesi ha lo scopo di proporre un’estensione a tecniche di resource allocation proposte in precedenti lavori di ricerca per migliorarne la scalabilità . L’obiettivo è quello di ricercare l’allocazione ottima delle risorse del sistema complessivo in modo da minimizzare il consumo energetico dell'infrastruttura rispettando i livelli di Qualità  del Servizio stabiliti nei contratti di Service Level Agreement. E’ stato sviluppato un algoritmo gerarchico di allocazione delle risorse basato sul partizionamento logico delle applicazioni e dei server fisici appartenenti al sistema. Il partizionamento delle applicazioni avviene tenendo conto dei modelli di traffico. Ad ogni partizione applicativa viene associato un cluster di server il cui numero e tipologia viene determinato considerando il carico delle richieste da elaborare e le caratteristiche fisiche dei server. Ciascun cluster viene poi controllato da un supervisore locale che stabilisce le performance da garantire alla partizione di applicazioni del cluster. Infine, per valutare l'efficienza degli algoritmi di ottimizzazione proposti è stata effettuata un’analisi sperimentale basata su simulazioni.