Green Cloud Computing is a recent and popular field of research. Data centres proliferated in the last decades and now consume 1% of the total energy used in the world. Optimizing their power efficiency has become a key factor. The main objectives improving power efficiency are two: environmental and economical. Virtualization technologies like virtual machines and containers have become widely used to solve the resource management problem of complex systems. Containers in particular have been deeply used thanks to their portability and lightness. Kubernetes is the standard de facto container orchestrator, it automates the con- tainer deployment and its lifetime, however it is not optimized from the power efficiency side. Researchers have developed custom components of the Kubernetes architecture such as scheduler and horizontal auto scaler, but a complete solution is still missing. This thesis, instead of analysing the problem from the cloud provider side, puts its focus on cloud user. The main goal of this dissertation is to provide a methodology for a sus- tainable cluster autoscaler. When scaling up is needed a green cluster autoscaler picks the right virtual instance while satisfying requirements.

Il Green cloud Computing `e un campo di ricerca recente particolar- mente sentito. I data center sono aumentati considerevolmente negli ultimi dieci anni e oggi consumano l’1% dell’energia mondiale: ottimiz- zare l’efficienza energetica `e ora piu` che mai un fattore chiave. Gli obi- ettivi dell’efficienza energetica sono sostanzialmente due: ambientale e economico. Le tecnologie di virtualizzazione come container e macchine virtuali sono ampiamente utilizzate per risolvere il problema relativo alla gestione delle risorse di un sistema cos`ı complesso. I container in partico- lare sono stati utilizzati in maniera intensiva grazie alla loro portabilit`a e leggerezza. Kubernetes `e lo standard de facto tra gli orchestratori di container: risolve in maniera automatica il deployment dei container e tutto il ciclo di vita del container stesso. Tuttavia Kubernetes non `e ottimizzato dal punto di vista del consumo energetico. I ricercatori hanno sviluppato delle componenti specifiche dell’architettura di Kuber- netes come lo scheduler e l’autoscaler orizzontale, ma una soluzione com- pleta che abbraccia tutti i componenti non `e ancora stata sviluppata. Questa tesi invece di analizzare il problema dal punto di vista del cloud provider pone l’attenzione sull’utilizzatore del cloud. L’obiettivo princi- pale di questo documento `e di fornire una metodologia per lo sviluppo di un cluster autoscaler sostenibile. Quando c’`e la necessit`a di aumentare la propria potenza di calcolo in relazione ai requisiti dell’applicazione il green cluster autoscaler sceglie l’istanza virtuale che soddisfa i requisiti.

Towards a green layer for Kubernetes : sustainable cluster autoscaler

Di TURI, ANTONIO
2019/2020

Abstract

Green Cloud Computing is a recent and popular field of research. Data centres proliferated in the last decades and now consume 1% of the total energy used in the world. Optimizing their power efficiency has become a key factor. The main objectives improving power efficiency are two: environmental and economical. Virtualization technologies like virtual machines and containers have become widely used to solve the resource management problem of complex systems. Containers in particular have been deeply used thanks to their portability and lightness. Kubernetes is the standard de facto container orchestrator, it automates the con- tainer deployment and its lifetime, however it is not optimized from the power efficiency side. Researchers have developed custom components of the Kubernetes architecture such as scheduler and horizontal auto scaler, but a complete solution is still missing. This thesis, instead of analysing the problem from the cloud provider side, puts its focus on cloud user. The main goal of this dissertation is to provide a methodology for a sus- tainable cluster autoscaler. When scaling up is needed a green cluster autoscaler picks the right virtual instance while satisfying requirements.
RAVANELLI, PAOLO
ING - Scuola di Ingegneria Industriale e dell'Informazione
15-dic-2020
2019/2020
Il Green cloud Computing `e un campo di ricerca recente particolar- mente sentito. I data center sono aumentati considerevolmente negli ultimi dieci anni e oggi consumano l’1% dell’energia mondiale: ottimiz- zare l’efficienza energetica `e ora piu` che mai un fattore chiave. Gli obi- ettivi dell’efficienza energetica sono sostanzialmente due: ambientale e economico. Le tecnologie di virtualizzazione come container e macchine virtuali sono ampiamente utilizzate per risolvere il problema relativo alla gestione delle risorse di un sistema cos`ı complesso. I container in partico- lare sono stati utilizzati in maniera intensiva grazie alla loro portabilit`a e leggerezza. Kubernetes `e lo standard de facto tra gli orchestratori di container: risolve in maniera automatica il deployment dei container e tutto il ciclo di vita del container stesso. Tuttavia Kubernetes non `e ottimizzato dal punto di vista del consumo energetico. I ricercatori hanno sviluppato delle componenti specifiche dell’architettura di Kuber- netes come lo scheduler e l’autoscaler orizzontale, ma una soluzione com- pleta che abbraccia tutti i componenti non `e ancora stata sviluppata. Questa tesi invece di analizzare il problema dal punto di vista del cloud provider pone l’attenzione sull’utilizzatore del cloud. L’obiettivo princi- pale di questo documento `e di fornire una metodologia per lo sviluppo di un cluster autoscaler sostenibile. Quando c’`e la necessit`a di aumentare la propria potenza di calcolo in relazione ai requisiti dell’applicazione il green cluster autoscaler sceglie l’istanza virtuale che soddisfa i requisiti.
File allegati
File Dimensione Formato  
2020_12_Di_Turi.pdf

accessibile in internet solo dagli utenti autorizzati

Dimensione 5.72 MB
Formato Adobe PDF
5.72 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/175194