{"id":31148,"date":"2019-10-31T21:39:44","date_gmt":"2019-10-31T18:39:44","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novyj-balansirovshhik-nagruzki-na-cpu-ot-mit\/"},"modified":"2019-10-31T21:39:44","modified_gmt":"2019-10-31T18:39:44","slug":"novyj-balansirovshhik-nagruzki-na-cpu-ot-mit","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/novyj-balansirovshhik-nagruzki-na-cpu-ot-mit","title":{"rendered":"Neuer CPU-Lastenausgleich von MIT","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Das Shenango-System soll in Rechenzentren eingesetzt werden.<\/h5>\n

\n\"Neuer<\/a><\/noindex>
\n\/ \u0444\u043e\u0442\u043e Marco Verch<\/a><\/noindex> CC BY<\/a><\/noindex><\/i><\/p>\n

Laut einem Anbieter nutzen Rechenzentren genutzt wird.<\/a><\/noindex> insgesamt 20\u201340 % der verf\u00fcgbaren Rechenleistung. Bei hoher Auslastung kann dieser Wert bis zu 60 % erreichen.<\/a><\/noindex>Eine solche Ressourcenzuteilung f\u00fchrt zur Entstehung sogenannter \u201eZombie-Server\u201c. Das sind Maschinen, die die meiste Zeit unt\u00e4tig sind und unn\u00f6tig Strom verbrauchen. Heute stehen 30 % der Server weltweit unbenutzt herum<\/a><\/noindex>, was einen j\u00e4hrlichen Stromverbrauch von 30 Milliarden Dollar bedeutet.<\/p>\n

Um der ineffizienten Nutzung von Rechenressourcen entgegenzuwirken, haben die Forscher am MIT<\/a><\/noindex><\/p>\n

Ein Team von Ingenieuren hat entwickelt<\/a><\/noindex> ein Lastverteilungssystem f\u00fcr Prozessoren namens Shenango entwickelt. Ziel ist es, den Zustand des Aufgaben Puffers zu \u00fcberwachen und \u201efestgefahrene\u201c Prozesse (die keine CPU-Zeit erhalten k\u00f6nnen) auf freie Maschinen umzuleiten.<\/p>\n

Wie Shenango funktioniert<\/h2>\n

\nShenango ist eine Linux-Bibliothek in C mit Bindings in Rust und C++. Der Projektcode und die Testanwendungen wurden ver\u00f6ffentlicht in das Repository<\/a><\/noindex> auf GitHub.<\/p>\n

Die Grundlage der L\u00f6sung ist der Algorithmus IOKernel, der auf einem dedizierten Kern eines Mehrprozessorsystems l\u00e4uft. Er verwaltet die CPU-Anfragen mit einem Framework DPDK<\/a><\/noindex>, das es Anwendungen erm\u00f6glicht, direkt mit Netzwerkger\u00e4ten zu interagieren.<\/p>\n

IOKernel entscheidet, an welche Kerne eine bestimmte Aufgabe \u00fcbergeben wird. Der Algorithmus bestimmt auch, wie viele Kerne ben\u00f6tigt werden. F\u00fcr jeden Prozess werden Hauptkerne (guaranteed) und zus\u00e4tzliche Kerne (burstable) definiert \u2013 letztere werden aktiviert, wenn die Anzahl der CPU-Anfragen pl\u00f6tzlich ansteigt.<\/p>\n

Die Anfragenwarteschlange von IOKernel ist organisiert in Form eines Ringpuffers.<\/a><\/noindex>Alle f\u00fcnf Mikrosekunden \u00fcberpr\u00fcft der Algorithmus, ob alle Aufgaben, die dem Kern zugewiesen sind, ausgef\u00fchrt wurden. Dazu vergleicht er die aktuelle Position des \u201eKopfes\u201c des Puffers mit der vorherigen Position seines \u201eSchwanzes\u201c. Wenn sich herausstellt, dass der Schwanz bereits in der Warteschlange war, als die vorherige \u00dcberpr\u00fcfung stattfand, erkennt das System eine \u00dcberlastung des Puffers und weist f\u00fcr den Prozess einen zus\u00e4tzlichen Kern zu.<\/p>\n

Bei der Lastverteilung wird den Kernen, auf denen ein solcher Prozess zuvor ausgef\u00fchrt wurde und teilweise im Cache geblieben ist, oder allen inaktiven Kernen der Vorzug gegeben.<\/p>\n

\"Neuer
\n
\nZus\u00e4tzlich nutzt Shenango den Ansatz Work Stealing.<\/a><\/noindex>. Kerne, die f\u00fcr die Ausf\u00fchrung einer Anwendung vorgesehen sind, \u00fcberwachen die Anzahl der Aufgaben untereinander. Wenn ein Kern seine Aufgabenliste schneller als die anderen abschlie\u00dft, \"entlastet\" er die Nachbarn.<\/p>\n

Vor- und Nachteile<\/h2>\n

\nNach Aussage<\/a><\/noindex> Ingenieure des MIT, Shenango kann f\u00fcnf Millionen Anfragen pro Sekunde verarbeiten und die durchschnittliche Reaktionszeit bei 37 Mikrosekunden halten. Experten behaupten, dass die Technologie in einigen F\u00e4llen die Auslastung der Prozessoren in Rechenzentren auf bis zu 100 % erh\u00f6hen kann. Dadurch k\u00f6nnen Rechenzentrumsbetreiber bei der Beschaffung und Wartung von Servern sparen.<\/p>\n

Das L\u00f6sungspotenzial , dass die Architektur von Open19 die gesamte Energieeffizienz des Rechenzentrums um 10 % erh\u00f6ht.<\/a><\/noindex> und Fachleute anderer Universit\u00e4ten. Laut einem Professor des koreanischen Instituts wird das System des MIT helfen, die Latzenz von Webdiensten zu reduzieren. Zum Beispiel ist es in Online-Shops n\u00fctzlich. An Verkaufstagen f\u00fchrt bereits eine Verz\u00f6gerung von einer Sekunde beim Laden einer Seite f\u00fchrt an<\/a><\/noindex> zu einem R\u00fcckgang der Seitenaufrufe um 11 %. Eine schnelle Lastverteilung wird helfen, mehr Kunden zu bedienen.<\/p>\n

Die Technologie hat jedoch auch Nachteile \u2014 sie unterst\u00fctzt keine Multiprozessorsysteme, NUMA<\/a><\/noindex>bei denen Chips an unterschiedlichen Speichermodulen angeschlossen sind und nicht \"miteinander kommunizieren\". In diesem Fall kann IOKernel die Arbeit einer einzelnen Gruppe von Prozessoren steuern, aber nicht aller Chips des Servers.<\/p>\n

\"Neuer
\n\/ \u0444\u043e\u0442\u043e Tim Reckmann<\/a><\/noindex> CC BY<\/a><\/noindex><\/i><\/p>\n

\u00c4hnliche Technologien<\/h2>\n

\nUnter anderen Lastenausgleichssystemen f\u00fcr Prozessoren kann Arachne hervorgehoben werden. Es berechnet, wie viele Kerne die Anwendung beim Start ben\u00f6tigt, und verteilt die Prozesse entsprechend. Sch\u00e4tzungen der Autoren zufolge betr\u00e4gt die maximale Verz\u00f6gerung der Anwendung in Arachne etwa 10.000 Mikrosekunden.<\/p>\n

Die Technologie ist als C++-Bibliothek f\u00fcr Linux implementiert, und der Quellcode ist verf\u00fcgbar unter GitHub<\/a><\/noindex>.<\/p>\n

Ein weiteres Lastenausgleichsinstrument ist ZygOS. Wie Shenango verwendet die Technologie die Methode des Work-Stealing f\u00fcr die Verteilung der Prozesse. Laut den Autoren von ZygOS betr\u00e4gt die durchschnittliche Verz\u00f6gerung bei der Arbeit von Anwendungen mit dem Tool etwa 150 Mikrosekunden, w\u00e4hrend die maximale etwa 450 Mikrosekunden betr\u00e4gt. Der Code des Projekts ist ebenfalls \u00f6ffentlich zug\u00e4nglich<\/a><\/noindex>.<\/p>\n

Das DBMS Tarantool ist ein attraktives, zukunftstr\u00e4chtiges Produkt zur Erstellung von hochbelasteten Anwendungen.<\/h2>\n

\nModerne Rechenzentren expandieren weiterhin, insbesondere ist der Trend zur Zunahme auf dem Markt f\u00fcr Hyperscale-Rechenzentren deutlich: Derzeit gibt es weltweit gibt es<\/noindex> 430 hyper-skalierbare Rechenzentren, aber in den kommenden Jahren k\u00f6nnte sich ihre Zahl um 30 % erh\u00f6hen. Aus diesem Grund werden Technologien zur Lastenverteilung auf Prozessoren sehr gefragt sein. Systeme wie Shenango werden bereits jetzt implementiert<\/a><\/noindex> , und in Zukunft wird die Anzahl solcher Werkzeuge nur steigen.<\/p>\n

\nBeitr\u00e4ge aus dem ersten Unternehmens-IaaS-Blog:<\/p>\n