{"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":"
Die Shenango-Technologie ist f\u00fcr den Einsatz in Rechenzentren geplant.<\/h5>\n

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

Laut einem der Anbieter nutzen Rechenzentren , um eine hohe Datensicherheit zu gew\u00e4hrleisten.<\/a><\/noindex> nur 20\u201340% der verf\u00fcgbaren Rechenleistung. Bei hoher Auslastung kann dieser Wert bis zu 60% erreichen.<\/a><\/noindex>Eine derartige Ressourcenzuteilung f\u00fchrt zur Entstehung sogenannter 'Zombie-Server'. Dies sind Maschinen, die einen Gro\u00dfteil der Zeit unt\u00e4tig sind und unn\u00f6tig Strom verbrauchen. Heute stehen weltweit 30% der Server inaktiv<\/a><\/noindex>, was j\u00e4hrliche Stromkosten von 30 Milliarden US-Dollar verursacht.<\/p>\n

Mit dem ineffizienten Verbrauch von Rechenressourcen m\u00f6chte man am MIT etwas unternehmen.<\/a><\/noindex><\/p>\n

Ein Team von Ingenieuren hat<\/a><\/noindex> hat ein Lastverteilungssystem f\u00fcr Prozessoren namens Shenango entwickelt. Ziel ist es, den Zustand der Aufgabenpuffer zu \u00fcberwachen und 'h\u00e4ngende' Prozesse (die keinen CPU-Zeit erhalten k\u00f6nnen) auf freie Maschinen umzuleiten.<\/p>\n

So funktioniert Shenango<\/h2>\n

\nShenango ist eine Linux-Bibliothek in C mit Bindings f\u00fcr Rust und C++. Der Code des Projekts und die Testanwendungen sind ver\u00f6ffentlicht auf Repository<\/a><\/noindex> auf GitHub weiterentwickelt.<\/p>\n

Die L\u00f6sung basiert auf dem IOKernel-Algorithmus, der auf einem dedizierten Kern eines Multiprozessorsystems l\u00e4uft. Er verwaltet die Anfragen an die CPU mithilfe des Frameworks DPDK<\/a><\/noindex>, der es Anwendungen erm\u00f6glicht, direkt mit Netzwerkger\u00e4ten zu interagieren.<\/p>\n

IOKernel entscheidet, welchen Kernen eine bestimmte Aufgabe zugewiesen werden soll. Der Algorithmus legt auch fest, wie viele Kerne ben\u00f6tigt werden. F\u00fcr jeden Prozess werden die prim\u00e4ren Kerne (guaranteed) und sekund\u00e4ren Kerne (burstable) - die letzteren werden aktiviert, wenn die Anfragen an die CPU stark ansteigen.<\/p>\n

Die Anfragenwarteschlange von IOKernel ist organisiert als Ringpuffer<\/a><\/noindex>. Alle f\u00fcnf Mikrosekunden \u00fcberpr\u00fcft der Algorithmus, ob alle Aufgaben, die dem Kern zugewiesen wurden, abgeschlossen sind. Dazu vergleicht er die aktuelle Position des \u201eKopfes\u201c des Puffers mit der vorherigen Position seines \u201eSchwanzes\u201c. Wenn der Schwanz bereits in der Warteschlange war, als die vorherige Pr\u00fcfung durchgef\u00fchrt wurde, erkennt das System eine Puffer\u00fcberlastung und weist dem Prozess einen zus\u00e4tzlichen Kern zu.<\/p>\n

Bei der Lastverteilung erhalten die Kerne Priorit\u00e4t, auf denen ein solcher Prozess zuvor ausgef\u00fchrt wurde und teilweise im Cache gespeichert ist, oder beliebigen ungenutzten Kernen.<\/p>\n

\"Neuer
\n
\nShenango verwendet zus\u00e4tzlich den Ansatz Work-Stealing<\/a><\/noindex>. Die f\u00fcr die Ausf\u00fchrung einer Anwendung zugewiesenen Kerne \u00fcberwachen sich gegenseitig bei der Anzahl der Aufgaben. Wenn ein Kern seine Aufgabenliste fr\u00fcher als die anderen beendet, \u201eentlastet\u201c er die Nachbarkerne.<\/p>\n

Vor- und Nachteile<\/h2>\n

\nNach den<\/a><\/noindex> Ingenieure des MIT haben die Shenango-Technologie entwickelt, die f\u00fcnf Millionen Anfragen pro Sekunde verarbeiten kann und eine durchschnittliche Reaktionszeit von 37 Mikrosekunden aufweist. Experten behaupten, dass die Technologie in der Lage ist, die Auslastung der Prozessoren in Rechenzentren auf bis zu 100 % zu steigern. Dadurch k\u00f6nnen Rechenzentrumsbetreiber bei der Anschaffung und Wartung von Servern sparen.<\/p>\n

Potenzial der L\u00f6sung stellt fest<\/a><\/noindex> und Fachleute anderer Universit\u00e4ten. Laut einem Professor des koreanischen Instituts wird das System des MIT die Latenzzeiten von Webdiensten reduzieren. Es k\u00f6nnte beispielsweise f\u00fcr Online-Shops n\u00fctzlich sein. An Verkaufstagen f\u00fchrt selbst eine Sekunde Ladeverz\u00f6gerung zu einem R\u00fcckgang der Seitenaufrufe um 11 %. Eine zeitnahe Lastverteilung kann mehr Kunden bedienen.<\/a><\/noindex> reduziert die Anzahl der Seitenaufrufe um 11 %. Eine effiziente Lastverteilung erm\u00f6glicht es, mehr Kunden zu bedienen.<\/p>\n

Die Technologie hat jedoch derzeit Nachteile \u2013 sie unterst\u00fctzt keine mehreren Prozessoren NUMA<\/a><\/noindex>-Systeme, in denen Chips mit verschiedenen Speichermodulen verbunden sind und nicht miteinander \u201ekommunizieren\u201c. In diesem Fall kann IOKernel die Arbeit einer bestimmten Gruppe von Prozessoren regeln, aber nicht alle 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 den anderen Lastverteilungssystemen f\u00fcr Prozessoren sticht Arachne hervor. Es berechnet, wie viele Kerne eine Anwendung beim Start ben\u00f6tigt, und verteilt die Prozesse entsprechend. Sch\u00e4tzungen zufolge betr\u00e4gt die maximale Verz\u00f6gerung der Anwendung in Arachne etwa 10.000 Mikrosekunden.<\/p>\n

Die Technologie ist in Form einer C++-Bibliothek f\u00fcr Linux realisiert, und ihr Quellcode ist verf\u00fcgbar unter GitHub<\/a><\/noindex>.<\/p>\n

Ein weiteres Lastverteilungstool ist ZygOS. Wie Shenango verwendet die Technologie zur Verlagerung von Prozessen die Methode des Work Stealing. Laut den Entwicklern von ZygOS betr\u00e4gt die durchschnittliche Verz\u00f6gerung bei der Ausf\u00fchrung von Anwendungen mit diesem Tool etwa 150 Mikrosekunden, w\u00e4hrend die maximale Verz\u00f6gerung etwa 450 Mikrosekunden betr\u00e4gt. Der Code des Projekts ist ebenfalls \u00f6ffentlich zug\u00e4nglich<\/a><\/noindex>.<\/p>\n

Fazit<\/h2>\n

\nModerne Rechenzentren erweitern sich weiterhin, insbesondere ist der Trend zum Wachstum auf dem Markt f\u00fcr Hyperscale-Rechenzentren deutlich sichtbar: Derzeit gibt es weltweit existiert<\/noindex> 430 hyper-skaliert Datencenter, doch in den n\u00e4chsten Jahren k\u00f6nnte sich deren Anzahl 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> von gro\u00dfen Unternehmen, und in Zukunft wird die Zahl solcher Werkzeuge nur noch steigen.<\/p>\n

\nBeitr\u00e4ge aus dem Ersten Blog \u00fcber Unternehmens-IaaS:<\/p>\n