Un modelo analítico basado en regresión para la provisión dinámica de recursos de aplicaciones de múltiples niveles

La implementación de múltiples niveles se ha convertido en el estándar de la industria para desarrollar aplicaciones empresariales escalables de cliente-servidor. Dado que estas aplicaciones son sensibles al rendimiento, se vuelven críticas los modelos efectivos para la provisión dinámica de recursos y para ofrecer calidad de servicio a estas aplicaciones. Las cargas de trabajo en tales entornos se caracterizan por sesiones de cliente de solicitudes interdependientes con una mezcla de transacciones y carga que cambian con el tiempo, lo que hace que la adaptabilidad del modelo a los cambios en la carga de trabajo observada sea un requisito crítico para la efectividad del modelo. En este trabajo, aplicamos una aproximación basada en regresión de la demanda de CPU de las transacciones de cliente en un hardware dado. Luego utilizamos esta aproximación en un modelo analítico de una red simple de colas, donde cada cola representa un nivel y mostramos la efectividad de la aproximación para modelar diversas cargas de trabajo con una mezcla de transacciones cambiante a lo largo del tiempo. Utilizando el benchmark TPC-W y sus tres mezclas de transacciones diferentes, investigamos los factores que impactan la eficiencia y precisión de los modelos propuestos de predicción de rendimiento. Los resultados experimentales muestran que este enfoque basado en regresión proporciona una solución simple y poderosa para una planificación de capacidad eficiente y la provisión de recursos de aplicaciones de múltiples niveles bajo condiciones de carga de trabajo cambiantes.