Esta apresentação resume o período de trabalho entre 2014-2015 financiado pela FACEPE, no qual buscamos entender como uma plataforma DaaS poderia ser modelada para a aplicação em laboratórios de informática. Esta apresentação foi mostrada na Jornada de Iniciação Científica da FACEPE, no dia 11 de julho de 2015.

1. Especificação de
plataforma DaaS para
laboratórios de
informática
Bolsista: Demis Gomes
Orientador: Glauco Gonçalves

2. Roteiro
● Introdução
● Objetivos
● Especificação da Plataforma
● Avaliação da Plataforma
● Resultados
● Planejamento de capacidade
● Conclusão
● Trabalhos Futuros
● Atividades Restantes 2

3. Introdução
● O que é DaaS?
Envia comandos para o servidor
por mouse, teclado ou toque
Envia a tela modificada pelas
ações do usuário para o
cliente
PROTOCOLO
Características:
● Escalabilidade
● Redução do consumo
de energia
● Área de trabalho
virtual
● Segurança
Ainda é necessário
otimizar a
plataforma para ser
mais eficiente,
provendo bom
desempenho
Área de trabalho
executada no
servidor
3

4. Objetivos
● Identificar as inovações técnicas necessárias;
● Especificar a arquitetura da plataforma;
● Desenvolver e/ou aperfeiçoar artefatos de software;
● Elaborar modelos matemático-computacionais que
descrevam o problema de alocação de recursos
existente na plataforma.
4

5. Especificação da plataforma
● Um DaaS pode ser disponibilizado ou na forma de VDI ou na forma de
sessão virtualizada[1]
● O que seriam estas duas opções? Qual a melhor para a plataforma?
client1
client2
VM
client
1
VM
client
2
client1
client2
VDI: Acesso a uma VM
hospedada no servidor
Sessão: Acessa o servidor por
meio de uma conta
5

6. Especificação da plataforma
A tabela abaixo mostra algumas características diferentes
entre VDI e Sessão virtualizada
Características VDI Sessão
Consumo de recursos Maior Menor
Custo Maior Menor
Administração Mais complexa Mais simples
Customização do Usuário Melhor Pior
Para nós, Sessão > VDI 6

7. Arquitetura da plataforma
Baseada em sessões, plataforma se divide em
cinco camadas, da mais lógica (superior) a
mais física (inferior).
7

8. Plataforma
Terminais: Dispositivos que acessam o
servidor
8

9. Plataforma
Serviços
● Boot Remoto: envia a imagem de
inicialização ao cliente e distribui IPs
● Administração: Permite administradores
configurarem o sistema
● Desktop Virtual: disponibiliza área de
trabalho e aplicações aos usuários
9

10. Plataforma
Gerência de nuvem
Compreende serviços lógicos da Nuvem,
importantes para manter a eficiência, como:
● Balanceamento de carga
● Migração e alocação de VMs
● Eficiência do consumo de energia
10

11. Plataforma
Virtualização e Armazenamento
● Virtualização: Camada que permite
virtualizar servidores e aplicações
● Armazenamento: estrutura capaz de salvar
as imagens das máquinas virtuais e acessá-
las rapidamente
11

12. Plataforma
Servidores/Dispositivos de Rede
Servidores físicos onde serão hospedados os
serviços da plataforma, além de dispositivos
como roteadores e switches para a
comunicação entre eles.
12

13. Plataforma
● Atualmente, certas funcionalidades foram
implementadas
13
O próximo passo é avaliá-la

14. Avaliando a plataforma
Dois experimentos foram realizados analisando
certas funcionalidades da plataforma:
13
1. Comparação entre VirtualBox e KVM
2. Análise da carga causada pela variação de 5 até 40 clientes
1
2

15. Experimento 1
Objetivo:
Comparar os hypervisors KVM e VirtualBox em
relação ao consumo de memória e CPU
Verificar se os resultados são semelhantes aos
de Opshal[2]
15

16. Experimento 1
Ferramenta de execução e avaliação automática
16
Gera VMs que executam tarefas
predefinidas [3]
o dstat coleta
informações do
servidor
Geram-se arquivos
csv com informações
desejadas
(qtdClientes, pctg_leve,pctg_pesado)

17. Experimento 1
17

18. Resultados - Exp. 1
Consumo de CPU no Application Server
Poucos valores
entre 30% e 70% de
consumo
Mais valores entre
30% e 70% de
consumo
Em relação a memória, os
resultados foram
semelhantes
18

19. Experimento 2
Objetivo:
Entender o comportamento do sistema quando
submetida a variação de carga entre 5 e 40
clientes
19

20. Experimento 2
Experimento:
20
Máquina física:
2 Xeon 2.40 GHz
64GB RAM
Root Server:
4 vCPUs
4GB RAM
App Server:
20 vCPUs
20GB RAM

21. Experimento 2
● Os passos executados foram semelhantes
ao experimento anterior
● A porcentagem de clientes pesados variava
entre 0%,25%,50%,75% e 100% em cada
número de clientes
21

22. Resultados - Exp. 2
Consumo de memória no AppServer
O consumo máximo
de memória tem um
comportamento
linear
22

23. Resultados - Exp. 2
Consumo de CPU no App Server Segundo[4], o sistema é
inaceitável ao usuário
quando deixa de
responder por mais de 5
segundos
No nosso caso, 95% de
consumo torna o sistema
irresponsivo
Abordagem do pico
sustentado: Coletamos
amostras que
ultrapassavam os 95% de
consumo em cinco
ocorrências consecutivas
23
Porcentagem de amostras acima do pico sustentado

24. Planejamento de capacidade*
c=capacidade do servidor
24
t1
t2
Se qtdClientes<c:
Aloca no
servidor
disponivel
Se não, um
novo servidor
virtual é criado
cliente loga no
sistema e requisita
um servidor
Estimar a
probabilidade do
servidor estar cheio
e obter a média do
tempo de espera
Depois, o
inverso: estimar
a capacidade
dado um tempo
de espera
*Fase final de desenvolvimento

25. Conclusões
● A partir dos requisitos desejados, a plataforma melhor
se adequou a sessões
● O KVM, neste cenário, mostrou-se mais eficiente que o
VirtualBox, corroborando Opsahl[2]
● A CPU é um dos principais gargalos do sistema
● O consumo de memória apresenta um comportamento
linear
● Criação de ferramenta automática de avaliação
25

26. Atividades Restantes
● Finalizar o modelo matemático
● Realização de experimentos
complementares
● Escrita do relatório final
26

27. Trabalhos Futuros
● Analisar a QoE do usuário
● Finalizar a criação da plataforma
especificada
27

28. Agradecimentos
● FACEPE
● Meu orientador e co-orientador
28

29. Referências
[1]S. Dernbecher, R. Beck, and M. Toenker, “Cloudifying Desktops–A Taxonomy for
Desktop Virtualization,” 2013.
[2]J. M. G. Opsahl, “Open-source virtualization: Functionality and performance of
Qemu/KVM, Xen, Libvirt and VirtualBox,” 2013.
[3]A. R. Shabaitah, “Server-Based Desktop Virtualization,” Rochester Institute of
Technology, 2014.
[4]Tolia, Niraj, David G. Andersen, and Mahadev Satyanarayanan. "Quantifying
interactive user experience on thin clients." Computer 39.3 (2006): 46-52.
29

30. Tabelas de consumo - Exp. 1
30

31. Modelagem matemática
Probabilidade de um servidor estar ocupado
onde p0:
31

32. Modelagem matemática
A hiperexponencial se adequa ao modelo
Quando o servidor está cheio, ele tem probabilidade p.
Se não, 1-p.
Se está cheio, ele espera um tempo alto (λ1) devido a
criação e disponibilização do servidor. Se não, é
imediatamente alocado e espera um tempo (λ2) bem
menor. Logo, a esperança de (x) é:
E(X)=p/λ1 + (1-p)/λ2
32

33. Fluxo de execução dos clientes
Leve
33

34. Fluxo de execução dos clientes
Pesado
34

35. Simulador do modelo (1ª versão)
35
T<
MáxRelógio
?
Capacidade,
T Máx.Relógio,
T1,T2,Λ,μ
Programa
evento de
chegada
Checa
evento
Atualiza
relógio para o
tempo do
evento
Servidores
cheios?
Capacidade
servidor =
máx?
Programa
evento de
espera de
alocação
Programa evento
de espera de
criação de um
novo servidor
Desaloca
cliente do
servidor
Adiciona
o evento
na fila
Adiciona
o evento
na fila
Desliga
servidor
Salva o tempo
de espera do
cliente
Programa
evento de
permanência
Calcula o
tempo médio
de espera
INÍCIO
FIM
1
0
0
1
1
0
chegada permanência
espera
Analisa o
tempo do
1° evento
da fila

36. Simulador do modelo (2ª versão)
36
Capacidade,
T Máx.Relógio,
Λ,μ
Programa
evento de
chegada
Checa
evento
Atualiza
relógio para o
tempo do
evento
Servidores
cheios?
Programa evento
de espera – o
cliente é alocado
imediatamente
Põe o cliente
na fila de
espera
Desaloca
cliente do
servidor
Adiciona
o evento
na fila
Adiciona
o evento
na fila
Desliga
servidor
Salva o tempo
de espera do
cliente
Programa
evento de
permanência
Calcula o
tempo médio
de espera
INÍCIO
FIM
1
0
0
1
1
0
chegada
permanênciaespera
Analisa o
tempo do
1° evento
da fila
A fila tem
clientes?
Aloca o 1°
cliente da fila
de espera no
servidor
T<
MáxRelógio
?
Capacidade
servidor =
máx?
1
0