Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: micro-partitioning

Sortuj według:

Ogranicz wyniki do:

Understanding performance metrics and their collection in dynamic virtual machines

Młyński M.

Theoretical and Applied Informatics

2010

Vol. 22, No. 2

115-130

Dynamic and distributed virtual environments are much more difficult to monitor than are individual servers. Shared resources which change according to external circumstances cause many challenges and difficulties. This paper addresses an approach to the monitoring of virtual environments. Various evaluations and experiments, a comparison with the Grid, and other available virtual solutions, are also presented.

Niniejszy artykuł omawia realne problemy związana z monitorowaniem dynamicznego środowiska wirtualnego. Proces monitorowania wydajności w takich systemach jest bardziej złożony niż dla serwerów indywidualnych. Zasoby współdzielone, których charakterystyki zmieniają się w zależności od zewnętrznych warunków tworzą wiele wyzwań w zakresie monitorowania wydajności. Maszyny wirtualne posiadają możliwości dynamicznych zmian architektury sprzętowej, dlatego systemy monitorowania dla takich środowisk musza charakteryzować się większą elastycznością, oraz posiadać mechanizmy pozwalające na wychwycenie dynamicznych zmian architektury sprzętowej systemu komputerowego. Technologie wirtualizacyjne takie jak mikro-partycjonowanie, współdzielenie procesorów pomiędzy kilkoma systemami, wspólne pasma sieciowe oraz partycje mobilne, są obszarem, gdzie dynamika zmian charakterystyki sprzętu odgrywa szczególna rolę. W artykule zaprezentowany został także prototyp systemu do monitorowania środowisk wirtualnych opartych na maszynie wirtualizacyjnej PowerVM. Prototyp zakłada wykorzystanie dwu modułów G-Collector i G-Analyzer. Przetworzone wyniki są następnie prezentowane w formie graficznej w infrastrukturze systemu Gangla. Przedstawiony prototyp umożliwia rozbudowę o takie elementy jak: udoskonalenie modelu przekazywanych danych uwzględniającego opóźnienia czasowe oraz interpretacji niedeterministycznych danych, adaptacyjne przewidywanie wykorzystania zasobów, czy też synchronizacja czasowa odczytanych metryk.