ترجمه فارسی مقاله تخصیص و کنترل منابع مبتنی بر اندازه گیری در مراکز داده: یک نظرسنجی

چکیده

Data centers have become ubiquitous for today’s businesses. From banks to startups, they rely on cloud infrastructure to deploy user applications. In this context, it is vital to provide users with application performance guarantees. Network interference is one of the causes of unpredictable application performance, and many solutions have been proposed over the years. The main objective of this survey is to familiarize the reader with research into network measurement-based resource allocation and control in data centers, focusing on network resources in order to provide cloud performance guarantees. We start with a primer on general network measurement techniques and data center network and applications to give the reader context. We then summarize the characteristics of network traffic and cluster workloads in data centers, which are pivotal for measurement-based allocation and control. We study and compare network monitoring in data centers, giving an overview on their evolution from Software-Defined Networking (SDN) to programmable dataplanes-based. The network monitoring information can serve as input to cluster allocation and scheduling decisions. We next categorize cluster scheduling frameworks, and perform an analysis of those that provide network guarantees in data centers, and we also look at emergent Machine Learning-driven resource allocation and control. We conclude with a discussion about future research directions.

چکیده به فارسی (ترجمه ماشینی)

مراکز داده برای مشاغل امروز فراگیر شده اند.از بانک ها گرفته تا استارتاپ ها ، آنها برای استقرار برنامه های کاربر به زیرساخت های ابری متکی هستند.در این زمینه ، ارائه ضمانت عملکرد برنامه کاربردی بسیار حیاتی است.تداخل شبکه یکی از دلایل عملکرد غیرقابل پیش بینی برنامه است و بسیاری از راه حل ها در طول سالها ارائه شده است.هدف اصلی این نظرسنجی آشنایی با خواننده با تحقیقات در مورد تخصیص منابع مبتنی بر اندازه گیری شبکه و کنترل در مراکز داده ، با تمرکز بر منابع شبکه به منظور ارائه ضمانت های عملکرد ابری است.ما با یک آغازگر در تکنیک های اندازه گیری شبکه عمومی و شبکه مرکز داده ها و برنامه ها شروع می کنیم تا زمینه خواننده را ارائه دهیم.ما سپس ویژگی های ترافیک شبکه و بارهای کاری خوشه ای را در مراکز داده خلاصه می کنیم که برای تخصیص و کنترل مبتنی بر اندازه گیری محوری هستند.ما نظارت شبکه را در مراکز داده مطالعه و مقایسه می کنیم ، و یک مرور کلی در مورد تکامل آنها از شبکه تعریف شده از نرم افزار (SDN) به مبتنی بر DataPlanes قابل برنامه ریزی ارائه می دهیم.اطلاعات نظارت بر شبکه می تواند به عنوان ورودی برای تصمیم گیری در مورد تخصیص خوشه و برنامه ریزی باشد.ما در مرحله بعدی چارچوب های برنامه ریزی خوشه ای را طبقه بندی می کنیم و تجزیه و تحلیل از کسانی را که تضمین های شبکه را در مراکز داده ارائه می دهند ، انجام می دهیم ، و همچنین به تخصیص و کنترل منابع مبتنی بر یادگیری ماشین می پردازیم.ما با بحث در مورد مسیرهای تحقیق آینده نتیجه می گیریم.