Υλοποίηση και Ανάλυση Τεχνικών Μέτρησης Ενεργά Χρησιμοποιούμενης Μνήμης

Abstract

Η μνήμη αποτελεί ένα από τα βασικότερα και πλέον κοστοβόρα στοιχεία που δομούν ένα σύστημα υπολογιστών και συνεπώς οι σύγχρονες τεχνικές διαχείρισής της τείνουν να ακολουθούν το μοτίβο του overcommiting για την καλύτερη αξιοποίησή της. Αυτόν το σκοπό εξυπηρετεί και η εικονικοποίηση με την οποία τα σύγχρονα datacenters καταφέρνουν και παρέχουν ελαστική διαχείριση πόρων στους χρήστες μέσω των εικονικών μηχανών. Συχνό φαινόμενο στα σύγχρονα συστήματα του cloud αποτελεί η σπατάλη μνήμης, η οποία αν και εικονικά φαίνεται να είναι απεριόριστη στην ουσία είναι πεπερασμένη, και δεν υπάρχει περιθώριο για αναποτελεσματική χρήση της. Συνεπώς, τίθεται το ζήτημα της ακριβής μέτρησης μνήμης που πραγματικά χρειάζεται κάθε εικονική μηχανή, που στην ουσία αποτελεί το working set της. Στην παρούσα διπλωματική εργασία, μελετάμε λεπτομερώς κάποιες από τις τεχνικές που έχουν προταθεί στην βιβλιογραφία για τη μέτρηση του working set των εφαρμογών. Αρχικά, εστιάζουμε στην λεγόμενη idle page tracking τεχνική. Η συγκεκριμένη τεχνική βασίζεται στο idle page tracking API που προστέθηκε στο σύστημα Linux από την έκδοση πυρήνα 4.3 και μετά, και επιτρέπει στον χρήστη να εντοπίσει ποιες και πόσες σελίδες μνήμης έχουν προσπελαστεί πρόσφατα από τη διεργασία ή είναι αδρανείς (idle). Επιπλέον, υλοποιήσαμε δύο τεχνικές που βασίζονται σε δειγματοληψία και hardware performance counters και που σκοπό έχουν την μείωση του αντίκτυπου της μέτρησης του working set στην επίδοση των εφαρμογών. Στη συνέχεια, επικεντρωθήκαμε στην επέκταση του πυρήνα Linux, εγκαθιστώντας μια νέα διεπαφή για τη λήψη μετρήσεων του working set των εφαρμογών χρησιμοποιώντας τη λειτουργία του idle page tracking και μεθόδους δειγματοληψίας για την καλύτερη απόδοση του μηχανισμού. Εκμεταλλευόμενοι τη συγκεκριμένη επέκταση, τη συνδυάζουμε με τις μελετούμενες τεχνικές μέτρησης του working set. Αξιολογήσαμε τις τεχνικές σε περιβάλλον Linux εκτελώντας πειράματα με τα μετροπρογράμματα SPEC CPU2017. Τα πειραματικά αποτελέσματα μας δείχνουν πως οι προταθείσες τεχνικές είναι κατάλληλες για το σκοπό μας, καθώς μειώνουν το κόστος παρακολούθησης της μνήμης χωρίς απώλεια ακρίβειας στις μετρήσεις.