Αξιοποίηση τεχνικών ενισχυτικής μάθησης για την παροχή υπηρεσίας εγγυημένης ποιότητας και την αποδοτικότερη χρήση των πόρων πολυπύρηνων επεξεργαστών

Abstract

Όλο και περισσότερες από τις υπηρεσίες που φιλοξενούνται στα σύγχρονα κέντρα δεδομένων αποτελούν υπηρεσίες κρίσιμης απόκρισης. Η ανάγκη να διασφαλιστούν οι αυστηροί στόχοι ποιότητας υπηρεσίας των εφαρμογών αυτών οδηγεί συχνά τα κέντρα δεδομένων στην απαγόρευση της συνεκτέλεσής τους με άλλες εφαρμογές, ώστε να αποφευχθεί ο ανταγωνισμός στους κοινόχρηστους πόρους, όπως είναι η κρυφή μνήμη τελευταίου επιπέδου. Η πρακτική αυτή συνεπάγεται τη χαμηλή χρησιμοποίηση των εξυπηρετητών και, κατ’ επέκταση, την αύξηση του συνολικού κόστους ιδιοκτησίας των κέντρων δεδομένων. Για την αντιμετώπιση του προβλήματος, έχουν πλέον ενσωματωθεί στους σύγχρονους επεξεργαστές τεχνολογίες που υποστηρίζουν τόσο την παρακολούθηση της χρήσης όσο και τον διαμοιρασμό των κοινόχρηστων πόρων. Με τον τρόπο αυτό, δίνεται η δυνατότητα ασφαλούς συνεκτέλεσης των εφαρμογών κρίσιμης απόκρισης με εφαρμογές βέλτιστης προσπάθειας. Στην παρούσα διπλωματική εργασία, αξιοποιούμε τις εν λόγω τεχνολογίες καθώς και τεχνικές βαθιάς ενισχυτικής μάθησης προκειμένου να διαμοιράσουμε την κρυφή μνήμη τελευταίου επιπέδου ενός πολυπύρηνου συστήματος με τρόπο που θα εξασφαλίζει αφενός τη διατήρηση της ποιότητας της κρίσιμης υπηρεσίας και αφετέρου τη μεγαλύτερη, κατά το δυνατόν, αξιοποίηση του εξυπηρετητή από τις εφαρμογές βέλτιστης προσπάθειας. Για την αξιολόγηση του μηχανισμού, εκτελούμε συνεκτελέσεις των υπηρεσιών κρίσιμης απόκρισης Xapian και Img-dnn της σουίτας Tailbench με ένα πλήθος από εφαρμογές βέλτιστης προσπάθειας. Αποδεικνύουμε πως η επίδοση της κρίσιμης υπηρεσίας διαφυλάσσεται σε ικανοποιητικό βαθμό, ενώ ταυτόχρονα αξιοποιούνται ευκαιρίες αύξησης της επίδοσης των εφαρμογών χαμηλής προτεραιότητας.