Una nueva investigación puede detectar problemas de computación en nube antes de que comiencen el 12 -

Contacto: Matt Shipman

matt_shipman@ncsu.edu

919-515-6386

Universidad del Estado de Carolina del Norte

Una nueva investigación puede detectar problemas de computación en la nube antes de que comiencen

Infraestructuras de alojamiento informático a gran escala ofrecen una variedad de servicios para los usuarios de computadoras, incluyendo la computación en nube - que ofrece a los usuarios acceso a potentes ordenadores y aplicaciones de software alojados por grupos remotos de servidores. Pero cuando estas infraestructuras tengan problemas - como los cuellos de botella que ralentizan su velocidad de funcionamiento - puede ser costoso tanto para el proveedor de la infraestructura y el usuario. Una nueva investigación de la Universidad Estatal de Carolina del Norte permitirá que estos proveedores de infraestructura para predecir con mayor precisión este tipo de anomalías, y tratarlas antes de que se conviertan en un problema importante.

"Anteriormente, algo malo iba a pasar y te será dada tratando de averiguar lo que sucedió. A menudo, usted sería capaz de recrear las condiciones exactas que crearon el problema ", dice el Dr. Xiaohui (Helen) Gu, profesora asistente de ciencias de la computación y co-autor de un artículo que describe la nueva investigación. "Sin embargo, si se puede predecir una anomalía, que son capaces de realizar un seguimiento de las condiciones exactas que están conduciendo a un problema, el diagnóstico de lo que está mal y poner las medidas correctoras en su lugar mucho más rápidamente."

El problema son las anomalías, o problemas, que pueden afectar a las infraestructuras de alojamiento que soportan servicios como cloud computing o centros de datos. Estas anomalías pueden dar como resultado tiempos ralentizados de respuesta, capacidad de usuarios menores y errores de host - todos los cuales son una mala noticia para los clientes de un huésped. Esto puede crear problemas significativos para la empresa de acogida, así, ya violaciónes de sus acuerdos de servicio pueden dar lugar a sanciones económicas o la pérdida de clientes.

Para que un programa de predecir con precisión una anomalía, tiene que saber lo que constituye un comportamiento normal. Eso puede ser difícil para la infraestructura de hospedaje de gran escala. Estas infraestructuras anfitrión de una variedad de diferentes aplicaciones para sus clientes, y muchas de estas aplicaciones están operando en contextos dinámicos.

Por ejemplo, una aplicación puede ser el anfitrión de un sitio web que puede pasar de estar muy ocupado para esencialmente inactivo. Y, dado que las infraestructuras de alojamiento para múltiples clientes simultáneamente, los recursos informáticos disponibles para un cliente específico también son variables - en función de la cantidad de clientes que utilizan la infraestructura en un momento dado y lo que los clientes están tratando de hacer.

Estas variables hacen que sea difícil para un programa para predecir el comportamiento anormal, porque el comportamiento normal puede ser tan variable.

Con el fin de predecir con precisión anomalías, los investigadores hacen a mano una colección de modelos que examinan la actividad del sistema en una variedad de diferentes contextos. En otras palabras, los modelos son capaces de determinar lo que constituye un comportamiento normal en un montón de diferentes circunstancias. Dado que los modelos hacen un buen trabajo de definir un comportamiento normal, son capaces de identificar con precisión el comportamiento anormal.

"Nuestro 'consciente contexto" enfoque de predicción mejorado nuestra precisión significativamente ", dice Gu. "Estábamos un 50 por ciento más precisa en la predicción de anomalías que cualquier de los programas existentes, y tuvo una tasa de 80 por ciento más bajo de falsas alarmas."

La investigación, "Adaptive Sistema Anomalía Predicción para Gran Escala Infraestructuras Hosting", fue co-escrito por Gu, NC State Ph.D. estudiante Yongmin Tan, y Haixun Wang de Microsoft Research Asia. El trabajo fue financiado por la National Science Foundation, la Oficina de Investigación del Ejército de EE.UU. y de IBM. El documento se presentará 27 de julio en el Simposio ACM sobre los principios de computación distribuida en Zurich, Suiza.