Applying stochastic metaheuristics to the problem of data management in a multi-tenant database cluster

E A Boytsov

doi:10.3103/s0146411614070190

Abstract

A multi-tenant database cluster is a concept of a data-storage subsystem for cloud applications with the multi-tenant architecture. The cluster is a set of relational database servers with the single entry point, combined into one unit with a cluster controller. This system is aimed to be used by applications developed according to Software as a Service (SaaS) paradigm and allows to place tenants at database servers so that it may provide their isolation, data backup and the most effective usage of available computational power. One of the most important problems on such a system is an effective distribution of data between servers, which affects the degree of individual cluster nodes load and fault-tolerance. This paper considers the data-management approach based on the usage of a load-balancing quality measure function. This function is used during the initial placement of new tenants and also during placement optimization steps. Standard schemes of metaheuristic optimization such as simulated annealing and tabu search are used to find a better tenant placement.

Highlights

В свою очередь, предполагают применение таких архитектурных решений, которые позволили бы использовать одни и те же вычислительные мощности для обслуживания множества компаний-клиентов
Так как клиенты – это мелкие и средние предприятия, то они не генерируют вычислительно трудоемких запросов, однако общее количество запросов велико
От успешности ее решения зависят качество балансировки нагрузки, эффективность использования предоставленных аппаратных ресурсов, а также устойчивость системы к сбоям отдельных серверов в составе кластера

Summary

Задача управления данными в мультиклиентском кластере

Одной из основных задач мультиклиентского кластера баз данных является управление размещением данных клиентов. От успешности ее решения зависят качество балансировки нагрузки, эффективность использования предоставленных аппаратных ресурсов, а также устойчивость системы к сбоям отдельных серверов в составе кластера. На основе экспериментов на имитационной модели кластера [4] была предложена следующая метрика эффективности балансировки нагрузки [5] для кластера из M серверов, обслуживающего N клиентов: M f=. Подробнее с формальной постановкой задачи балансировки нагрузки в мультиклиентском кластере баз данных с постоянными интенсивностями входящих потоков запросов можно ознакомиться в [6]. На данном этапе можно обеспечить лишь устойчивость копии данных клиента к сбоям, а также зарезервировать для нее некоторые вычислительные мощности, основываясь на предположениях о характере будущей нагрузки. В этом случае задача может быть сформулирована следующим образом: перевести кластер в состояние с меньшим значением целевой функции (1), не парализовав при этом его работу и не создавая избыточной нагрузки на систему. В кластер постоянно добавляются новые клиенты, а какие-то клиенты наоборот снижают интенсивность использования приложения

Применение стохастических метаэвристик в задаче управления данными

Алгоритмы на основе имитации отжига

Алгоритмы на основе перебора с запретами

Общие черты разработанных алгоритмов

Экспериментальная оценка алгоритмов

Выводы и дальнейшие направления исследования