Ny metod att förutsäga och hantera belastningen av onlinetjänster

Hur gör man för att hindra att Internet går ner på grund av överbelastning? En molntjänst innebär att mer serverkapacitet kan hyras från stora datorcenter. Ahmed Hassan har tagit fram algoritmer för att automatiskt lägga till och ta bort serverresurser till en webbplats baserat på efterfrågan. Han försvarar sin avhandling vid Umeå universitet den 2 oktober.

När Michael Jackson dog 2009 tog han nästan Internet med sig. CNN, Google Nyheter, TMZ, Twitter, Wikipedia, och de flesta andra nyhetswebbplatser gick ner på grund av den kraftiga ökningen av antalet människor som försökte läsa nyheter om hans död. Medan Jacksons död är en enskild händelse, är liknande händelser ganska vanliga, och drabbar främst vissa delar av Internet. Till exempel blev servrarna för Obamacare webbplats överbelastade efter några timmar när den introducerades i USA, och studera.nu - webbplatsen som används för att anmäla sig till svenska högskolor – brukade överbelastas varje år under ansökningsomgången. Kort sagt, Internets infrastruktur som vi alla är beroende av är bräcklig.

Datormoln är en ny slags leveransmodell för IT som möjliggör bättre hantering av de serverresurser som används för en webbplats. Till exempel körs studera.nu numera ”i molnet”. Ett moln möjliggör nätverksåtkomst till en delad pool av konfigurerbara datorresurser. Detta serverutrymme kan hyras av kunder på timbasis. Resursen är flexibel och kan skalas upp och skalas ner efter behov. Man kan likna det vid ett nyttoföremål i hemmet, till exempel om du pluggar in kylskåpet i eluttaget får du el men du betalar bara för den mängd el du förbrukar. För en webbplatsägare innebär detta att serverutrymme kan hyras på begäran på så sätt hantera överbelastning.

– Min avhandling presenterar metoder och algoritmer för att automatiskt lägga till och ta bort serverresurser till en webbtjänst baserat på den faktiska efterfrågan. Att hyra mer moln-kapacitet än vad som behövs för att köra en webbtjänst är ett kostsamt val. Hyr man för lite kapacitet kommer det att resultera i överbelastad server och trafikstörningar. För att på ett bättre sätt välja rätt mängd resurser att hyra har jag tagit fram prediktionsalgoritmer för framtida efterfrågan på en webbtjänst, säger Ahmed Hassan.

För att förstå hur man designar bra prediktionsalgoritmer har Ahmed Hassan i sin avhandling analyserat utvalda serverbelastningar från stora webbtjänster.

– Först analyserade jag användningen av Wikipedia under en period av fem och ett halvt år och tittade på vad som händer när stora händelser som Michael Jacksons död inträffar. Jag har också analyserat hur människor använder premium-tjänsterna på TV4s Video-on-Demand-tjänst. Några intressanta resultat är hur otåliga användare är när de streamar en video. Ungefär 50 procent av användarna överger streamandet av en video efter att ha sett mindre än 12 minuter.

I den sista delen av avhandlingen redogör Ahmed Hassan för ett verktyg som är kapabelt att förutsäga kapacitetskrav från olika tjänster som körs i molnet genom att använda mer än en prediktionsalgoritm. Då förbättras det samlade resultatet av flera tjänster samtidigt.

Avhandlingsarbetet har utförts i samarbete med flera forskare från Institutionen för matematik och matematisk statistik vid Umeå universitet och Institutionen för elektro- och informationsteknik vid Lunds universitet. Många av idéerna i avhandlingen utvecklas och används i Elastisys, ett företag som grundats baserat på resultat från forskargruppen. Delar av arbetet är patenterat av Elastisys.

Avhandlingen har publicerats digitalt

För mer information, kontakta gärna:

Ahmed Aleyeldin Mohamed Hassan

Telefon: 070-557 72 74

E-post: ahmeda@cs.umu.se

Pressbild för nedladdning

Om disputationen:

Fredagen den 2 oktober försvarar Ahmed Aleyeldin Mohamed Hassan, institutionen för datavetenskap vid Umeå Universitet, sin avhandling med titeln: Workload characterization, Controller Design, and Performance Evaluation for Cloud Capacity Autoscaling. Svensk titel: Lastkaraktärisering, regulatordesign och prestandautvärdering för autonom kapacitetsskalning i datormoln.

Disputationen äger rum klockan 14.00 I sal NA360 I Naturvetarhuset, Umeå Universitet.

Fakultetsopponent är professor Prashant Shenoy, University of Massachusetts, USA

Huvudhandledare är professor Erik Elmroth.