Simulación concurrente de redes de almacenamiento de altas prestaciones (SAN, Storage Area Networks) 1

Transcripción

1 Simulación concurrente de redes de almacenamiento de altas prestaciones (SAN, Storage Area Networks) 1 À. Perles, X. Molero, A. Martí, V. Santonja, J.J. Serrano Departament d Informàtica de Sistemes i Computadors Univertitat Politècnica de València aperles@disca.upv.es Resumen La investigación que se está llevando a cabo en nuestro departamento para el desarrollo de los nuevos sistemas de almacenamiento masivo requiere del uso de modelos de simulación complejos. Dichos modelos necesitan gran cantidad de recursos computacionales para su ejecución, provocando tiempos de respuesta excesivamente largos. Esta problemática retrasa la obtención de resultados de nuestras investigaciones, por lo que se ha optado por buscar formas que permitan reducir el tiempo ejecución de los modelos de simulación. En este contexto, el uso de técnicas de simulación concurrente en clusters de máquinas está demostrando ser una propuesta viable para acelerar la obtención de los resultados de dichas simulaciones. En este artículo se presenta la aplicación de una nueva herramienta de computación distribuida desarrollada en el departamento a la simulación de redes de almacenamiento. Dicha herramienta permite aplicar de forma paralela la técnica estadística de las réplicas independientes en un cluster de computadores heterogéneos. Los resultados obtenidos demuestran la viabilidad de este planteamiento, sobretodo si se tiene en cuenta que el desarrollo seguido puede aplicarse a la mayoría de los lenguajes de simulación discreta disponibles con un mínimo de cambios en el código fuente del modelo de simulación. Palabras clave: redes de almacenamiento, lenguaje CSIM, simulación concurrente, procesamiento en clusters (cluster computing), entorno PVM. 1. Introducción El rápido desarrollo de aplicaciones que consumen grandes necesidades de datos, tales como simulaciones, programas multimedia, comercio electrónico, etcétera, demandan cada vez más espacios de almacenamiento mayores. Al mismo tiempo, el continuo aumento del ancho de banda de las redes de comunicaciones está comenzando a sobrecargar los servidores de ficheros tradicionales [10]. Asimismo, el crecimiento y mejora de las comunicaciones ha permitido que las compañías comerciales más grandes lleguen a disponer de millares de servidores de ficheros distribuidos en cientos de sucursales, almacenando muchos terabytes de datos con información de vital importancia. La dependencia que estas organizaciones tienen de estos datos es enorme. Adicionalmente, esta dependencia sobre el acceso a los datos almacenados ha puesto de manifiesto las limitaciones de los servidores de ficheros tradicionales. Una alternativa a la interconexión tradicional de estos servidores de ficheros está basada en el concepto de red de almacenamiento (SAN, storage area network) [4,11]. Una SAN es una red de alta velocidad, similar a una red de área local (LAN, local area network), que conecta dispositivos de almacenamiento (storage devices). Esta red utiliza elementos de interconexión similares a los empleados en las LANs convencionales, como conmutadores (switches) o concentradores (hubs). De la misma manera que una LAN 1 Trabajo parcialmente financiado por los proyectos CICYT TAP C05-02 y Diseño y modelado de sistemas de almacenamiento basados en disco de la Universitat Politècnica de València.

2 permite que los clientes se conecten a los servidores de ficheros, una SAN provee el acceso de múltiples servidores de ficheros a los diferentes dispositivos de almacenamiento. El diseño de una SAN depende de gran cantidad de factores, tales como las localizaciones de servidores y dispositivos de almacenamiento, la topología de interconexión, la arquitectura de los conmutadores, la técnica de conmutación, los algoritmos de encaminamiento, las longitudes de los mensajes, etcétera. Obviamente, todas estas posibilidades no pueden ser evaluadas después de implementar la red de almacenamiento, sino que deben considerarse en una etapa previa de modelado y evaluación, analizando sus prestaciones y seleccionando la mejor opción. Esta evaluación de prestaciones puede llevarse a cabo mediante modelos analíticos o bien por simulación. El primero tiene la gran ventaja de ser computacionalmente barato, pero a costa de grandes simplificaciones e hipótesis de funcionamiento muy restrictivas. El segundo tiene un coste computacional muy elevado, aunque permite un modelado muy preciso de los diferentes aspectos del sistema bajo estudio. No en vano, es este último método el más empleado para evaluar el rendimiento de las redes de almacenamiento. La simulación de este tipo de sistemas necesita de grandes recursos para poder llevarse a cabo: procesadores de altas prestaciones, memorias de gran capacidad y grandes volúmenes de almacenamiento. Por otro lado, la ejecución del simulador se suele hacer en una única máquina, y usualmente se utilizan técnicas de simulación tales como submuestras (batch means) o réplicas independientes (independent replication) [8]. En último término, la obtención de resultados estadísticamente precisos requiere de elevados costos computacionales y grandes dosis de paciencia. En consecuencia, la aplicación de medidas que disminuyan el tiempo requerido para llevar a cabo las simulaciones resulta muy necesario. A primera vista, la técnica más sencilla a aplicar es lanzar simulaciones convencionales con distintos parámetros de entrada en máquinas diferentes, sin embargo, esta técnica no disminuye el tiempo de respuesta de cada experimento y suele desperdiciar grandes cantidades de recursos computacionales al deber fijar a priori los tamaños de las muestras estadísticas a realizar. En este contexto, la simulación concurrente [6] es una técnica que puede aliviar los altos costes temporales de la simulación serie tradicional. En este artículo se presenta la aplicación de una nueva herramienta de simulación concurrente [1] que mejora los tiempos de ejecución de las simulaciones que evalúan las prestaciones de las redes de almacenamiento. Esta herramienta hace uso de máquinas heterogéneas disponibles en un entorno informático de mediana capacidad para crear un cluster y ejecutar en él dichas simulaciones. El diseño de esta herramienta permite instrumentar de manera muy fácil cualquier modelo de simulación discreta, independientemente del lenguaje en que está escrito, para que pueda ser ejecutado en paralelo. El resto de este artículo se estructura de la siguiente manera. En la sección 2 se presentan los aspectos más importantes sobre las redes de almacenamiento. A continuación, la sección 3 describe los principales detalles del modelo de simulación desarrollado para evaluar las prestaciones de este tipo de redes. En la sección 4 se presenta la herramienta diseñada para la simulación concurrente y la instrumentación del modelo de simulación para ejecutarlo en paralelo. Los resultados obtenidos con la aplicación de la nueva herramienta de simulación concurrente al modelo desarrollado se presentan en la sección 5. Finalmente, la sección 6 resume las conclusiones más importantes y la línea de trabajo futuro. 2. Redes de almacenamiento El sistema de almacenamiento de los grandes sistemas informáticos está implementado mediante servidores de ficheros. En las soluciones tradicionales (véase la Figura 1) cada servidor tiene una conexión privada a los dispositivos de almacenamiento, normalmente discos y cintas magnéticas, mediante un bus de tipo SCSI (small computer system interface). Los servidores y los clientes comparten la red de comunicaciones, que se usa tanto para el paso de mensajes como para transportar el tráfico relacionado con la E/S (I/O, input/output). Sin embargo, este enfoque ha comenzado a poner de manifiesto algunos inconvenientes. El primero está relacionado con la disponibilidad de los datos. Éste es un aspecto muy importante, ya que diversos estudios han demostrado que los fallos de disponibilidad de los mismos genera importantes pérdidas a las compañías comerciales. Si el servidor de ficheros no puede ser accedido, entonces no hay ninguna manera de acceder a la información contenida en sus dispositivos de almacenamiento, porque el servidor controla todos los accesos a los datos. Por otro lado, el ancho de banda del bus SCSI están limitado a 20 ó 40 MB/s con SCSI II, y a 40 u 80 MB/s con Ultra SCSI. Además, este ancho de banda es compartido por todos los dispositivos conectados al bus. Adicionalmente, la disponibilidad y las prestaciones también están limitadas por la

3 capacidad del propio servidor y la carga extra soportada por éste. Por último, otro problema viene dado por la limitación de la longitud máxima de los cables SCSI (25 m), y el número máximo de dispositivos que se pueden conectar a éste (16). Red de área local Red de almacenamiento Servidor Red de área local bus SCSI Servidor LAN SAN LAN Clientes Servidor Clientes bus SCSI Servidor Figura 1. Modelo tradicional de almacenamiento y entorno típico SAN-LAN Una alternativa reciente al enfoque tradicional descrito más arriba consiste en substituir los buses dedicados e internos a cada servidor por una red externa que conecte servidores y dispositivos de almacenamiento (véase la Figura 1). Así, una SAN es una red de altas prestaciones que permite la conexión entre los servidores y los dispositivos de almacenamiento. Esta red se implementa mediante conmutadores y/o concentradores. De esta manera, una SAN permite el acceso de múltiples servidores de ficheros a múltiples dispositivos de almacenamiento. Las SANs permiten separar el concepto de almacenamiento del concepto de servidor, y en consecuencia, hacen que el espacio de almacenamiento pueda ser compartido entre múltiples servidores sin afectar a las prestaciones de la red de comunicaciones que los une a los clientes. Esta red se ve beneficiada porque ya no experimentará la sobrecarga debida a las operaciones específicas del almacenamiento tales como la recuperación de ficheros, copias de seguridad (back up), etc. El acceso a los datos y su disponibilidad se mejoran porque las lecturas/escrituras de ficheros, las copias de seguridad, el almacenamiento y la recuperación de información, la migración de datos entre dispositivos, y la compartición de información son gestionadas de una manera más eficiente por una red diseñada específicamente para tareas de I/O. Esta red deberá tener un gran ancho de banda y estar optimizada para llevar a cabo, de forma efectiva, transferencias de grandes cantidades de datos. Además, puesto que en una SAN los datos pueden ser accedidos a través de diferentes rutas de acuerdo con la topología de interconexión, el acceso a los datos puede darse incluso en la presencia de fallos que provoquen la falta de disponibilidad temporal o permanente de alguna de estas rutas. La tecnología mayoritariamente propuesta para implementar este tipo de redes es Fibre Channel [2,5]. Fibre Channel es un estándar de la industria que posee características especialmente adecuadas al tráfico de E/S, por ejemplo, un gran ancho de banda, grandes distancias en las conexiones, fácil escalabilidad, y un amplio soporte técnico por parte de las mayores empresas proveedoras de servicios de almacenamiento de altas prestaciones. El estándar Fibre Channel fue desarrollado por el grupo ANSI X3T9.3 para definir canales serie de E/S con el fin de conectar dispositivos periféricos a computadores, así como para conectar estos últimos entre sí. El elemento más importante de una red de altas prestaciones implementada con Fibre Channel es el conmutador. La Figura 2 muestra la arquitectura básica de un conmutador Fibre Channel. Los enlaces físicos utilizados son serie y pueden ser ópticos o de cobre. Cada uno de los puertos de entrada tiene asociado un conjunto de buffers. Cada buffer es capaz de almacenar un paquete (frame). La longitud máxima de los paquetes está fijada en unos 2048 bytes. La técnica de conmutación utilizada es virtual cut through. El encaminador (router) recorre cíclicamente los puertos y en cada ciclo encamina, como mucho, un paquete nuevo por cada puerto. Una vez encaminado el paquete, la cabecera es insertada en una tabla de planificación, organizada en tantas colas FIFO (first in, first out) como puertos de salida hay. Así, la tabla de planificación sirve para establecer el orden en que los mensajes van a transmitirse a través de los puertos de salida. En un mismo instante de tiempo, el crossbar puede transmitir como mucho un paquete de cada puerto de entrada, y al mismo tiempo, un puerto de salida sólo puede ser usado por un puerto de entrada. Por último, un paquete sólo puede ser transferido por el puerto de salida cuando esté en la cabeza de la cola correspondiente a ese

4 destino en la tabla de planificación. En la actualidad, el ancho de banda máximo de cada puerto puede llegar a 100 MB/s. Input buffers Encaminador cabeceras Tabla de planificación C R O S S B A R N N Puertos de entrada datos Puertos de salida Figura 2. Arquitectura básica de un conmutador Fibre Channel Desde un punto de vista físico, un entorno de almacenamiento en red consta de tres componentes principales: los servidores, los dispositivos de almacenamiento (típicamente discos magnéticos) y los dispositivos de interconexión que conforman la red de comunicación (switch fabric). Los servidores y los discos se conectan a la red de interconexión por medio de un interfaz de red apropiado (NIC, network interface card). La Figura 3 muestra un ejemplo de red de almacenamiento con topología irregular compuesta de 6 conmutadores, 3 servidores y 15 discos. Cada conmutador tiene 8 puertos, y dispone de tres enlaces bidireccionales para conectarse con el resto de los conmutadores de la red. 0 Conmutador 5 Disco 1 Servidor Puerto libre 2 3 Enlace bidireccional 4 3. Modelo de simulación Figura 3. Ejemplo de red de almacenamiento El simulador de SAN ha sido diseñado usando una metodología orientada a procesos y se ha implementado mediante el lenguaje de simulación CSIM [3]. CSIM consiste en una librería de funciones en C o C++ que permite el desarrollo de modelos de simulación de eventos discretos orientados a procesos. Un programa CSIM se puede entender como una colección de procesos CSIM que interactúan entre sí. El código del programa de simulación desarrollado tiene una longitud aproximada de 9000 líneas y ha sido escrito en ANSI C con el objetivo de poder ejecutarlo en diferentes plataformas tales como Unix y Windows. La concepción orientada a procesos permite estructurar fácilmente el programa principal del simulador. La estructura general del programa es la siguiente: #include "csim.h" void main() { lee_y_comprueba_parametros_entrada(); generación_topología(); cálculo_tablas_encaminamiento(); especificación_carga(); inicialización_discos(); for (i=1;i<=n;i++) sim();

5 estadísticas_simulación(); } Antes de la etapa de simulación propiamente dicha, el programa lee y comprueba los parámetros de entrada; a continuación, genera la topología de la red de interconexión y calcula las tablas de encaminamiento de acuerdo con el algoritmo de encaminamiento elegido. Una vez que la carga se ha especificado por medio de trazas reales o tráfico sintético, y los discos han sido inicializados, la función main() llama al proceso principal de simulación, sim() para cada uno de los puntos de simulación que especifique el usuario. Cada punto de simulación corresponde a un valor del tráfico inyectado a la red por los servidores. Uno de los aspectos más importantes del modelado viene dado por la jerarquía principal de procesos CSIM, la cual se muestra en la Figura 4. El proceso principal sim() crea un proceso servidor() por cada servidor conectado a la SAN; estos procesos generan las operaciones de E/S de acuerdo con la especificación de la carga. sim() servidor() Vivos durante toda la simulación mensaje() acceso_disco() paquete() cuando el mensaje llega al disco byte_cabecera() byte_datos() byte_cola() Figura 4. Jerarquía de los procesos CSIM Cada operación de E/S consiste en la transmisión de dos mensajes diferentes: un mensaje de control (petición de lectura o reconocimiento de escritura) y un mensaje de datos. Los procesos mensaje() crean los procesos paquete() según la relación entre sus longitudes. Por ejemplo, un mensaje de 8192 bytes puede crear 4 paquetes de 2048 bytes o un único paquete de 8192 bytes. El tamaño máximo del paquete lo establece la red de interconexión: por ejemplo, Fibre Channel limita el tamaño de los paquetes manejados por la red a poco más de 2 KB. Los mensajes de control sólo crean un único paquete de unos pocos bytes. Finalmente, cada proceso paquete() genera a su vez los correspondientes procesos de byte: la cabecera lleva información del encaminamiento, los bytes de datos contienen la información misma, y el byte de cola va liberando los recursos de la red utilizados por el paquete. Por otro lado, una vez que el mensaje ha sido transmitido por la red de interconexión y llega al disco, se encola en la lista de peticiones pendientes del mismo. Una vez que esta petición haya sido servida, el disco generará el mensaje de vuelta al servidor. El proceso acceso_disco() modela el acceso físico al disco magnético involucrado en la operación de E/S y la generación del proceso mensaje() de vuelta al servidor. 900 Tiempo medio de respuesta de las operaciones de E/S (ciclos) sim() sim() sim() Tráfico entregado (bytes/ciclo) Figura 5. Resultado típico de una simulación La técnica de simulación para el análisis estadístico de las variables de salida utilizada por cada proceso sim() es submuestras (batch means), método implementado internamente en CSIM. Después de un

6 periodo transitorio especificado por un número mínimo de operaciones de E/S que deben transmitirse por la red, la simulación avanza hasta que la relación entre el tiempo medio de respuesta de las operaciones de E/S y el ancho del intervalo de confianza es menor que el 5%.. Este intervalo se calcula para un nivel de confianza del 95%. La Figura 5 muestra una gráfica típica que relaciona el tráfico entregado por la red y el tiempo de respuesta de las operaciones de I/O. Nótese que no se trata de una función, ya que ambas variables dependen del valor del tráfico inyectado. Como se puede apreciar, la red puede entregar hasta unos 4 bytes por ciclo, y a partir de este valor, el tiempo medio de respuesta crece mucho toda vez que el tráfico entregado desciende. Esto último indica que la red entra en saturación y no puede aceptar más tráfico que el que entrega. Cada punto de la gráfica se ha obtenido mediante la ejecución de un proceso sim(). En este caso concreto, se han hecho 9 simulaciones consecutivas, esto es, la ejecución de los diferentes procesos sim() se ha desarrollado en serie. 4. Simulación concurrente La aplicación de técnicas de simulación concurrente [6] implica el aprovechamiento de un conjunto de computadores conectados en red que ejecutan programas de simulación según dos vías principales: bien descomponiendo el modelo de simulación en submodelos y ejecutando cada submodelo en una máquina distinta (simulación distribuida), o bien ejecutando réplicas independientes de un mismo modelo de simulación en diferentes máquinas con el objeto de recolectar más rápidamente información estadística acerca de las variables resultado. La aplicación de la primera técnica comporta un importante esfuerzo de descomposición que no desean asumir muchos desarrolladores de modelos de simulación. Además, la técnica de descomposición no es aplicable a muchos modelos de simulación, o es difícil de llevar a cabo y de refinar para que sea efectiva. En cambio, la segunda técnica resulta conceptualmente sencilla y fácilmente aplicable a cualquier modelo de simulación, sobretodo si se dispone del entorno y de la herramienta adecuados. Esta última técnica es la que se ha elegido para acelerar la ejecución de las simulaciones de las redes de almacenamiento. La herramienta desarrollada para ejecutar simulaciones en paralelo se denomina CSX (Clustered Simulation Experimenter) [1]. CSX permite aprovechar un conjunto de máquinas heterogéneas para lanzar en ellas simulaciones de eventos discretos. computador PVM virtual machine mensajes PVM experimento MM Gestor Principal máquinas M LSM LSM Gestor Experimento Simulador manipulado UI M Gestor de máquinas y de carga Monitor de carga UI UI UI UIS MM experimentos LSM Servidor interfaces UIS de usuario UI Interfaz de usuario Figura 6. Organización del entorno de simulación concurrente CSX La Figura 6 muestra el esquema de este entorno en funcionamiento, que se plantea como una aplicación distribuida trabajando bajo PVM (Parallel Virtual Machine) [7] donde máquinas heterogéneas Unix y Windows se incorporan y eliminan dinámicamente. En las máquinas se lanzan diferentes tipos de procesos. Unos monitorizan la carga de las máquina Unix para conocer la disponibilidad potencial de recursos computacionales. Otros recogen la información estadística de los modelos de simulación que se ejecutan concurrentemente, mientras que otro permite el acceso multiusuario al entorno a través de servicios web. Como premisa de diseño, CSX ha sido concebido para emplearlo fácilmente con cualquier lenguaje de simulación. En particular, las primeras pruebas se realizaron con modelos implementados en el lenguaje SMPL [9], y en el caso que nos ocupa, se ha adaptado a un lenguaje de simulación más completo y moderno que el anterior como es CSIM.

7 La simulación del modelo se realiza en paralelo empleando el método de las réplicas independientes. Dicho método es, desde un punto de vista estadístico, el más natural para conseguir que la variable (o variables) resultado de una simulación esté contenida dentro de un intervalo de confianza. Puesto que cada réplica se lleva a cabo de una forma totalmente independiente del resto, este método se adecua explícitamente a su implementación de forma paralela. Cada simulación es una réplica exacta del modelo con la salvedad de que se emplea una secuencia (stream) distinta de números aleatorios. Las réplicas envían la información estadística de interés a un proceso monitor, el cual la analiza para construir el intervalo de confianza. La simulación termina tan pronto como el intervalo de confianza está dentro del rango especificado por el usuario. Para que un programa de simulación pueda emplear el entorno CSX es necesario añadir la instrumentación necesaria de manera que pueda ser controlado por dicho entorno. Esta instrumentación consiste básicamente en la inyección de eventos específicos en la cola de eventos del simulador, y que permiten tomar el control de dicho simulador cuando son tratados. Desde el punto de vista del modelador, instrumentar el modelo consiste en añadir un fichero de cabecera, llamadas a funciones CSX y finalmente enlazar con las librerías específicas para este entorno. A continuación se detalla brevemente la instrumentación añadida al código principal del simulador de SAN escrito en lenguaje CSIM: #include "csim.h" #include "csx_csim.h" void main() {... /* Variable estadistica a capturar por el monitor. */ csx_uservar("tiempo medio respuesta I/O",tr); /* Conexión con el monitor. */ csx_enroll(); /* Lanzamiento de un unico proceso sim() (réplica). */ sim(); } void sim() { /* Evento que envia la variable estadistica. */ csx_first_event();... } Una vez modificado el modelo de simulación, éste puede ser ejecutado en paralelo en el entorno CSX. Para ello se ha de indicar la cantidad inicial de réplicas a lanzar y la condición de parada de la simulación. A continuación el entorno lanza las réplicas independientes especificadas en un subconjunto de las máquinas disponibles en el cluster. Estas máquinas han sido incorporadas previamente a una máquina virtual mediante el entorno de programación concurrente PVM. 5. Resultados de la simulación concurrente Para realizar la prueba del modelo de simulación SAN en CSX, se ha adaptado adecuadamente el programa simulador y se han comparado los resultados de rendimiento empleando tanto el método original de análisis por submuestras (batch means) en serie como el método de las réplicas independientes en paralelo. La red de almacenamiento considerada en este estudio es la representada en la Figura 3. El punto de simulación elegido corresponde a un valor intermedio de carga. Para ejecutar los programas de simulación se ha aprovechado un laboratorio de prácticas dotado de 10 computadores PC con procesador AMD K6-2 a 350 MHz y 128 MB de memoria principal. El sistema operativo de dichas máquinas es Linux (distribución SuSE 6.1). Las máquinas se han utilizado en exclusividad para este experimento. En primer lugar se ha medido el tiempo que tarda en obtenerse el resultado de la simulación con el modelo sin instrumentar. El tiempo obtenido en uno de los PC reseñados ha sido de 3840 segundos (64 minutos). La Figura 7 muestra el comportamiento de la ejecución del modelo SAN, donde cabe destacar que el método interno de análisis estadístico por submuestras de CSIM no proporciona el intervalo de confianza hasta que se han recolectado un número de submuestras suficiente.

8 4000 Tiempo medio de respuesta de las operaciones de E/S (ciclos) Reinicio estadísticos Media calculada por CSIM Intervalos de confianza FIN SIMULACIÓN 5% de error Tiempo simulado (ciclos/10.000) Figura 7. Comportamiento del modelo de simulación original para el tiempo medio de respuesta de las peticiones de E/S Para comprobar la sobrecarga introducida por la instrumentación del modelo, el programa de simulación instrumentado se ha lanzado con el monitor de manera que el tiempo simulado del modelo fuese el mismo que en el caso anterior. Como resultado, el tiempo de ejecución del modelo instrumentado para el mismo tiempo simulado ha sido de 3760 segundos (62.7 minutos). Esta pequeña diferencia (alrededor de un 2%) no es significativa y se debe a la influencia de otras tareas que por defecto se ejecutan en una máquina Linux. Lo que es importante destacar es que la técnica de monitorización no afecta significativamente al rendimiento del programa de simulación. En este caso particular, la única interferencia que podría apreciarse sería el hecho de que se ha realizado una extracción de información estadística cada 14 segundos en promedio y se ha enviado por la red, asíncronamente, al proceso monitor del entorno CSX. Una vez comprobado el correcto funcionamiento de la simulación y su rendimiento, se ha pasado a ejecutar la simulación en paralelo. Para ello se ha lanzado simultáneamente una réplica independiente en cada una de las 10 máquinas del cluster y se han monitorizado los parámetros estadísticos de salida con el propósito de conocer el tiempo que se tarda en obtener el mismo intervalo de confianza que en el modelo original Media de las réplicas 5000 Tiempo medio de respuesta de las operaciones de E/S (ciclos) Reinicio de estadísticos Tiempo simulado (ciclos/4000) Figura 8. Tiempo medio de respuesta de las peticiones de E/S para cada réplica

9 1 4 7 La Figura 8 muestra la evolución temporal, recogida por el monitor, del valor estadístico de salida de la variable que mide el tiempo medio de respuesta de las peticiones de E/S. En punteado se muestra la media de todas las réplicas calculada por el monitor. En la Figura 9 se muestra la media de las réplicas, la evolución del intervalo de confianza para la media con un 95% de nivel confianza y las barras de error del 5% de la media respecto del ancho del intervalo. La simulación se da por finalizada cuando el intervalo de confianza de la media está dentro de dicho 5%. En el caso concreto de este experimento, dicha condición se consigue a los 890 segundos (14 minutos), que frente a los 3840 segundos del modelo original supone obtener el resultado de la simulación en una cuarta parte del tiempo original, aunque a costa de emplear 10 máquinas Tiempo medio de respuesta de las peticiones de E/S (ciclos) Intervalo de confianza al 95% Barras de error del 5% Reinicio de estadísticos Intervalo de confianza dentro del 5% de error especificado. FIN SIMULACIÓN PARALELA Tiempo de ejecución de la réplica más lenta : 890 s Tiempo simulado (ciclos/4000) Figura 9. Media de las 10 réplicas y evolución del intervalo de confianza Para 4 réplicas, la convergencia se consigue en unos 20 minutos (ver Tabla 1), por lo que la cantidad de máquinas (y réplicas) no está en relación de proporcionalidad directa con la rapidez en la obtención de resultados. Este resultado se debe exclusivamente al efecto del tiempo desperdiciado en el calentamiento inicial (warm-up) de las simulaciones, que mengua notablemente el speed-up al incrementarse la cantidad de réplicas, sin embargo, una mayor cantidad de réplicas garantiza una mayor cobertura estadística. En el caso específico de este experimento, 6 réplicas es un buen compromiso entre speep-up y cobertura estadística. Réplicas (máquinas) Fin simulación (segundos) Speed-up Original (batch) ' ' '5 Tabla 1. Tiempo de respuesta de la simulación en función de la cantidad de réplicas La Figura 10 muestra la relación entre el tiempo simulado y el tiempo de ejecución de cada réplica. Se puede observar claramente que unas réplicas van más deprisa que otras. Esto se debe a dos posibles factores: por una parte, la influencia de la secuencia de números aleatorios empleada, y por otra, las pequeñas diferencias de velocidad introducidas por otras tareas que se ejecutan en las máquinas Linux. En nuestro caso concreto, se ha comprobado que estas diferencias se han debido principalmente a la influencia del canal aleatorio utilizado. En cualquier caso, la velocidad de obtención de resultados vendrá condicionada por la réplica más lenta. En concreto, en este experimento hay una relación lineal entre las velocidades de cada réplica, habiendo una diferencia máxima del tiempo de respuesta del 15% entre la réplica más lenta y la más rápida. El efecto acumulativo de este factor hace que afecte a los modelos de simulación más complejos, es decir, los de mayor coste temporal. Está previsto hacer frente a esta problemática empleando técnicas de reparto dinámico de carga (migrando réplicas en ejecución de una máquina a otra). El mecanismo se basa en controlar la relación entre la potencia de cada máquina, la carga que soporta, la evolución del tiempo simulado y la cantidad de eventos por unidad de tiempo que simula cada réplica.

10 segundos Tiempo de ejecución del modelo (segundos) segundos Tendencia de la diferencia de tiempo de ejecución entre la réplica más rápida y la más lenta 200 y = x Tiempo simulado (ciclos/4000) 6. Conclusiones Figura 10. Tiempo de ejecución del modelo para cada réplica independiente El empleo masivo de computadores de bajas/medias prestaciones conectados en red demuestra cada vez más ser una herramienta adecuada para la realización de experimentos de simulación en paralelo. CSX se ha proyectado para que se pueda aprovechar un conjunto heterogéneo de máquinas disponibles en despachos y laboratorios para lanzar experimentos de simulación en paralelo sin preocuparse de localizar máquinas para ejecutarlos y sin competir por las máquinas más potentes, que de esta forma quedan centralizadas en este entorno multiusuario. La técnica empleada para la instrumentación de las simulaciones ha demostrado ser válida para el lenguaje de simulación orientado a procesos CSIM, permitiendo agilizar la obtención de resultados de las investigaciones que se están llevando a cabo por nuestro departamento en el área de las redes de almacenamiento. Los resultados obtenidos nos animan a continuar con esta línea. Por ello el trabajo futuro se orientará a hacer frente a los efectos del retardo de unas réplicas sobre otras. Para ello se puede recurrir a tres vías principales no excluyentes: el sacrificio de réplicas, el movimiento de la tarea de simulación de una máquina a otra y/o la mejora de las técnicas de análisis estadístico. Referencias [1] A. Perles, A. Martí, J.J. Serrano. Clustered Simulation Experimenter: A tool for concurrent simulation on loosely coupled workstations. Actas de la 13ª European Simulation Multiconference (ESM99). Mayo, [2] T. Clark, Designing storage area networks: a practical reference for implementing fibre channel SANs. Prentice-Hall. January, [3] User's guide: CSIM18 Simulation Engine (C version), Mesquite Software, Inc [4] W. Farley. Building storage area networks. McGraw-Hill. January, [5] Fibre Channel Industry Association, [6] R.M. Fujimoto. Parallel discrete event simulation. Communications of the ACM, no. 10. October, [7] A. Geist, A. Beguelin, J. Dongarra, W. Jiang, R. Manchek and V. Sunderam, PVM3 user's guide and reference manual, Technical Report ORNL/TM-12187, Oak Ridge National Laboratory. May, [8] A.M.Law and W.D.Kelton. Simulation Modeling and Analysis. McGraw-Hill, [9] M.H. McDougall. Simulating Computer Systems. The MIT Press, Cambridge, Massachusetts [10] B. Phillips. Have storage area networks come of age? Computer, vol. 31, no. 7, pp July, [11] D. Tang. Storage area networking: the network behind the server. Gadzoox Microsystems Inc., 1997.