Μελέτη κλιμακωσιμότητας εφαρμογών στα άκρα του δικτύου με τη χρήση του
λογισμικού Kubernetes

Κουρής, Αναστάσιος Ξ.

dc.contributor.author	Κουρής, Αναστάσιος Ξ.
dc.date.accessioned	2020-11-02T07:40:09Z
dc.date.available	2020-11-02T07:40:09Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/51720
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.19418
dc.rights	Default License
dc.subject	Μεταφόρτωση Υπολογισμών, Υπολογισμός στα Άκρα του Δικτύου, Κλιμακωσιμότητα, Kubernetes	el
dc.subject	Computation Offloading, Edge Computing, Scalability, Kubernetes	en
dc.title	Μελέτη κλιμακωσιμότητας εφαρμογών στα άκρα του δικτύου με τη χρήση του λογισμικού Kubernetes	el
dc.contributor.department	Τεχνο-Οικονομικά Συστήματα	el
heal.type	masterThesis
heal.classification	Δίκτυα Υπολογιστών	el
heal.classification	Δίκτυα Υπολογιστών	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2020-06-19
heal.abstract	Καθώς πληθαίνουν οι εφαρμογές πραγματικού χρόνου για διασυνδεδεμένες κινητές συσκευές, αυξάνονται και οι απαιτήσεις για ταχύτητα υπολογισμών και αποθήκευση πληροφορίας. Εξαιτίας των περιορισμών των δυνατοτήτων των συσκευών, κρίνεται αναγκαία η εξ αποστάσεως εκτέλεση εργασιών σε ομάδες υπολογιστών που δεν έχουν αυτούς τους περιορισμούς. Ιδανικά, οι υπολογιστές που αναλαμβάνουν την εκτέλεση τέτοιων εργασιών πρέπει να βρίσκονται στα άκρα του δικτύου των κινητών συσκευών, προκειμένου να διασφαλίζονται οι απαιτήσεις ποιότητας υπηρεσίας. Ωστόσο, οι πόροι που διαθέτουν οι υπολογιστές σε τέτοιες διατάξεις δεν μπορούν να είναι απεριόριστοι, οπότε κρίνεται αναγκαία η αποδοτική διαχείριση τους. Η κλιμάκωση της εκάστοτε εφαρμογής ανάλογα με τον όγκο των αιτήσεων που επεξεργάζεται περιορίζει τους πόρους που δεσμεύονται στους απολύτως αναγκαίους, απελευθερώνοντας πλεονάζοντες πόρους. Στην παρούσα εργασία πραγματοποιείται μελέτη κλιμακωσιμότητας εφαρμογών που εκτελούνται στα άκρα του δικτύου με τη χρήση του λογισμικού Kubernetes. Το Kubernetes προσφέρει δυνατότητες ελέγχου της κλιμάκωσης μια εφαρμογής μέσω του Horizontal Pod Autoscaler. Η οντότητα αυτή επιτρέπει τον έλεγχο του αριθμού των εκτελούμενων πανομοιότυπων της εφαρμογής, γνωστά ως Containers, βάσει τιμών μετρικών που η ίδια παράγει. Οι μετρικές αυτές είναι είτε τα μεγέθη των χρησιμοποιούμενων υπολογιστικών πόρων είτε εξατομικευμένες μετρικές που αφορούν ποιοτικά χαρακτηριστικά της εφαρμογής. Στο σενάριο που παρουσιάζεται, πραγματοποιείται κλιμάκωση με χρήση και των δύο τύπων μετρικών, καθώς επίσης και παραλλαγή ως προς το μέγεθος των πόρων που διατίθενται ανά Container εφαρμογής. Τα πειραματικά αποτελέσματα καταδεικνύουν τη δυνατότητα χρήσης του μηχανισμού κλιμακωσιμότητας που το Kubernetes προσφέρει, για εφαρμογές στα άκρα του δικτύου.	el
heal.abstract	With the increased use of real-time Internet of Things (IoT) applications, there is a growing demand for fast computation and data storage. Because of the mobile devices’ current technical restrictions, computations are offloaded to computer clusters which do not show such restrictions. It is preferable that such computers reside close to and on the same network with the mobile devices so that Quality of Service (QoS) requirements are met. Such computer clusters cannot possess unlimited resources, so it is important that they are widely distributed among applications. Scaling applications according to their request load allows reserving as many resources as necessary to meet their needs, letting remaining ones to be consumed by other applications. In this study the scalability of applications executing on Edge Servers with the use of Kubernetes software is investigated. Kubernetes enables control of application scaling through its Horizontal Pod Autoscaler resource. This resource can control the number of executing Container instances of an application by using metrics collected by it. Such metrics can describe either the size of resources used the application or any other aspect of it. The latter are also called custom metrics. In the scenario presented, scaling is performed via both types of metrics. Also, a variation based on amount of resources available to each Container is tested. Experimental results prove that using Kubernetes’ scaling mechanism for such applications can be effective.	en
heal.advisorName	Παπαβασιλείου, Συμεών
heal.committeeMemberName	Ματσόπουλος, Γιώργος
heal.committeeMemberName	Ρουσσάκη, Ιωάννα
heal.academicPublisher	Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	54
heal.fullTextAvailability	false