Предотвратить проблему в облаке прежде, чем она возникнет

Исследователи из государственного университета Северной Каролины (NCSU) разработали новый программный инструмент для предотвращения снижения производительности в вычислительном облаке посредством автоматической идентификации и ответа на потенциальные аномалии, прежде чем они разовьются в проблемы.

Запуск множества виртуальных машин на одной большой компьютерной платформе чреват тем, что ошибка в ПО или другие проблемы в одной из них могут вызвать нарушения во всем облаке.

Теперь исследователи разработали ПО, которое отслеживает объем используемой памяти, сетевой трафик, утилизацию ЦП и другие данные на системном уровне в облачной инфраструктуре с целью разработать определение многообразия поведений системы, которые могут считаться «нормальными». Программа определяет нормальное поведение для каждой виртуальной машины в облаке, и затем может искать отклонения и предсказывать аномалии, которые могут оказать влияние на способность системы предоставлять сервисы пользователям.

Одно из преимуществ такого подхода заключается в том, что он не требует от пользователей обеспечения так называемых «данных для тренировки», определяющих, что считать аномальным поведением. Это является важным, потому что данные для тренировки зачастую трудно получить в продуктивной облачной системе. Более того, такой подход способен предсказывать аномалии, которые никогда не были замечены прежде.

Если программа определяет ВМ, поведение которой отклоняется от нормального, она помещается в диагностический «черный ящик», который, не затрагивая пользовательские данные, определяет, какая из метрик, например утилизация ЦП, может пострадать. Полученные данные метрики могут затем использоваться для включения соответствующей превентивной системы, которая скорректирует отклонение и предотвратит возникающую проблему.

«Если мы можем определить начальную стадию отклонения и запустить автоматический ответ, мы не только можем предотвратить последствие, но и даже возможность какого-либо ухудшения производительности системы, - сказала д-р Хелен Гу (Helen Gu). – Также важно отметить, что эта программа не имеет доступ к данным пользователя. Мы рассматриваем поведение только на уровне системы».

Программа не использует сколь-нибудь значительные ресурсы облака – всего 1% нагрузки ЦП и 16 МБ памяти. Она способна собирать необходимые данные и определять нормальное поведение системы намного быстрее, чем существующие методы.

При тестировании программа идентифицировала вплоть до 98% аномалий, что намного выше того, что обнаруживается при существующих подходах.

Д-р Гу сказала, что следующим шагом будет инкорпорирование более детальных средств диагностики в ПО, с помощью которых можно было бы определять программные ошибки, вызывающие аномальное поведение, и исправлять их.

Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365