Today, companies and data centers are moving towards cloud and serverless storage systems instead of traditional file systems. As a result of such a transition, allocating sufficient resources to users and parties to satisfy their service level demands has become crucial in cloud storage. In cloud storage, the schedulability of system components and requests is of great importance to achieving QoS goals. However, the bufferbloat phenomenon in storage backends impacts the schedulability of the system. In a storage server, bufferbloat happens when the server submits all requests immediately to the storage backend due to a large buffer in the backend. In recent decades, many studies have focused on the bufferbloat as a latency problem. Nevertheless, none of these works investigate the impact of bufferbloat on the schedulability of the system. In this paper, we demonstrate that the bufferbloat impacts scheduling and performance isolation and identify utilizing admission control in the storage backend as an easy-to-adopt solution to mitigate bufferbloat. Moreover, we show that traditional static admission controls are inadequate in the face of dynamic workloads in cloud environments. Finally, we propose SlowFast CoDel, an adaptive admission control, as a starting point for developing adaptive admission control mechanisms to mitigate bufferbloat in cloud storage.


翻译:如今,公司和数据中心正在转向云存储和无服务器存储系统而不是传统的文件系统。由于这种转变,为用户和各方分配足够的资源以满足其服务水平要求已成为云存储中至关重要的问题。在云存储中,系统组件和请求的可调度性对于实现QoS目标非常重要。然而,存储后端中的缓冲区充塞现象会影响系统的可调度性。在存储服务器中,缓冲区充塞是指由于后端缓冲区过大,服务器立即将所有请求提交到后端存储时发生的问题。在过去几十年中,许多研究关注缓冲区充塞作为一种延迟问题。然而,这些工作中没有任何一个研究调查了缓冲区充塞对系统可调度性的影响。在本文中,我们证明了缓冲区充塞对调度和性能隔离的影响,并确定在存储后端中采用入场控制作为缓解缓冲区充塞的易于采用的解决方案。此外,我们展示了传统的静态入场控制在面对云环境中的动态工作负载时是不足够的。最后,我们提出了SlowFast CoDel,一种自适应入场控制机制,作为开发缓解存储云系统中缓冲区充塞问题的自适应入场控制机制的起点。

0
下载
关闭预览

相关内容

干货书!基于单调算子的大规模凸优化,348页pdf
专知会员服务
48+阅读 · 2022年7月24日
【2022新书】高效深度学习,Efficient Deep Learning Book
专知会员服务
119+阅读 · 2022年4月21日
专知会员服务
35+阅读 · 2021年7月9日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
【新书】Java企业微服务,Enterprise Java Microservices,272页pdf
TensorFlow Lite指南实战《TensorFlow Lite A primer》,附48页PPT
专知会员服务
69+阅读 · 2020年1月17日
【大规模数据系统,552页ppt】Large-scale Data Systems
专知会员服务
60+阅读 · 2019年12月21日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年5月22日
Arxiv
0+阅读 · 2023年5月21日
Arxiv
92+阅读 · 2020年2月28日
VIP会员
相关VIP内容
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员