បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះដោះស្រាយបញ្ហានៃការប្រើប្រាស់ថាមពលអគ្គិសនីដ៏ច្រើនសន្ធឹកសន្ធាប់នៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យ (Data Centers) ដែលបណ្តាលមកពីការប្រើប្រាស់ធនធានកុំព្យូទ័រមិនអស់លទ្ធភាព (Low Utilization) និងការខ្ជះខ្ជាយថាមពលនៅក្នុងម៉ាស៊ីនមេដែលមិនដំណើរការ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះស្នើឡើងនូវវិធីសាស្ត្របង្រួមបញ្ចូលគ្នានៃម៉ាស៊ីននិម្មិត (Dynamic VM Consolidation) បែបចែកចាយ ដើម្បីកាត់បន្ថយចំនួនម៉ាស៊ីនមេដែលសកម្ម ដោយប្រើប្រាស់គំរូស្ថិតិ និងគណិតវិទ្យា។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Markov Host Overload Detection (MHOD) ការរកមើលការផ្ទុកលើសដោយប្រើគំរូ Markov (MHOD) |
អនុញ្ញាតឱ្យកំណត់គោលដៅគុណភាពសេវាកម្ម (QoS) បានច្បាស់លាស់ និងមានលក្ខណៈអុបទិមសម្រាប់បន្ទុកការងារដែលមានស្ថេរភាព (Stationary Workload)។ | ត្រូវការការគណនាស្មុគស្មាញជាងវិធីសាស្ត្រធម្មតា ហើយពឹងផ្អែកលើការប៉ាន់ប្រមាណបន្ទុកការងារ (Workload Estimation) សម្រាប់បន្ទុកដែលមិនមានស្ថេរភាព។ | សម្រេចបានប្រសិទ្ធភាពប្រមាណ ៨៨% នៃក្បួនដោះស្រាយ Offline ល្អបំផុត និងមានការបំពាន SLA តិចជាង ០.៥%។ |
| Local Regression (LR) / Robust Local Regression (LRR) វិធីសាស្ត្រតម្រែតម្រង់ក្នុងតំបន់ (Local Regression) |
មានសមត្ថភាពខ្ពស់ក្នុងការគ្រប់គ្រងបន្ទុកការងារដែលមានការប្រែប្រួលខ្លាំង និងកាត់បន្ថយការបន្លាស់ទីដែលមិនចាំបាច់។ | ការកំណត់ប៉ារ៉ាម៉ែត្រសុវត្ថិភាព (Safety Parameter) ដើម្បីថ្លឹងថ្លែងរវាងថាមពល និងគុណភាពសេវាកម្ម មានភាពលំបាកជាង MHOD។ | កាត់បន្ថយការប្រើប្រាស់ថាមពលបានយ៉ាងល្អប្រសើរជាងវិធីសាស្ត្រកំណត់កម្រិតថេរ (Static Threshold)។ |
| Static Threshold (THR) វិធីសាស្ត្រកំណត់កម្រិតនៃការប្រើប្រាស់ CPU ថេរ (Static Threshold) |
ងាយស្រួលក្នុងការអនុវត្ត និងមិនត្រូវការការគណនាច្រើន។ | មិនអាចបត់បែនតាមបម្រែបម្រួលនៃបន្ទុកការងារជាក់ស្តែង ដែលនាំឱ្យមានការខ្ជះខ្ជាយថាមពល ឬការបំពាន SLA ខ្ពស់។ | មានប្រសិទ្ធភាពទាបជាងវិធីសាស្ត្រ Dynamic (ដូចជា MHOD ឬ LRR) ក្នុងការរក្សាតុល្យភាពរវាងថាមពល និងគុណភាព។ |
| Non-Power Aware (NPA) / DVFS Only វិធីសាស្ត្រមិនគិតពីការសន្សំសំចៃថាមពល (ឬប្រើតែ DVFS) |
ផ្តល់នូវដំណើរការម៉ាស៊ីនខ្ពស់បំផុតដោយគ្មានការរំខានពីការបន្លាស់ទី VM។ | ខ្ជះខ្ជាយថាមពលខ្លាំងបំផុត ដោយសារម៉ាស៊ីនមេដែលមិនសូវមានដំណើរការនៅតែបើកចោល។ | ប្រើប្រាស់ជាស្តង់ដារគោល (Baseline) ដើម្បីបង្ហាញពីការសន្សំសំចៃថាមពលរបស់វិធីសាស្ត្រដែលបានស្នើឡើង។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះទាមទារនូវបរិស្ថានក្លែងធ្វើ ឬប្រព័ន្ធ Cloud ខ្នាតតូចដែលមានការគាំទ្រ Live Migration ប៉ុន្តែមិនត្រូវការឧបករណ៍ជំនាញថ្លៃៗនោះទេ។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យពី PlanetLab ដែលជាបណ្តាញស្រាវជ្រាវសកល។ បន្ទុកការងារ (Workload) អាចមានលក្ខណៈខុសប្លែកពីកម្មវិធីពាណិជ្ជកម្ម (Commercial Applications) នៅក្នុងវិស័យធនាគារ ឬសហគ្រាសនៅកម្ពុជា ដែលទាមទារឱ្យមានការធ្វើតេស្តបន្ថែមលើទិន្នន័យក្នុងស្រុក។
វិធីសាស្ត្រនេះមានប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់កម្ពុជា ដោយសារតម្លៃអគ្គិសនីខ្ពស់ ដែលជាកត្តាជំរុញឱ្យមជ្ឈមណ្ឌលទិន្នន័យស្វែងរកដំណោះស្រាយសន្សំសំចៃថាមពល។
ក្របខ័ណ្ឌ OpenStack Neat គឺជាឧបករណ៍ដ៏មានសក្តានុពលសម្រាប់អ្នកអភិវឌ្ឍន៍ Cloud នៅកម្ពុជា ប៉ុន្តែការអនុវត្តជាក់ស្តែងទាមទារឱ្យមានការកែតម្រូវប៉ារ៉ាម៉ែត្រឱ្យសមស្របនឹងប្រភេទកម្មវិធីក្នុងស្រុក។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Dynamic VM Consolidation | ដំណើរការនៃការប្រមូលផ្តុំម៉ាស៊ីននិម្មិត (Virtual Machines) ឱ្យទៅស្ថិតនៅលើម៉ាស៊ីនមេ (Physical Servers) ចំនួនតិចបំផុតតាមដែលអាចធ្វើទៅបាន ដើម្បីអនុញ្ញាតឱ្យបិទម៉ាស៊ីនមេដែលនៅសល់ដើម្បីសន្សំសំចៃថាមពលអគ្គិសនី ដោយមិនប៉ះពាល់ដល់ដំណើរការកម្មវិធី។ | ដូចជាការរៀបចំឱ្យអ្នកដំណើរជិះក្នុងឡានក្រុងឱ្យពេញៗ ដើម្បីកាត់បន្ថយចំនួនឡានក្រុងដែលត្រូវរត់ និងសន្សំសាំង។ |
| Live Migration | បច្ចេកវិទ្យាដែលអនុញ្ញាតឱ្យផ្លាស់ទីម៉ាស៊ីននិម្មិត (VM) ពីម៉ាស៊ីនមេមួយទៅម៉ាស៊ីនមេមួយទៀត ខណៈពេលដែលវាកំពុងដំណើរការ ដោយមិនធ្វើឱ្យគាំង ឬរំខានដល់អ្នកប្រើប្រាស់ឡើយ។ | ប្រៀបបាននឹងការលើកត្រីចេញពីកែវមួយទៅកែវមួយទៀត ដោយមិនឱ្យត្រីនោះដឹងខ្លួន ឬដាច់ដង្ហើម។ |
| Service Level Agreement (SLA) | កិច្ចព្រមព្រៀងរវាងអ្នកផ្តល់សេវា (Cloud Provider) និងអតិថិជន ដែលកំណត់អំពីកម្រិតគុណភាពសេវាកម្ម (ដូចជាល្បឿន និងស្ថេរភាព)។ នៅក្នុងបរិបទនេះ វាសំដៅលើការធានាថាម៉ាស៊ីននិម្មិតនឹងទទួលបានធនធាន CPU គ្រប់គ្រាន់។ | ដូចជាការធានារបស់អ្នកដឹកជញ្ជូនភីហ្សាថា «បើដឹកយឺតជាង ៣០នាទី នឹងមិនគិតលុយ»។ |
| Markov Chain | គំរូគណិតវិទ្យាដែលប្រើសម្រាប់ទស្សន៍ទាយស្ថានភាពនាពេលអនាគត ដោយផ្អែកលើស្ថានភាពបច្ចុប្បន្នសុទ្ធសាធ (មិនខ្វល់ពីអតីតកាល)។ នៅក្នុងការសិក្សានេះ វាត្រូវបានប្រើដើម្បីសម្រេចចិត្តថាពេលណាគួរបន្លាស់ទី VM ចេញនៅពេលម៉ាស៊ីនមេធ្វើការធ្ងន់ពេក។ | ដូចជាការលេងហ្គេមបutes ដែលជំហានបន្ទាប់របស់អ្នកអាស្រ័យតែលើកន្លែងដែលអ្នកកំពុងឈរ មិនមែនកន្លែងដែលអ្នកបានដើរកាត់ពីមុននោះទេ។ |
| Local Regression | វិធីសាស្ត្រស្ថិតិដែលប្រើប្រាស់ទិន្នន័យថ្មីៗចុងក្រោយ ដើម្បីគូសខ្សែក្រាហ្វព្យាករណ៍អំពីទិសដៅនៃការប្រើប្រាស់ធនធាន (CPU Usage) នាពេលអនាគតក្នុងរយៈពេលខ្លី។ | ដូចជាការប៉ាន់ស្មានថាតើភ្លៀងនឹងធ្លាក់ឬអត់ក្នុងរយៈពេល ១០នាទីទៀត ដោយមើលតែលើពពកខ្មៅដែលកំពុងរសាត់មកជិត។ |
| Infrastructure as a Service (IaaS) | សេវាកម្មកុំព្យូទ័រលើពពកដែលផ្តល់នូវហេដ្ឋារចនាសម្ព័ន្ធមូលដ្ឋាន (ដូចជា ម៉ាស៊ីនមេ កន្លែងផ្ទុកទិន្នន័យ និងបណ្តាញ) ដល់អ្នកប្រើប្រាស់ ដើម្បីឱ្យពួកគេអាចដំឡើងកម្មវិធី និងប្រព័ន្ធប្រតិបត្តិការដោយខ្លួនឯងបាន។ | ដូចជាការជួលដីទទេដើម្បីសង់ផ្ទះដោយខ្លួនឯង ជាជាងការជួលបន្ទប់សណ្ឋាគារដែលគេរៀបចំឱ្យស្រាប់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
