Daten¨ ubertragungskosten

Bei der Nutzung von Infrastrukturdiensten wieVMsfallen nicht nur Kosten f¨ur die Nutzung der eigentlichen Ressourcen an, auch die Daten¨ubertragungskosten sind zu ber¨ucksichtigen.

Nachdem der Kostenoverhead f¨ur die Allokationsstrategien bestimmt wurde, ist zudem inter-essant, in welchem Verh¨altnis zur eigentlichen Nutzungsgeb¨uhr die Daten¨ubertragungskosten stehen. Dazu wird bez¨uglich der Kosten exemplarisch die Situation imAmazon EC2 Rechen-zentrum in Irland betrachtet. Daten¨ubertragungskosten werden quasi doppelt abgerechnet.

Einerseits finden sie sich bereits in der VM-Nutzungsdauer wieder, da w¨ahrend Daten zur VM ¨ubertragen werden, diese auch aktiv sein muss und somit Geld kostet. Zus¨atzlich wird jedes Byte, welches aus dem Amazon Rechenzentrum heruntergeladen wird, in verschiedenen Stufen, je nach Menge der Gesamt¨ubertragungsdaten im Monat, abgerechnet. Der Upload von Daten ist kostenlos. Zur Vereinfachung wurde angenommen, dass f¨ur jedes angefangene GigaByte 0,12 $ berechnet werden. Diese Kosten reflektieren die pessimistischste Variante.

Je nach tats¨achlicher Nutzung kann es jedoch nur g¨unstiger werden. Die genauen Abrech-nungsmodalit¨aten f¨ur Daten¨ubertragungen zu verschiedenen Cloud-Rechenzentren sind in Anhang B angegeben.

Abbildung 5.13 zeigt die Daten¨ubertragungskosten relativ zu den entstehendenVM-Kosten f¨ur verschiedene Simulationseingaben. Da l¨angere Berechnungen auch etwas mehr an Down-load Traffic erzeugen, wurde die Datenmenge der Nutzungsdauer angepasst. Das Diagramm zeigt Daten¨ubertragungen von 0,2 bis 60 MB. F¨ur die kurze ¨Ubertragungsdauer sind die prozentualen ¨Ubertragungskosten besonders niedrig. Da die Daten¨ubertragungskosten f¨ur al-le verschiedenen VM-Instanztypen konstant sind, reflektiert das Diagramm jedoch auch den Kostenoverhead, wenn teurere Instanztypen verwendet werden. Weniger performante

Instanz-5.5 Fazit

typen sind g¨unstiger und kosteneffizienter, wodurch sich der relative Anteil der Daten¨ uber-tragungskosten an den Gesamtkosten erh¨oht. Ebenso ist der Overhead f¨ur wenige Anfragen pro Tag sehr hoch, wie bereits in Abbildung 5.11 zu sehen war, wodurch die Daten¨ ubertra-gungskosten relativ gesehen in diesem Szenario geringer werden.

Zus¨atzliche Kosten, die f¨ur die Datenspeicherung anfallen, wurden nicht mit in die Berech-nungen inbegriffen, da diese nur 0,0024 US cent pro Anfrage ausmachen w¨urden. Zusammen-fassend ist zu sagen, dass die Daten¨ubertragungskosten eher einen geringen Anteil an den Gesamtkosten haben, jedoch im Gegensatz zu den Kosten f¨ur die Datenspeicherung nicht zu vernachl¨assigen sind. Sie werden deshalb im Folgenden bei der Berechnung der Nutzungskos-ten auch weiter betrachtet.

5.5 Fazit

In diesem Kapitel wurde untersucht, wie die Forderung nach einer exklusiven Ressourcenal-lokation f¨ur jeden Client den Kostenoverhead f¨ur dieVM-Nutzung beeinflusst. Dabei wurde die Wiederverwendung vonVM-Ressourcen zur Kostenreduktion als essentiell eingef¨uhrt. Da-nach wurde eine Architektur vorgestellt, dieVM-Ressourcen ¨uber einen Broker-Server an die einzelnen Clients zuweist. In einer Simulation wurde die durchschnittlicheVM -Allokations-dauer im Vergleich zu einer traditionellen Strategie mit Multiplexing von Anfragen verglichen.

Gegen¨uber der traditionellen unmittelbaren Ressourcenallokation stellt die exklusive Al-lokationsstrategie eine obere Schranke bez¨uglich der Allokationsdauer f¨ur eine VM nahezu sicher. Trotz dieser Verbesserung offenbarte eine Simulation, dass die exklusive Allokations-strategie in Bezug auf den Kostenoverhead ein ¨ahnliches Verhalten zeigt wie die unmittelbare Allokationsstrategie, also f¨ur die meisten simulierten F¨alle nicht teurer ist. F¨ur die exklusive Allokationsstrategie dauert die Allokation f¨ur die simulierten F¨alle im Mittel nicht l¨anger als ca. 10 s. F¨ur die unmittelbare Allokationsstrategie war der Aufschlag auf die Ausf¨uhrungszeit hingegen nicht nur im Mittel, sondern auch absolut, wesentlich h¨oher.

F¨ur die nachfolgenden Betrachtungen l¨asst sich im Ergebnis festhalten, dass eine VM zur Nutzung durch eineMobile Cloud-unterst¨utzte Anwendung exklusiv zugewiesen werden kann und dass die daf¨ur notwendige exklusive Ressourcenallokation mit absch¨atzbarem Overhead realisierbar ist. Somit k¨onnen nachfolgend Vorhersagealgorithmen ¨uber die Ausf¨uhrungszeit von Applikationen entwickelt werden, die die exklusiveVM-Nutzung voraussetzen.

Als Einschr¨ankung bez¨uglich der Verbesserung der Granularit¨at der Abrechnungsperiode stellte sich heraus, dass f¨ur wenige kurze Anfragen ¨uber einen Tag verteilt kaum eine Verbes-serung erreicht werden kann. Erst ab ca. 10000 Anfragen/Tag, die jeweils ca. 1 min dauern, kann der Overhead auf das Doppelte begrenzt werden. Das heißt, dass eine so abgerechnete Minute Berechnungszeit circa der Nutzungsgeb¨uhr f¨ur zwei Minuten Berechnungszeit ent-spricht. Im Ergebnis kann nun zwar eine sekundengenaue Erfassung der Nutzungsdauer f¨ur Mobile Cloud-unterst¨utzte Anwendungen implementiert werden, der Abrechnungspreis muss jedoch je nach tats¨achlichem Nutzungsverhalten in der Vergangenheit angepasst werden.

Aufgrund der Wiederverwendung vonVMsf¨ur verschiedene Anwendungen, muss der Pro-grammcode durch den Client zur Laufzeit installiert werden. Dies f¨uhrt zu der Einschr¨ankung, dass die Installation und Daten¨ubertragung des Programmcodes in angemessenem Verh¨altnis zur Ausf¨uhrung der eigentlichen Applikation stehen muss. Abschließend wurde festgestellt, dass auch die Daten¨ubertragungskosten nicht zu vernachl¨assigen sind und somit nachfolgend in die Kostenvorhersage integriert werden m¨ussen.

Mobile Cloud-unterst¨utzte Anwendungennutzen Cloud-Ressourcen zur entfernten Ausf¨uhrung von berechnungsintensiven Programmmodulen. Dieses Kapitel widmet sich der Auswahl der Qualit¨at verf¨ugbarer Cloud-Ressourcen (VMs). Das Treffen einer Auswahl ist n¨otig, da sei-tens des IaaS-Anbieters ¨ublicherweise verschiedene Ressourcenkonfigurationen zur Verf¨ugung stehen. Nicht alle k¨onnen jedoch f¨ur eine konkrete Situation zur Laufzeit sinnvoll verwendet werden, da sie eventuell keine schnellere Ausf¨uhrung erm¨oglichen oder die Kostenbeschr¨ an-kung verletzen, die in Kapitel 3 definiert wurde. Dar¨uber hinaus hat jeder Nutzer eventuell eigene Vorgaben bez¨uglich der Qualit¨atsauswahl. So k¨onnte ein Nutzer etwa die bestm¨ogliche Performance pro Geldeinheit als Ziel haben und nicht die maximal m¨ogliche Performance.

Die Auswahl h¨angt von der momentan verf¨ugbaren Netzwerkperformance ab, deren Be-stimmung in Kapitel 4 behandelt wurde. Es ist beispielsweise un¨okonomisch, eine performan-te und performan-teure Ausf¨uhrungsressource auszuw¨ahlen, wenn diese dann aufgrund einer zu geringen Netzwerkperformance nicht schnell genug mit Daten versorgt werden kann. Die Ausf¨ uhrungs-geschwindigkeit der eigentlichen Applikation auf verschiedenenVM-Typen ist demnach auch wichtig f¨ur die Ressourcenauswahl.

In diesem Kapitel wird deshalb der Einfluss des Applikationsverhaltens auf die Auswahl der zur Verf¨ugung stehenden Cloud-Ressourcen untersucht. Ziel ist es, eine Methode zu ent-wickeln, die das Applikationsverhalten approximiert und es so erm¨oglicht, f¨ur eine spezifische Eingabe die Laufzeit vorherzusagen. Da nicht jedes Applikationsverhalten vorhersagbar mo-delliert werden kann, werden auch Grenzen des Verfahrens beschrieben und Applikationen genannt, die mit dem hier beschriebenen Verfahren nicht erfasst werden k¨onnen. Nachdem in Kapitel 5 die Anwendbarkeit eines exklusiven Allokationsmechanismus gezeigt wurde, wird in diesem Kapitel davon ausgegangen, dass f¨ur jede entfernte Ausf¨uhrung stets eine Res-source exklusiv zur Verf¨ugung steht. Dadurch sind bei der Ausf¨uhrung einerMobilen Cloud-unterst¨utzten Anwendung Seiteneffekte durch andere gleichzeitig ausgef¨uhrte Anwendungen ausgeschlossen. Außerdem spielen die Kosten f¨ur die Nutzung von Cloud-Ressourcen und damit auch der Kostenoverhead nur eine untergeordnete Rolle. Es wird davon ausgegangen, dassVMseines IaaS-Anbieters sekundengenau abgerechnet werden k¨onnen. Somit lassen sich neben der Laufzeit auch die Kosten vorhersagen.

6.1 Auswahlstrategien

Zur Modellierung des Entscheidungsmodells zur Ressourcenauswahl ist es notwendig,Mobile Cloud-unterst¨utzte Anwendungen zu kategorisieren und die Applikationen zu identifizieren, f¨ur die eine Auswahl zur Laufzeit nicht vorgenommen werden kann. F¨ur die vom Modell erfassten Applikationen wird anschließend analysiert, wie deren Verhalten f¨ur verschiedene Eingaben und auf verschiedenen Ressourcentypen realistisch approximiert werden kann.

6.1 Auswahlstrategien