Monitorización de calidad de servicios cloud mediante modelos en tiempo de ejecución

Abstract

Cloud computing has brought many benefits to its users that are derived from its specific characteristics. However, it also creates new challenges as regards the provisioning of software and hardware services. One of the most significant challenges is the appropriate provisioning of high quality services that cloud providers should offer to their customers. Given the large number of cloud service providers, it is essential to supply customers with services that satisfy their needs and the expected level of quality. The characteristics of the Quality of Services (QoS) agreed upon between customers and providers are contained in Service Level Agreements (SLAs), which also describes the penalties to be applied when the SLA is violated. It is, therefore, necessary to monitor the status of services to the fulfillment of SLAs. Monitoring methods and tools plays a crucial role in this context, as they provide information about the status of the running services and their quality level. Although there are many general purpose monitoring solutions, it is not possible to use them properly for the monitoring of specific resources in cloud environments. Moreover, there are specific solutions for cloud services with which to determine compliance with the SLA and the overall behavior and quality of cloud services. However, these solutions have significant limitations when monitoring specific individual needs because they are focused on monitoring low-level quality attributes (e.g., CPU or disk usage), and because of their rigidity as regards dealing with the modifications of monitoring requirements at runtime. In addition, other solutions are limited to certain cloud platforms or do not exploit data monitoring provided by third parties. There is thus a need for a method with which to monitor cloud services that can help to mitigate these problems, and also exploit data obtained by third-party solutions (e.g., specialized tools with which to monitor certain quality attributes, agents, data provided by platform libraries). The hypothesis of this thesis is that the use of models at runtime, which is a Model Driven Engineering (MDE) technique, can provide an appropriate solution to this problem owing to its reflection mechanisms that decouple the model specification which contain the monitoring requirements from the monitoring infrastructure. The principal objective of this thesis is, therefore, the definition and empirical validation of Cloud MoS@RT, a method for monitoring services deployed in the cloud. We have also designed and implemented a monitoring infrastructure that supports the proposed method. Finally, the method and the monitoring infrastructure have been empirically evaluated through a quasi-experiment and three replications with participants from Spain, Paraguay, and Ecuador. Consequently, it is important to emphasize that this thesis contributes to an innovative monitoring solution, owing to its high flexibility as regards specifying monitoring requirements provided by the model at runtime. The solution is also highly interoperable as it allows the extraction and integration of monitoring data from various scenarios and data sources.

La computación en la nube ha traído consigo muchas ventajas derivadas de sus características particulares, proporcionando a sus usuarios varios beneficios pero también nuevos retos en el aprovisionamiento de servicios de hardware y software. Entre los desafíos más significativos está el aprovisionamiento adecuado y de alta calidad de los servicios que el proveedor ofrece a sus clientes. Dado el amplio número de proveedores de plataformas en la nube, se hace indispensable que éstos ofrezcan servicios de calidad, a fin de satisfacer las expectativas de sus clientes. Las características de calidad de los servicios (Quality of Services, QoS) que son pactadas entre clientes y proveedores se ven reflejadas en los acuerdos de nivel de servicios (Service Level Agreement, SLA), que también describen las penalizaciones que se deben aplicar en caso de incumplimientos del SLA. De ahí, la necesidad de conocer el estado actual de los servicios para comprobar si los términos del SLA se cumplen. Los métodos y herramientas de monitorización juegan un papel crucial en este contexto ya que proporcionan información sobre la utilización de los servicios y su nivel de calidad. A pesar de que existen muchas soluciones de monitorización de propósito general, éstas no se adaptan adecuadamente debido a que es habitual necesitar monitorizar aspectos específicos de los servicios con respecto a los recursos concretos de la plataforma. Por otra parte, existen soluciones de monitorización específicas para la nube, pero estas presentan limitaciones importantes a la hora de especificar necesidades de monitorización particulares ya que están centradas en monitorizar atributos de calidad de bajo nivel (uso de CPU, memoria en disco, etc) o son muy rígidas para poder modificar los requisitos en tiempo de ejecución. Además, algunas soluciones existentes están limitadas a ciertas plataformas cloud y otras no permiten explotar datos de monitorización provistos por otras herramientas ya que funcionan de manera aislada. De esta forma, surge la necesidad de un método de monitorización de servicios cloud que permita mitigar los problemas descritos y que además, explote datos obtenidos por soluciones de terceros, ya sean herramientas especializadas en monitorizar ciertos atributos de calidad, agentes, datos proporcionados por las plataformas cloud, entre otros. La hipótesis de esta tesis es que la utilización de modelos en tiempo de ejecución, una técnica que se enmarca en la Ingeniería Dirigida por Modelos, puede constituir una solución apropiada ya que estos modelos permitirán cambiar dinámicamente los requisitos de monitorización sin la necesidad de cambiar la infraestructura de monitorización. Por tanto, el principal objetivo de esta tesis doctoral es la definición y validación empírica de un método de monitorización de servicios cloud (Cloud MoS@RT) que explote los modelos en tiempo de ejecución para hacer frente a los desafíos de monitorización de servicios cloud previamente mencionados. Además, se ha diseñado e implementado una infraestructura de monitorización que soporta el método propuesto. Finalmente, el método y la infraestructura de monitorización han sido validados empíricamente mediante un cuasi-experimento y tres replicaciones en España, Paraguay y Ecuador. Por tanto, esta tesis doctoral presenta una solución de monitorización innovadora, ya que al emplear modelos en tiempo de ejecución, proporciona un alto grado de flexibilidad en la especificación de requisitos de monitorización de servicios cloud, evitando la re-implementación de la infraestructura, todo esto debido a que cualquier modificación en los requisitos de monitorización se incluyen en el modelo en tiempo de ejecución. Por otro lado, la solución es interoperable debido a que permite la captura e integración de datos de monitorización desde distintos escenarios y fuentes de datos.

La computació en el núvol (cloud computing) ha comportat molts avantatges derivades de les seues característiques particulars (autoservei baix demanda, accés ampli a la xarxa, elasticitat, model de multitenencia, pagament per l'ús, entre d'altres) proporcionant als seus usuaris diversos beneficis però també nous reptes en l'aprovisionament de serveis de maquinari i programari. Entre els desafiaments més significatius està l'aprovisionament adequat i d'alta qualitat dels serveis que el proveïdor oferix als seus clients. Donat l'ampli nombre de proveïdors de plataformes en el núvol, es fa indispensable que estos oferisquen serveis de qualitat, a fi de satisfer les expectatives dels seus clients. Les característiques de qualitat dels serveis (Quality of Services, QoS) que són pactats entre clients i proveïdors es veuen reflecticts en els acords de nivell de servei (Service Level Agreenment, SLA) , que també descriuen les penaliaciones que s'han d'aplicar en cas d'incompliments del SLA. D'ací, la necessitat de conéixer l'estat actual dels serveris amb la fí comprovar si els termes del SLA es complixen. Els mètodes i ferramentes de monitorització juguen un paper crucial en este context ja que proporcionen informació sobre la utilització dels serveis i el seu nivell de qualitat. A pesar que hi ha moltes solucions de monitorització de propòsit general, estes no s'adapten adequadament pel fet que és habitual necessitar monitoritzar aspectes específics dels serveis respecte als recursos concrets de la plataforma. D'altra banda, hi ha solucions de monitorització específiques per al núvol, però estes presenten limitacions importants a l'hora d'especificar necessitats de monitorització particulars ja que estan centrades a monitoritzar atributs de qualitat de baix nivell (ús de CPU i memòria en disc) o a la seua rigidesa per a modificar els requisits en temps d'execució. A més, algunes solucions existents estan limitades a certes plataformes cloud i altres no permeten explotar dades de monitorització proveïts per altres ferramentes ja que funcionen de manera aïllada. D'esta manera, sorgix la necessitat d'un mètode de monitorització de servicis cloud que permeta mitigar els problemes descrits i que a més, explote les dades obtinguts per solucions de tercers, ja siguen ferramentes especialitzades a monitoritzar certs atributs de qualitat, agents, o les dades proporcionats per les plataformes cloud, entre d'altres. La hipòtesi d'esta tesi és que la utilització de models en temps d'execució (models@run.time), una tècnica que s'emmarca en l'Enginyeria Dirigida per Models, pot constituir una solució apropiada ja que estos models permetran canviar dinàmicament els requisits de monitorització sense la necessitat de canviar la infraestructura de monitorització. Per tant, el principal objectiu d'esta tesi doctoral és la definició i validació empírica d'un mètode de monitorització de servicis cloud (Cloud MoS@RT) que explota els models en temps d'execució per a fer front als desafiaments de monitorització de serves cloud prèviament mencionats. A més, s'ha dissenyat i implementat una infraestructura de monitorització que suporta el mètode proposat. Finalment, el mètode i la infraestructura de monitorització han sigut validats empíricament per mitjà d'un quasi-experiment i tres replicacions del mateix a Espanya, Paraguai i L'Equador. Per tant, cal destacar que aquesta tesi doctoral presenta una solució de monitorització innovadora, ja que a l'emprar models en temps d'execució, proporciona un alt grau de flexibilitat en l'especificació de requisits de monitorització de serveis cloud, evitant la reimplementació de la infraestructura, tot açò pel fet que qualsevol modificació en els requisits de monitorització s'inclouen en el model en temps d'execució. D'altra banda, la solució és interoperable pel fet que permet la captura i integració de dades de monitorització des