Till innehåll på sidan

Accelerating Distributed Storage in Heterogeneous Settings

Tid: Må 2022-05-30 kl 15.00

Plats: Ka-Sal C (Sven-Olof Öhrvik), Kistagången 16, Kista

Videolänk: https://kth-se.zoom.us/meeting/register/u5Iqd-yhqTorGNLFoosJXIJmTXZl3rsxS55J

Språk: Engelska

Ämnesområde: Datalogi

Respondent: Waleed Reda , Network Systems Laboratory (NS Lab)

Opponent: Adam Morrison, Tel Aviv University

Handledare: Professor Dejan Kostic, Kommunikationssystem, CoS; Professor Peter Van Roy, Université catholique de Louvain; Associate Professor Marco Chiesa, Network Systems Laboratory (NS Lab)

Exportera till kalender

This work was also supported by a fellowship from the Erasmus Mundus Joint Doctorate in Distributed Computing (EMJD-DC), funded by the European Commission (EACEA) (FPA 2012-0030). QC 20220509

Abstract

Heterogenitet i molnmiljöer är ett livsfaktum—allt från skevheter i arbetsbelastningen och nätverksvägsförändringar till diversitet av serverhårdvarukomponenter, dessa är faktorer som påverkar prestanda för distribuerad lagring. I denna avhandling identifierar vi att heterogenitet faktiskt kan vara en av de främsta orsakerna till tjänste-degradering för lagringssystem. Vi tacklar sedan denna utmaning genom att bygga nästa generations distribuerade lagringssystem som kan fungera mitt i heterogenitet medan de ger snabba och förutsägbara svarstider. Först studerar vi skevheter i molnarbetsbelastningar och föreslår schemaläggningsstrategier för nyckelvärdelagring som försöker optimera latens. Vi utför sedan en mätstudie i ett av de största molnleverantörsnätverken för att kvantifiera variationer i nätverkslatenser och möjliga implikationer för lagringstjänster. Därefter, i och med att snabbt non-volatile RAM (NVRAM) nu blir kommersiellt tillgängligt, undersöker vi hur lagringssystem kan hantera den ökande diversiteten av lagringsteknik. Vi designar och utvärderar ett distribuerat filsystem som kan hantera data tvärs över NVRAM och andra typer av lagring, medan det ger låg latens och hög skalbarhet. Slutligen bygger vi ett ramverk som transformerar lättillgänglig Remote Direct Memory Access (RDMA) NICs till Turingmaskiner—som kan utföra godtyckliga beräkningar. Detta ger ännu en beräkningsresurs på servrar, och vi visar hur vi kan utnyttja den för att accelerera gemensamma lagringsuppgifter såväl som verkliga lagringsapplikationer.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-311963