Enhancing reliability and response times via replication in computing clusters

Los clústeres de computación se han desplegado ampliamente para aplicaciones científicas y de ingeniería con el fin de soportar computación intensiva y operaciones de datos masivas. Dado que las aplicaciones y los recursos de un clúster están sujetos a fallos, se suelen adoptar estrategias de tolerancia a fallos, a veces a expensas de retrasos adicionales en los tiempos de respuesta de los trabajos, o de un aumento innecesario del uso de los recursos. En este trabajo, exploramos la replicación concurrente con la cancelación, un enfoque de tolerancia a fallos en el que los trabajos y sus réplicas se procesan de forma concurrente, y la finalización exitosa de cualquiera de ellos desencadena la eliminación de su réplica. Proponemos un modelo estocástico para estudiar cómo este enfoque afecta a los objetivos de nivel de servicio del clúster (SLOs), particularmente los percentiles de tiempo de respuesta ofrecidos. Además de las ganancias esperadas en fiabilidad, el modelo propuesto nos permite determinar las regiones de la utilización en las que introducir la replicación con cancelación reduce eficazmente los tiempos de respuesta. Además, mostramos cómo este modelo puede apoyar las decisiones de aprovisionamiento de recursos con garantías de fiabilidad y tiempo de respuesta.