Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/38876Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Kosteli, Rodopi | en |
| dc.contributor.author | Kωστέλη, Ροδόπη | el |
| dc.date.accessioned | 2025-03-14T11:10:30Z | - |
| dc.date.available | 2025-03-14T11:10:30Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/38876 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Memory Management | en |
| dc.subject | Resource Monitoring | en |
| dc.subject | Cloud Computing | en |
| dc.subject | Linux Containers | en |
| dc.subject | Contention Service | en |
| dc.title | Adaptive Memory Reclamation in Multitenant Cloud Systems | en |
| dc.title | Προσαρμοστική Ανάκτηση Μνήμης σε Πολυμισθωτικά Συστήματα Νέφους | el |
| dc.type | doctoralThesis | en |
| heal.type | masterThesis | el |
| heal.type.en | Master thesis | en |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| heal.classification | Operating Systems | |
| heal.classification | Cloud Computing | |
| heal.dateAvailable | 2025-03-14T11:11:30Z | - |
| heal.access | free | el |
| heal.recordProvider | University of Ioannina, School of Engineering | en |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή | el |
| heal.publicationDate | 2025-02-14 | - |
| heal.abstract | Ροδόπη Κωστέλη, Δ.Μ.Σ. στη Μηχανική Δεδομένων και Υπολογιστικών Συστημάτων, Τμήμα Μηχανικών Η/Υ και Πληροφορικής, Πολυτεχνική Σχολή, Πανεπιστήμιο Ιωαννίνων, 2025. Προσαρμοστική Ανάκτηση Μνήμης σε Πολυμισθωτικά Συστήματα Νέφους. Επιβλέπων: Στέργιος Β. Αναστασιάδης, Καθηγητής. Οι ταχέως αυξανόμενες απαιτήσεις μνήμης των σύγχρονων εφαρμογών, όπως η ανάλυση δεδομένων και η μηχανική μάθηση, σε συνδυασμό με το αυξανόμενο κόστος των τιμών της μνήμης τυχαίας προσπέλασης, καθιστούν τη φυσική μνήμη σημαντικό κόστος υποδομής στα πολυμισθωτικά συστήματα υπολογιστικής νέφους. Η παραπάνω παρατήρηση αναδεικνύει την ανάγκη για αποτελεσματική δυναμική κατανομή μνήμης για τη βελτιστοποίηση της χρήσης των πόρων και τη μείωση του λειτουργικού κόστους. Ωστόσο, η σχεδίαση μεθόδων για δυναμική κατανομή μνήμης αποτελεί πρόκληση, καθώς οι απαιτήσεις των εφαρμογών σε μνήμη παρουσιάζουν ασταθή και απρόβλεπτη συμπεριφορά με την πάροδο του χρόνου. Συχνά, οι χρήστες υπερεκτιμούν την ποσότητα μνήμης που απαιτεί η ορθή εκτέλεση εφαρμογών με υψηλές απαιτήσεις σε μνήμη προκειμένου να καλύψουν τη μέγιστη ζήτηση. Αυτή η προσέγγιση έχει ως συνέπεια να παραμένει αδρανής μια ποσότητα δεσμευμένης μνήμης, καθώς οι πόροι διατίθενται για τη ζήτηση αιχμής, αλλά παραμένουν ανεκμετάλλευτοι κατά τη διάρκεια της κανονικής λειτουργίας. Στην παρούσα εργασία στοχεύουμε στην επίλυση του παραπάνω προβλήματος και προτείνουμε μια αυτοματοποιημένη προσέγγιση για την ανάκτηση της αδρανούς μνήμης των εφαρμογών με υψηλές απαιτήσεις σε μνήμη. Η προσέγγισή μας αξιοποιεί την υπηρεσία ανάκτησης σελίδων του πυρήνα του λειτουργικού συστήματος Linux. Πιο συγκεκριμένα, παρακολουθεί μετρικές που παρέχει ο πυρήνας με στόχο να ανιχνεύσει σελίδες που παραμένουν αναξιοποίητες από τις εφαρμογές που εκτελούνται στο σύστημα. Υλοποιούμε μια υπηρεσία, η οποία δημιουργεί ελεγχόμενη πίεση στη μνήμη, δεσμεύοντας την κατάλληλη ποσότητα μνήμης, με στόχο την αφύπνιση του μηχανισμού ανάκτησης αδρανών σελίδων του πυρήνα του Linux για την επιστροφή των σελίδων που δεν χρησιμοποιούνται ενεργά από την εφαρμογή πίσω στο σύστημα. Θεωρούμε το MapReduce ως ένα αντιπροσωπευτικό μοντέλο εφαρμογών που εκτελούνται σε περιβάλλοντα υπολογιστικής νέφους και αξιολογούμε τόσο συνθετικές, όσο και πραγματικές εφαρμογές MapReduce. Τα αποτελέσματα δείχνουν ότι η προσέγγισή μας αναγνωρίζει αποτελεσματικά την αδρανή μνήμη και την επιστρέφει στο σύστημα. Σε σύγκριση με μια λύση αιχμής για το πρόβλημα της αναγνώρισης αδρανούς μνήμης, η προσέγγισή μας εντοπίζει με υψηλότερη ακρίβεια τις πραγματικές απαιτήσεις μνήμης των εφαρμογών κατά τη διάρκεια εκτέλεσής τους και επιστρέφει έως και 36% περισσότερη αδρανή μνήμη στο σύστημα με ελάχιστη επιβάρυνση στη εκτέλεση των εφαρμογών. | el |
| heal.abstract | Rodopi Kosteli, M.Sc. in Computer Science, Department of Computer Science and Engineering, School of Engineering, University of Ioannina, Greece, 2025. Adaptive Memory Reclamation in Multitenant Cloud Systems. Advisor: Stergios V. Anastasiadis, Professor. The rapidly growing memory demands of modern data-intensive applications, such as data analytics and machine learning, coupled with the rising costs of dynamic random-access memory prices, have made physical memory a significant infrastructure expense in multitenant cloud environments. This observation highlights the need for efficient dynamic memory allocation to optimize resource utilization and decrease operational costs. However, this is a challenging problem due to the unpredictable variation of the memory requirements over time. Cloud tenants often resort to overprovisioning memory for accommodating peak application demands. Unfortunately, this approach leads to significant memory waste, as resources are allocated for peak demand but remain underutilized during normal operation. In the present thesis, we introduce an automated approach to reclaim the underutilized memory of data-intensive applications by leveraging the page reclamation method of the Linux kernel. Our approach monitors several metrics offered by the system kernel to detect underutilized pages across the running applications. Subsequently, we implement a Contention Service to generate controlled memory pressure and enforce the return of the underutilized pages from the application back to the system. We regard MapReduce as a representative framework commonly deployed on cloud environments and evaluate both synthetic and real-world MapReduce applications. Our results demonstrate that the Contention Service efficiently identifies and reclaims underutilized memory. In comparison to a state-of-the-art approach from the industry, the Contention Service tracks the actual memory demands of the applications over time with higher accuracy and releases up to 36% more memory with negligible overhead on the containers running the applications. | en |
| heal.advisorName | Anastasiadis, V. Stergios | en |
| heal.committeeMemberName | Anastasiadis, V. Stergios | en |
| heal.committeeMemberName | Dimakopoulos, V. Vassilios | en |
| heal.committeeMemberName | Tsaparas, Panayiotis | en |
| heal.academicPublisher | University of Ioannina, School of Engineering, Department of Computer Science and Engineering | en |
| heal.academicPublisher | Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής | el |
| heal.academicPublisherID | uoi | el |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Διδακτορικές Διατριβές - ΜΗΥΠ | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MSc Kosteli Rodopi 2025 .pdf | 772.17 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
