Quantifying the Impact of Replication on the Quality-of-Service in Cloud Databases Conference Poster

abstract

  • Cloud databases achieve high availability by automatically replicating data on multiple nodes. However, the overhead caused by the replication process can lead to an increase in the mean and variance of transaction response times, causing unforeseen impacts on the offered quality-of-service (QoS). In this paper, we propose a measurement-driven methodology to predict the impact of replication on Database-As-A-Service (DBaaS) environments. Our methodology uses operational data to parameterize a closed queueing network model of the database cluster together with a Markov model that abstracts the dynamic replication process. Experiments on Amazon RDS show that our methodology predicts response time mean and percentiles with errors of just 1% and 15% respectively, and under operational conditions that are significantly different from the ones used for model parameterization. We show that our modeling approach surpasses standard modeling methods and illustrate the applicability of our methodology for automated DBaaS provisioning.
  • Las bases de datos en nube logran una alta disponibilidad al replicar automáticamente los datos en múltiples nodos. Sin embargo, la sobrecarga causada por el proceso de replicación puede llevar a un aumento de la media y la varianza de los tiempos de respuesta de las transacciones, causando impactos imprevistos en la calidad de servicio ofrecida (QoS). En este documento, proponemos una metodología basada en la medición para predecir el impacto de la replicación en los entornos de Base de Datos como Servicio (DBaaaS). Nuestra metodología utiliza datos operativos para parametrizar un modelo de red de colas cerradas del cluster de la base de datos junto con un modelo de Markov que abstrae el proceso de replicación dinámica. Los experimentos con Amazon RDS muestran que nuestra metodología predice tiempos de respuesta medios y percentiles con errores de sólo 1% y 15% respectivamente, y bajo condiciones operativas significativamente diferentes a las utilizadas para la parametrización del modelo. Demostramos que nuestro enfoque de modelado supera los métodos de modelado estándar e ilustra la aplicabilidad de nuestra metodología para el aprovisionamiento automatizado de DBaaaS.

publication date

  • 2016/10/12

keywords

  • Availability
  • Experiments
  • Parameterization
  • Quality of service
  • Queueing networks

ISBN

  • 9781509041275

number of pages

  • 12

start page

  • 286

end page

  • 297