Luận án: Nâng cao hiệu năng cân bằng tải trên điện toán đám mây

Luận án về nâng cao hiệu năng cân bằng tải trong môi trường điện toán đám mây. Nghiên cứu các giải pháp và kỹ thuật tối ưu hiệu quả.

Chuyên ngành

Hệ thống thông tin

Người đăng

Ẩn danh

Thể loại

Luận án tiến sỹ

2022

130
4
0

Phí lưu trữ

35 Point

Mục lục chi tiết

LỜI CAM ĐOAN

DANH MỤC CHỮ VIẾT TẮT

DANH MỤC CÁC KÝ HIỆU

DANH MỤC CÁC BẢNG

DANH MỤC CÁC HÌNH

MỞ ĐẦU

0.1. Lý do chọn đề tài

0.2. Mục tiêu của luận án

0.3. Phạm vi, đối tượng và phương pháp nghiên cứu

0.4. Các đóng góp của luận án

0.5. Bố cục luận án

1. CHƯƠNG 1: TỔNG QUAN VỀ CÂN BẰNG TẢI TRÊN ĐIỆN TOÁN ĐÁM MÂY

1.1. Cân bằng tải trên điện toán đám mây

1.1.1. Giới thiệu chung về điện toán đám mây

1.1.2. Cân bằng tải và hiệu năng cân bằng tải trên điện toán đám mây

1.1.3. Sự cần thiết của cân bằng tải trên điện toán đám mây

1.2. Ảo hóa và quản lý máy ảo trên đám mây

1.3. Quản lý và phân bổ tài nguyên trên đám mây

1.4. Bài toán cân bằng tải

1.4.1. Phát biểu bài toán và mô hình nghiên cứu

1.4.2. Các yếu tố ảnh hưởng đến cân bằng tải

1.4.3. Phân loại các thuật toán cân bằng tải

1.4.4. Đo lường cân bằng tải

1.5. Các hướng giải quyết bài toán cân bằng tải

1.5.1. Phương pháp xấp xỉ

1.5.2. Chiến lược lập lịch phân bổ tài nguyên

1.5.3. Phương pháp cải tiến các tham số

1.6. Các vấn đề mà luận án cần giải quyết

1.7. Kết luận Chương 1

2. CHƯƠNG 2: PHÁT TRIỂN MỘT SỐ THUẬT TOÁN CÂN BẰNG TẢI NHẰM CẢI THIỆN THỜI GIAN ĐÁP ỨNG TRÊN ĐIỆN TOÁN ĐÁM MÂY

2.1. Thuật toán LBAIRT

2.1.1. Đề xuất thuật toán

2.1.2. Kết quả mô phỏng

2.2. Thuật toán RRTA

2.2.1. Đề xuất thuật toán

2.2.2. Thực nghiệm mô phỏng

2.3. Kết luận Chương 2

3. CHƯƠNG 3: PHÁT TRIỂN MỘT SỐ THUẬT TOÁN CÂN BẰNG TẢI NHẰM CẢI THIỆN THỜI GIAN XỬ LÝ TRÊN ĐIỆN TOÁN ĐÁM MÂY

3.1. Thuật toán TMA

3.1.1. Đề xuất thuật toán

3.1.2. Kết quả mô phỏng

3.2. Thuật toán MMSIA

3.2.1. Giới thiệu thuật toán Max – Min

3.2.2. Đề xuất thuật toán MMSIA

3.2.3. Kết quả mô phỏng

3.3. Kết luận Chương 3

Những kết quả chính của luận án

Hướng phát triển của luận án

DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CÔNG BỐ

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Khám phá cân bằng tải trên Cloud Tại sao hiệu năng là tối thượng

Sự bùng nổ của điện toán đám mây đã thay đổi cách các doanh nghiệp vận hành và cung cấp dịch vụ. Theo các thống kê, lượng dữ liệu truyền trên mạng toàn cầu tăng trưởng chóng mặt, dự báo sẽ tăng thêm 44 lần vào năm 2020 so với lượng dữ liệu lưu trữ trên đĩa DVD có chiều dài bằng hai lần quãng đường từ Trái Đất tới Mặt Trăng (Nguyễn Xuân Phi, 2022). Xu hướng làm việc từ xa và chuyển đổi số được đẩy nhanh sau đại dịch COVID-19 càng khẳng định vai trò trọng yếu của hạ tầng đám mây. Các nền tảng như AWS, Azure, Google Cloud cung cấp dịch vụ tính toán và lưu trữ dữ liệu hiệu quả, tiết kiệm chi phí, và truy cập mọi lúc mọi nơi. Tuy nhiên, sự tăng trưởng này cũng đặt ra thách thức lớn về xử lý dữ liệu, an toàn dữ liệu, và đặc biệt là cân bằng tải truy cập. Đây là một cơ chế cốt lõi để đảm bảo các giao dịch trên đám mây diễn ra mượt mà và an toàn nhất. Việc cân bằng tải đám mây không chỉ đơn thuần là phân phối lưu lượng mạng mà còn là yếu tố quyết định đến hiệu năng ứng dụng cloud, tăng tốc độ website cloud, tính sẵn sàng cao, và khả năng mở rộng của toàn bộ hệ thống. Các thuật toán cân bằng tải phải liên tục được cải tiến để phù hợp với quy mô và chất lượng phát triển của các ứng dụng trên đám mây. Do đó, việc nghiên cứu các giải pháp mới để nâng cao hiệu năng cân bằng tải là vô cùng cấp thiết, góp phần tối ưu hóa nguồn tài nguyên và nâng cao trải nghiệm người dùng.

1.1. Điện toán đám mây và sự cần thiết của cân bằng tải đám mây

Điện toán đám mây ra đời từ những năm 1950 và phát triển mạnh mẽ thành mô hình điện toán dựa trên Internet (Nguyễn Xuân Phi, 2022). Mô hình này cho phép người dùng truy cập tài nguyên tính toán (mạng, máy chủ, lưu trữ, ứng dụng) theo nhu cầu một cách thuận tiện, nhanh chóng và linh hoạt. Đặc điểm nổi bật của điện toán đám mây bao gồm khả năng truy cập rộng lớn, tự cấp dịch vụ theo nhu cầu, không phụ thuộc vị trí địa lý, tính co giãn nhanh và dịch vụ đo lường [66]. Với sự gia tăng không ngừng của các ứng dụng và dịch vụ, hệ thống đám mây thường xuyên phải đối mặt với lượng truy cập lớn và không thể đoán trước. Điều này dễ dẫn đến tình trạng quá tải server hoặc lãng phí tài nguyên nếu không có cơ chế quản lý hiệu quả. Do đó, cân bằng tải đám mây trở thành một yếu tố không thể thiếu, đảm bảo các tài nguyên được sử dụng tối ưu, thông lượng được điều phối đồng đều, và thời gian đáp ứng yêu cầu được giảm thiểu. Nó cũng đóng vai trò quan trọng trong việc tối ưu chi phí cloud bằng cách ngăn chặn tình trạng một nút mạng bị quá tải trong khi các nút khác lại nhàn rỗi.

1.2. Định nghĩa và vai trò của load balancer cloud trong hạ tầng hiện đại

Theo tài liệu [111] (Nguyễn Xuân Phi, 2022), cân bằng tải là kỹ thuật phân bố lưu lượng mạng qua nhiều máy chủ, ngăn ngừa bất kỳ máy chủ nào bị quá tải. Trong môi trường đám mây, một load balancer cloud không chỉ phân phối các yêu cầu một cách đồng đều mà còn cải thiện năng suất hoạt động tổng thể của hệ thống bằng cách chuyển giao công việc từ máy chủ gặp sự cố sang các máy chủ còn lại. Khái niệm này tập trung vào việc giảm thiểu độ trễ tương ứng với các yêu cầu, từ đó cải thiện hiệu suất sử dụng tài nguyên. Một load balancer cung cấp tính đàn hồi và khả năng thích ứng cho các ứng dụng có kích thước biến đổi theo thời gian, hỗ trợ tính sẵn sàng caokhả năng mở rộng cloud. Các mục tiêu chính của nó bao gồm tối ưu hóa việc sử dụng tài nguyên, điều phối thông lượng đồng đều, giảm thiểu thời gian đáp ứng và xử lý, và tránh quá tải trên các nút mạng. Đặc biệt, cân bằng tải trên Cloud mang nhiều tính năng ưu việt so với hệ thống cân bằng tải truyền thống, như tăng thời gian hoạt động của hệ thống, khả năng chịu tải vượt trội, hỗ trợ nhiều giao thức và dễ dàng mở rộng mà không làm gián đoạn dịch vụ.

II. Thách thức lớn khi nâng cao hiệu năng cân bằng tải trên Cloud

Mặc dù điện toán đám mây mang lại nhiều lợi ích, việc đảm bảo hiệu năng cân bằng tải tối ưu vẫn là một thách thức lớn đối với các nhà cung cấp dịch vụ và doanh nghiệp. Luận án của Nguyễn Xuân Phi (2022) nhấn mạnh rằng với lưu lượng dữ liệu bùng nổ trên Internet và đặc thù riêng của từng loại dữ liệu, việc lựa chọn kỹ thuật để cải tiến cân bằng tải là cực kỳ quan trọng. Các thuật toán cân bằng tải lý tưởng phải giải quyết được bài toán phân phối tải đồng đều, giảm thiểu thời gian đáp ứngthời gian xử lý mà không làm tăng chi phí tính toán hoặc lãng phí tài nguyên. Các yếu tố như hạ tầng mạng, lưu lượng mạng, băng thông, cơ chế phân phối tải, và các tham số hiệu suất đều ảnh hưởng trực tiếp đến khả năng cân bằng tải. Việc liên tục giám sát và điều chỉnh để ứng phó với tình trạng thay đổi liên tục của các máy ảo (VM) và yêu cầu người dùng là một bài toán phức tạp. Đặc biệt, trong môi trường microservices load balancingKubernetes Ingress, việc quản lý tài nguyên và đảm bảo phân phối lưu lượng chính xác càng trở nên tinh vi hơn. Các nhà nghiên cứu và kỹ sư phải đối mặt với việc thiết kế các thuật toán không chỉ hiệu quả mà còn phải linh hoạt, có khả năng dự báo và thích ứng với các tình huống quá tải server hoặc dưới tải để duy trì tính sẵn sàng caotối ưu trải nghiệm người dùng.

2.1. Vấn đề quá tải server và các yếu tố ảnh hưởng đến hiệu năng ứng dụng cloud

Hiện tượng quá tải server là một trong những rào cản lớn nhất đối với hiệu năng ứng dụng cloud. Khi một hoặc nhiều máy chủ ảo nhận quá nhiều yêu cầu so với khả năng xử lý, hệ thống sẽ trở nên chậm chạp, thậm chí ngừng hoạt động, ảnh hưởng nghiêm trọng đến trải nghiệm người dùng và hoạt động kinh doanh. Các yếu tố ảnh hưởng đến cân bằng tải rất đa dạng, bao gồm hạ tầng mạng, lưu lượng mạng, và băng thông mạng (Nguyễn Xuân Phi, 2022). Một cơ chế phân phối tải không hiệu quả hoặc cơ chế phòng chống tắc nghẽn kém sẽ khiến tình trạng quá tải trở nên trầm trọng hơn. Các tham số như thời gian đáp ứng, thời gian xử lý, thời gian chờ, mức độ sử dụng tài nguyên, và mức độ ưu tiên của các yêu cầu đều đóng vai trò then chốt. Công trình (CT1) đã nghiên cứu về ảnh hưởng của ma trận lưu lượng đầu vào trong việc quản trị mạng máy tính, cho thấy việc hiểu rõ các yếu tố này là nền tảng để thiết kế các thuật toán cân bằng tải hiệu quả. Để tăng tốc độ website cloud và ứng dụng, cần phải có giải pháp toàn diện để quản lý các yếu tố đầu vào và đầu ra của hệ thống.

2.2. Khó khăn trong quản lý tài nguyên cloud và phân phối lưu lượng phức tạp

Trong môi trường điện toán đám mây, việc quản lý tài nguyên cloud là một thách thức lớn do tính chất phân tán, không chắc chắn và không đồng nhất của tài nguyên [4],[96] (Nguyễn Xuân Phi, 2022). Các kỹ thuật phân bổ tài nguyên phải đáp ứng đồng thời nhiều ứng dụng với các yêu cầu khác nhau về CPU, bộ nhớ, và thiết bị I/O [53]. Bài toán phân phối lưu lượng trở nên phức tạp hơn khi cần đảm bảo không có nút nào bị quá tải và không có sự mất cân đối. Các thuật toán cần phải xem xét bản chất, quy mô, sự phụ thuộc, khả năng chia nhỏ của các yêu cầu, độ phức tạp thuật toán và kiến trúc phần cứng. Một load balancer cloud cần có khả năng đưa ra quyết định thông minh về việc gán yêu cầu tới các máy ảo (VM) để tối ưu hóa việc sử dụng tài nguyên có sẵn, tối đa hóa thông lượng, và giảm thiểu thời gian đáp ứng [14]. Các nghiên cứu đã tổng hợp nhiều phương pháp phân bổ tài nguyên, thuật toán lập lịch và quản lý tài nguyên, cho thấy đây là một lĩnh vực nghiên cứu liên tục và đầy thử thách, đặc biệt trong việc duy trì khả năng mở rộng cloudtối ưu chi phí cloud.

III. Bí quyết tối ưu thời gian đáp ứng Các thuật toán cân bằng tải đột phá

Để thực sự nâng cao hiệu năng cân bằng tải trên Cloud, việc tối ưu hóa thời gian đáp ứng là một trong những mục tiêu hàng đầu. Luận án của Nguyễn Xuân Phi (2022) đã đi sâu vào nghiên cứu và phát triển các thuật toán mới nhằm giải quyết vấn đề này. Theo các tác giả như Agraj Sharma [2] (Nguyễn Xuân Phi, 2022), thời gian đáp ứng ảnh hưởng lớn đến hiệu năng cân bằng tải trên điện toán đám mây. Các giải thuật trước đây thường chỉ cân bằng tải sau khi máy chủ đã bị quá tải hoặc tốn chi phí tính toán do liên tục truy vấn thông tin tài nguyên. Để khắc phục, các phương pháp cải tiến đã được đề xuất, tập trung vào việc dự báo trạng thái của các nút xử lý và đưa ra quyết định phân phối tải hợp lý hơn, qua đó giảm độ trễ cloud đáng kể. Các nghiên cứu đã chỉ ra rằng, bằng cách tích hợp các kỹ thuật dự báo và xem xét các tham số dự kiến về thời gian hoàn thành, các thuật toán có thể đạt được tỷ lệ chấp nhận yêu cầu đầu vào cao hơn và thời gian đáp ứng trung bình thấp hơn. Điều này không chỉ giúp tăng tốc độ website cloud mà còn góp phần vào việc tối ưu trải nghiệm người dùng trên các ứng dụng đòi hỏi độ trễ thấp.

3.1. Phát triển thuật toán LBAIRT và RRTA để giảm độ trễ cloud

Luận án đã đề xuất và chứng minh hiệu quả của hai thuật toán tiên tiến: LBAIRT (Load Balancing Algorithm to Improve Response Time on Cloud Computing) và RRTA (Reduce Response Time Algorithm). Thuật toán LBAIRT [CT4] cải tiến bằng cách xét thêm tham số thời gian hoàn thành các yêu cầu dự kiến của mỗi máy ảo (VM). Thay vì chỉ dựa vào trạng thái hiện tại, LBAIRT kết hợp thông tin về thời gian hoàn thành dự kiến để đưa ra quyết định phân phối tải hiệu quả hơn. Kết quả mô phỏng cho thấy LBAIRT có tỷ lệ chấp nhận yêu cầu đầu vào cao hơn, đồng thời thời gian tính toán trung bình thấp hơn so với các công trình liên quan (Nguyễn Xuân Phi, 2022). Thuật toán RRTA [CT7] lại áp dụng kỹ thuật dự báo ARIMA để dự báo thời gian đáp ứng của máy ảo tiếp theo. Bằng cách dự đoán trước khả năng của các máy ảo, RRTA có thể đưa ra chiến lược phân phối tài nguyên hợp lý, từ đó cải thiện đáng kể thời gian đáp ứnggiảm độ trễ cloud. Việc này giúp hệ thống phản hồi nhanh hơn, đặc biệt trong các tình huống lưu lượng truy cập biến động, duy trì tính sẵn sàng cao của dịch vụ.

3.2. Tối ưu trải nghiệm người dùng qua cải thiện tính sẵn sàng cao

Cải thiện thời gian đáp ứng trực tiếp dẫn đến việc tối ưu trải nghiệm người dùng. Khi các ứng dụng và dịch vụ trên điện toán đám mây phản hồi nhanh hơn, người dùng sẽ ít gặp phải tình trạng chờ đợi hay gián đoạn. Các thuật toán như LBAIRT và RRTA không chỉ tập trung vào việc giảm độ trễ cloud mà còn hướng tới mục tiêu duy trì tính sẵn sàng cao của toàn hệ thống. Cân bằng tải hiệu quả đảm bảo rằng ngay cả khi một máy ảo (VM) hoặc một khu vực gặp sự cố, lưu lượng truy cập sẽ được chuyển hướng một cách liền mạch đến các tài nguyên khỏe mạnh khác. Điều này được hỗ trợ bởi các tính năng như health checksauto scaling cloud, nơi hệ thống tự động giám sát trạng thái của các VM và tự động thêm hoặc bớt tài nguyên khi cần. Khi tính sẵn sàng cao được đảm bảo, người dùng có thể truy cập dịch vụ liên tục, không bị gián đoạn, từ đó tăng mức độ hài lòng và tạo dựng niềm tin vào các ứng dụng và dịch vụ trên nền tảng đám mây.

IV. Phương pháp cải thiện tốc độ xử lý Nâng tầm hiệu năng ứng dụng Cloud

Bên cạnh thời gian đáp ứng, việc cải thiện thời gian xử lý là yếu tố then chốt khác để nâng cao hiệu năng cân bằng tải trên điện toán đám mây. Luận án đã tiếp tục nghiên cứu các thuật toán nhằm giải quyết vấn đề này, đặc biệt là trong bối cảnh các yêu cầu ngày càng phức tạp và đòi hỏi tài nguyên lớn. Các thuật toán cân bằng tải truyền thống thường gặp hạn chế khi phải duyệt toàn bộ danh sách máy ảo (VM) để tìm ra máy sẵn sàng, dẫn đến việc tăng thời gian xử lý tổng thể [89] (Nguyễn Xuân Phi, 2022). Để khắc phục, các phương pháp cải tiến đã tập trung vào việc tối ưu hóa quá trình lựa chọn VM và phân phối công việc. Mục tiêu là giảm thiểu các thao tác lặp lại không cần thiết và đưa ra quyết định nhanh chóng, chính xác. Điều này không chỉ giúp tăng tốc độ website cloud mà còn đặc biệt quan trọng cho các ứng dụng yêu cầu xử lý dữ liệu lớn hoặc các hệ thống microservices load balancing phức tạp, nơi mà hiệu quả của từng tác vụ nhỏ có thể ảnh hưởng lớn đến hiệu năng ứng dụng cloud chung. Các nghiên cứu đã chứng minh rằng, với các phương pháp tiếp cận đúng đắn, có thể cải thiện đáng kể thời gian xử lý, từ đó nâng cao hiệu suất hoạt động và khả năng phục vụ của hệ thống đám mây.

4.1. Thử nghiệm thuật toán TMA và MMSIA để tăng tốc độ website cloud

Trong nỗ lực cải thiện thời gian xử lý, luận án đã đề xuất hai thuật toán mới: TMA (Throttled Modified Algorithm) và MMSIA (Improved Max-Min Scheduling Algorithm for Load Balancing on Cloud Computing). Thuật toán TMA [CT5] cải tiến bằng cách sử dụng hai bảng chỉ mục trạng thái của các máy ảo (VM). Điều này giúp bộ cân bằng tải nhanh chóng xác định các VM sẵn sàng mà không cần quét toàn bộ danh sách, giảm đáng kể thời gian xử lý các yêu cầu. TMA cũng giới hạn số lượng yêu cầu được xếp hàng để phân phối tải, qua đó cải thiện cả thời gian xử lýthời gian phản hồi của các trung tâm dữ liệu so với thuật toán Round Robin và Throttled truyền thống (Nguyễn Xuân Phi, 2022). Thuật toán MMSIA [CT6] lại tập trung vào việc nhóm các yêu cầu và các máy ảo dựa trên thời gian hoàn thành dự kiến và thời gian thực hiện hoàn thành tổng thể. Cách tiếp cận này giúp tối ưu hóa việc gán công việc, đảm bảo các VM không bị quá tải và các yêu cầu được xử lý hiệu quả. Kết quả thực nghiệm cho thấy MMSIA đã cải thiện đáng kể thời gian xử lý các yêu cầu đầu vào, góp phần tăng tốc độ website cloud và ứng dụng.

4.2. Khả năng mở rộng cloud và vai trò của auto scaling cloud

Khả năng mở rộng cloud là một đặc điểm cốt lõi của điện toán đám mây, cho phép hệ thống linh hoạt điều chỉnh tài nguyên để đáp ứng nhu cầu biến động của lưu lượng truy cập. Các thuật toán cân bằng tải như TMA và MMSIA gián tiếp hỗ trợ khả năng này bằng cách tối ưu hóa việc sử dụng tài nguyên hiện có. Tuy nhiên, để đạt được khả năng mở rộng tối ưu, vai trò của auto scaling cloud là không thể thiếu. Auto scaling tự động điều chỉnh số lượng máy ảo (VM) hoặc tài nguyên khác dựa trên các ngưỡng đã định trước về tải hoặc hiệu suất. Khi lưu lượng mạng tăng cao, auto scaling sẽ tự động cấp phát thêm VM mới, sau đó load balancer cloud sẽ tự động phân phối lưu lượng cho các VM mới này, đảm bảo tính sẵn sàng cao và duy trì hiệu năng ứng dụng cloud. Ngược lại, khi tải giảm, các VM không cần thiết sẽ được thu hồi để tối ưu chi phí cloud. Sự kết hợp giữa các thuật toán cân bằng tải hiệu quả và cơ chế auto scaling cloud tạo nên một hệ thống linh hoạt, mạnh mẽ, có khả năng thích ứng cao với mọi biến động của nhu cầu, đồng thời đảm bảo tối ưu trải nghiệm người dùng.

V. Ứng dụng thực tiễn và kết quả nghiên cứu về cân bằng tải đám mây

Các nghiên cứu về cân bằng tải trên điện toán đám mây không chỉ dừng lại ở lý thuyết mà còn được ứng dụng rộng rãi trong thực tiễn, đặc biệt với sự phát triển của các nhà cung cấp dịch vụ lớn như AWS, Azure và Google Cloud. Các dịch vụ Load Balancer của họ như AWS Load Balancer (bao gồm ELB, ALB, NLB), Azure Load Balancer, và Google Cloud Load Balancer đều được xây dựng dựa trên các nguyên tắc và thuật toán tiên tiến để đảm bảo phân phối lưu lượng hiệu quả. Luận án đã sử dụng các công cụ mô phỏng như CloudSim và Cloud Analyst để đánh giá hiệu năng của các thuật toán đề xuất, chứng minh khả năng cải thiện thời gian đáp ứngthời gian xử lý. Việc này rất quan trọng vì nó cho phép kiểm tra và thử nghiệm các chiến lược cân bằng tải trước khi triển khai vào môi trường thực tế, giúp tiết kiệm năng lượng, thời gian và giảm thiểu rủi ro [74] (Nguyễn Xuân Phi, 2022). Đặc biệt, với sự dịch chuyển sang kiến trúc microservicescontainers, các giải pháp như Kubernetes Ingress đã trở thành một phần không thể thiếu trong việc cân bằng tải các ứng dụng hiện đại, đảm bảo khả năng mở rộng cloudtính sẵn sàng cao.

5.1. So sánh hiệu quả của các Load Balancer từ AWS Azure Google Cloud

Các nhà cung cấp điện toán đám mây hàng đầu như Amazon Web Services (AWS), Microsoft Azure và Google Cloud Platform (GCP) đều cung cấp các giải pháp load balancer cloud mạnh mẽ. AWS Load Balancer nổi bật với Elastic Load Balancing (ELB) bao gồm Application Load Balancer (ALB) cho lớp 7 (HTTP/HTTPS), Network Load Balancer (NLB) cho lớp 4 (TCP/UDP), và Classic Load Balancer (CLB) cho các kiến trúc cũ hơn. Azure và GCP cũng có các dịch vụ tương tự, tập trung vào khả năng traffic routing thông minh, health checks liên tục, hỗ trợ SSL terminationsticky sessions để tối ưu trải nghiệm người dùng. Mặc dù luận án tập trung vào các thuật toán nghiên cứu, các nguyên lý cơ bản về phân phối lưu lượng, giảm độ trễ cloudchống quá tải server đều là những yếu tố cốt lõi trong các sản phẩm thương mại này. Việc lựa chọn giữa ALBNLB, ví dụ, phụ thuộc vào bản chất của ứng dụng (ứng dụng web cần tính năng nâng cao của lớp 7, trong khi các ứng dụng hiệu năng cao như game hoặc IoT cần độ trễ thấp của lớp 4). Mỗi dịch vụ cân bằng tải đều được thiết kế để nâng cao hiệu năng ứng dụng cloudkhả năng mở rộng cloud trong môi trường riêng của nhà cung cấp.

5.2. Bài học từ microservices load balancing và Kubernetes Ingress

Trong kỷ nguyên của microservicescontainers, việc cân bằng tải đã phát triển vượt xa các mô hình truyền thống. Kiến trúc microservices load balancing đòi hỏi các giải pháp linh hoạt hơn để điều phối lưu lượng truy cập giữa hàng trăm hoặc thậm chí hàng nghìn dịch vụ nhỏ. Đây là nơi các công cụ như Kubernetes Ingress phát huy vai trò quan trọng. Kubernetes Ingress hoạt động như một điểm truy cập duy nhất cho các dịch vụ bên ngoài cụm Kubernetes, định tuyến lưu lượng đến các microservices phù hợp dựa trên các quy tắc cấu hình. Nó không chỉ cung cấp cân bằng tải mà còn hỗ trợ SSL termination, định tuyến dựa trên tên miền và đường dẫn, và quản lý các virtual host. Các thuật toán cân bằng tải nghiên cứu trong luận án, như LBAIRT, RRTA, TMA, MMSIA, cung cấp những hiểu biết sâu sắc về cách tối ưu hóa thời gian đáp ứngthời gian xử lý ở cấp độ thấp, có thể được tích hợp hoặc áp dụng các nguyên lý vào các giải pháp microservices load balancingKubernetes Ingress. Việc này giúp đảm bảo rằng ngay cả với độ phức tạp tăng lên của kiến trúc hiện đại, hiệu năng ứng dụng cloud vẫn được duy trì ở mức cao nhất, đồng thời tận dụng hiệu quả khả năng mở rộng cloud của các nền tảng container.

VI. Tương lai cân bằng tải trên Cloud Duy trì hiệu năng bền vững

Tương lai của cân bằng tải trên Cloud hứa hẹn nhiều đổi mới, đặc biệt với sự phát triển không ngừng của công nghệ và nhu cầu ngày càng cao về hiệu năng ứng dụng cloudtính sẵn sàng cao. Các nhà khoa học và nghiên cứu đang không ngừng tìm kiếm các phương pháp tiên tiến để giải quyết bài toán cân bằng tải, như các thuật toán dự báo thông minh, tích hợp trí tuệ nhân tạo (AI) và máy học (ML) để đưa ra quyết định phân phối lưu lượng tối ưu hơn. Việc duy trì hiệu năng bền vững đòi hỏi không chỉ các thuật toán hiệu quả mà còn cả các chiến lược quản lý tài nguyên cloud thông minh, có khả năng thích ứng với các tình huống biến động mà không gây ra quá tải server hoặc lãng phí tài nguyên. Luận án của Nguyễn Xuân Phi (2022) đã đặt ra những tiền đề quan trọng, đặc biệt là trong việc cải thiện thời gian đáp ứngthời gian xử lý, mở ra hướng phát triển cho các thuật toán cân bằng tải trong tương lai. Các công nghệ như CDN (Content Delivery Network) cũng sẽ tiếp tục đóng vai trò bổ trợ quan trọng trong việc giảm độ trễ cloudtăng tốc độ website cloud bằng cách đưa nội dung gần hơn với người dùng cuối, giảm tải cho các load balancer cloud trung tâm.

6.1. Xu hướng phát triển và tầm nhìn cho DNS load balancing

DNS load balancing là một kỹ thuật cân bằng tải ở cấp độ DNS, cho phép phân phối lưu lượng truy cập đến các máy chủ hoặc trung tâm dữ liệu khác nhau dựa trên các bản ghi DNS. Mặc dù là một phương pháp cơ bản, DNS load balancing vẫn có những ưu điểm về tính đơn giản và khả năng triển khai rộng rãi. Tương lai của kỹ thuật này có thể sẽ tích hợp sâu hơn với các giải pháp cân bằng tải đám mây nâng cao, sử dụng thông tin tình trạng sức khỏe của các máy chủ (từ health checks) và vị trí địa lý của người dùng để đưa ra quyết định định tuyến thông minh hơn. Kết hợp với các giải pháp global load balancing, DNS load balancing có thể giúp định tuyến yêu cầu đến khu vực gần nhất, giảm thiểu độ trễ cloud và cải thiện tính sẵn sàng cao toàn cầu. Các nghiên cứu trong luận án, đặc biệt về việc dự báo thời gian đáp ứng, có thể cung cấp dữ liệu đầu vào có giá trị để các hệ thống DNS load balancing đưa ra quyết định phân phối hiệu quả hơn, đảm bảo tối ưu trải nghiệm người dùng trên phạm vi rộng.

6.2. Những cân nhắc cuối cùng để tối ưu chi phí cloud và hiệu quả

Việc nâng cao hiệu năng cân bằng tải trên Cloud không chỉ dừng lại ở mặt kỹ thuật mà còn liên quan mật thiết đến việc tối ưu chi phí cloud. Một hệ thống cân bằng tải kém hiệu quả có thể dẫn đến lãng phí tài nguyên do cấp phát quá nhiều máy ảo (VM) hoặc do các VM không được sử dụng hết công suất. Ngược lại, một giải pháp cân bằng tải tối ưu, kết hợp với auto scaling cloud thông minh, sẽ đảm bảo rằng tài nguyên được cấp phát và thu hồi linh hoạt theo nhu cầu thực tế, giúp doanh nghiệp chỉ trả tiền cho những gì họ sử dụng [66]. Các nghiên cứu trong luận án, với mục tiêu giảm thời gian đáp ứngthời gian xử lý, trực tiếp đóng góp vào việc tối ưu chi phí cloud bằng cách nâng cao hiệu suất sử dụng tài nguyên. Khi các yêu cầu được xử lý nhanh hơn và hiệu quả hơn, cùng một lượng tài nguyên có thể phục vụ được nhiều lưu lượng truy cập hơn, hoặc giảm thiểu số lượng tài nguyên cần thiết để duy trì một mức hiệu suất nhất định. Điều này không chỉ giúp doanh nghiệp tiết kiệm chi phí vận hành mà còn mang lại lợi thế cạnh tranh đáng kể trong môi trường kinh doanh điện toán đám mây ngày càng cạnh tranh.

27/09/2025

Trích đoạn nội dung tài liệu

Chương 1 được công bố ở các công trình (CT1), (CT2) và (CT3). Cân bằng tải trên điện toán đám mây 1. Giới thiệu chung về điện toán đám mây Điện toán đám mây ra đời từ những năm 1950 [66], khi máy chủ tính toán quy mô lớn được triển khai tại một số cơ sở giáo dục và tập đoàn lớn tại Mỹ. Trong những năm 1960 – 1990, xuất hiện luồng ý tưởng coi máy tính hay tài nguyên công nghệ thông tin có thể được tổ chức như hạ tầng dịch vụ công cộng, đây là tiền đề lớn cho sự phát triển sau này của điện toán đám mây.

Vào năm 2006, Công ty Amazon cung cấp nền tảng Amazon Web Services (AWS), đánh dấu việc thương mại hóa điện toán đám mây. Từ đầu năm 2008, Eucalyptus được giới thiệu là nền tảng điện toán đám mây mã nguồn mở đầu tiên, tương thích với API của AWS. Tính tới thời điểm hiện tại, có rất nhiều các sản phẩm điện toán đám mây được đưa ra như Google App Engine, Microsoft Azure, Nimbus. Điện toán đám mây, còn gọi là điện toán máy chủ ảo, là mô hình điện toán sử dụng các công nghệ máy tính và phát triển dựa vào mạng Internet.

Thuật ngữ "đám mây" ở đây chỉ độ phức tạp của các cơ sở hạ tầng mạng Internet. Trong mô hình điện toán đám mây, cho phép người sử dụng truy cập các dịch vụ công nghệ từ nhà cung cấp điện toán đám mây mà không cần quan tâm đến hạ tầng mạng. Theo tổ chức IEEE, "Nó là hình mẫu trong đó thông tin được lưu trữ thường trực tại các máy chủ trên 7 Internet và chỉ được lưu trữ tạm thời ở các máy khách, bao gồm máy tính cá nhân, trung tâm giải trí, máy tính trong doanh nghiệp, các phương tiện máy tính cầm tay,. Mô hình điện toán đám mây Theo định nghĩa của Viện Quốc gia Tiêu chuẩn và Công nghệ Mỹ (US NIST) [66]: Điện toán đám mây là mô hình điện toán cho phép truy cập qua mạng để lựa chọn và sử dụng tài nguyên tính toán (ví dụ: mạng, máy chủ, lưu trữ, ứng dụng và dịch vụ) theo nhu cầu một cách thuận tiện và nhanh chóng, đồng thời cho phép kết thúc sử dụng dịch vụ, giải phóng tài nguyên dễ dàng, giảm thiểu các giao tiếp với nhà cung cấp.

Những tài nguyên này có thể được cung cấp một cách nhanh chóng hoặc thu hồi với chi phí quản lý tối thiểu hoặc tương tác tối thiểu với nhà cung cấp dịch vụ. Cũng từ đây, NIST đưa ra mô hình điện toán đám mây mang năm đặc điểm cơ bản, ba mô hình dịch vụ và bốn mô hình triển khai cài đặt. Định nghĩa của NIST là một cách nhìn rõ ràng và bao quát về điện toán đám mây. Theo đó, mô hình này cho phép sử dụng dịch vụ theo yêu cầu; cung cấp khả năng truy cập dịch vụ qua mạng rộng rãi từ máy tính để bàn, máy tính xách tay tới thiết bị di động; với tài nguyên tính toán động, phục vụ nhiều 8 người, năng lực tính toán mềm dẻo, đáp ứng nhanh với nhu cầu thấp tới cao.

Mô hình điện toán đám mây cũng đảm bảo việc sử dụng các tài nguyên được “đo” để nâng cấp dịch vụ quản trị và tối ưu được tài nguyên, đồng thời người dùng chỉ phải trả chi phí cho phần tài nguyên đã sử dụng. Điện toán đám mây đã phát triển nhanh chóng và đạt được nhiều thành tựu to lớn như khả năng mở rộng và tính toán song song trên hệ thống tính toán lưới, từ đó giúp khách hàng chia sẻ tài nguyên triệt để và hữu ích nhất. Đáp ứng được nhu cầu mỗi lúc một lớn của việc lưu trữ dữ liệu và xử lý dữ liệu ngày nay, các trung tâm dữ liệu đã mỗi lúc một khổng lồ hơn và đến hiện nay có thể lên tới hàng triệu máy chủ khắp toàn cầu. Đặc điểm của điện toán đám mây [66]: - Khả năng truy cập rộng lớn: Người dùng có thể sử dụng bất kỳ thiết bị nào có kết nối internet như: computer, laptop, thiết bị di động… truy cập vào dịch vụ điện toán đám mây.

- Tự cấp dịch vụ theo nhu cầu: Người dùng được cấp tài nguyên theo nhu cầu một cách tự động, không cần sự can thiệp từ nhà cung cấp dịch vụ. - Không phụ thuộc vị trí địa lý: Tài nguyên trên dịch vụ điện toán đám mây được điều phối và chia sẻ linh hoạt. Người dùng không biết và không thể điều khiển được vị trí tài nguyên. - Tính co giãn nhanh: Tài nguyên trên dịch vụ “đám mây” có thể được cấp phát hoặc thu hồi một cách nhanh chóng, linh hoạt và có khả năng thay đổi tài nguyên tăng lên hoặc giảm xuống theo nhu cầu sử dụng.

- Dịch vụ đo lường: Các hệ thống điện toán đám mây có khả năng tự điều khiển, tinh chỉnh và giám sát, đo lường tài nguyên. 9 Điện toán đám mây có 3 loại mô hình dịch vụ [66]: Nhà cung cấp tạo ra nhiều ứng dụng cơ bản, hoàn chỉnh và triển khai thành dịch vụ để đáp ứng nhu cầu của đại đa số người dùng. Những ứng dụng này được lưu trữ trên máy chủ của nhà cung cấp hoặc máy khách SaaS hàng đã có tải ứng dụng xuống thiết bị. Người dùng chỉ việc sử dụng dịch vụ mà không cần quan tâm các vấn đề khác.

Ví dụ: Dịch vụ email hay các ứng dụng Zalo, Google Docs, Google Calendar, Google Translate của Google, SmallPDF, OneDrive, Evennote, Facebook, Twitter,… Cung cấp cách thức, tính năng cần thiết cho việc xây dựng ứng dụng trên một nền tảng nào đó. Có 2 dạng hạ tầng được xây dựng phổ biến là hạ tầng trao đổi thông tin ứng dụng (middleware) và nền tảng ứng dụng PaaS (application server) với các công cụ và ngôn ngữ lập trình nhất định để xây dựng ứng dụng. Người dùng triển khai ứng dụng mà không cần quan tâm đến chi phí hay thông số phần cứng và phần mềm bên dưới. Ví dụ: Google App Engine, Openshilt, Salesforce, Microsoft Azure.,… Nhà cung cấp triển khai hạ tầng phần cứng (VM, network, vùng lưu trữ) trên các hệ thống phân tán và cung cấp dịch vụ cho người.

Người dùng không thể biết thông tin hạ tầng thực tế bên trong “đám mây” nhưng có IaaS toàn quyền quản lý và sử dụng tài nguyên được cung cấp, cũng như yêu cầu mở rộng tài nguyên. Ví dụ: Amazon EC2/S3, Elastra (Beta 2.0 2/2009), Nirvanix, AppNexus,… Hình 1. Các dịch vụ điện toán đám mây 10 IaaS PaaS SaaS Dịch vụ Người dùng Dịch vụ Người dùng Dịch vụ Người dùng Ứng dụng X X X Dữ liệu X X X Thời gian chạy X X X Middleware X X X Hệ điều hành X X X Ảo hóa X X X Máy chủ X X X Vùng lưu trữ X X X Mạng kết nối X X X Ứng dụng X X X Hình 1. Mức độ cung cấp dịch vụ của các mô hình điện toán đám mây 1.

Cân bằng tải và hiệu năng cân bằng tải trên điện toán đám mây Theo tài liệu [111] tác giả định nghĩa cân bằng tải là kỹ thuật phân bố lưu lượng mạng qua nhiều máy chủ, đảm bảo rằng không có máy chủ nào bị quá tải. Cân bằng tải làm tăng khả năng đáp ứng của ứng dụng bằng cách phân phối các yêu cầu một cách đồng đều. Bằng cách này, sẽ giúp cho hệ thống của doanh nghiệp giảm thiểu một cách tối đa tình trạng một máy chủ bị quá tải và ngưng hoạt động. Hoặc khi một máy chủ gặp sự cố, chức năng cân bằng tải đám mây sẽ chỉ đạo phân phối công việc của máy chủ đó cho các máy chủ còn lại, cải thiện năng suất hoạt động tổng thể của 11 hệ thống.

Khái niệm cân bằng tải chủ yếu đề cập đến ý tưởng phân phối tải đồng đều trên các tài nguyên công nghệ thông tin có sẵn [112]. Cân bằng tải cũng tập trung vào việc giảm thiểu độ trễ tương ứng với các yêu cầu và do đó cải thiện việc sử dụng tài nguyên, nâng cao hiệu suất hệ thống. Nó cung cấp tính đàn hồi và khả năng thích ứng cho các ứng dụng có kích thước có thể thay đổi theo thời gian và đòi hỏi thêm tài nguyên công nghệ thông tin. Các mục tiêu khác là giảm sử dụng năng lượng và giải phóng các-bon, tránh tắc nghẽn, đáp ứng các yêu cầu về QoS.

Theo tài liệu [110] cân bằng tải là một vấn đề phổ biến trong đám mây để duy trì hiệu suất của các ứng dụng thỏa mãn chất lượng dịch vụ (QoS) và tuân theo thỏa thuận mức dịch vụ (SLA) theo yêu cầu từ các nhà cung cấp đám mây cho doanh nghiệp. Các nhà cung cấp đám mây phải vật lộn để phân phối khối lượng công việc đồng đều giữa các máy chủ. Một kỹ thuật cân bằng tải hiệu quả phải tối ưu hóa và đảm bảo sự hài lòng cao của người dùng bằng cách sử dụng tài nguyên của máy ảo một cách hiệu quả. Các thuật toán cân bằng tải trên điện toán đám mây luôn cố gắng giải quyết một vấn đề cụ thể, bên cạnh đó cũng phải xét đến: bản chất của yêu cầu, quy mô của yêu cầu, sự phụ thuộc của các yêu cầu, khả năng chia nhỏ các yêu cầu, độ phức tạp thuật toán, kiến trúc phần cứng.

Việc thiết kế thuật toán cân bằng tải phải xét đến các yêu tố này để nâng cao khả năng cân bằng tải, hay nói cách khác là nâng cao hiệu năng cân bằng tải. Bên cạnh các yếu tố trên, thuật toán cân bằng tải cần cải thiện các tham số ảnh hưởng đến khả năng cân bằng tải, đó là: thời gian đáp ứng, thời gian xử lý, thời gian chờ, độ trễ,…Bài toán cân bằng tải là một bài toán không có lời giải tối ưu, tuy nhiên các thuật toán cân bằng tải khi cải thiện các tham số này thì phải chấp nhận hy sinh tham số khác trong mức độ cho phép. Nâng cao hiệu năng cân bằng tải là nhiệm vụ của các thuật toán cân bằng tải thông qua việc tối ưu các tham số ảnh hưởng đến cân bằng tải, giảm chi phí thời gian phục vụ các truy vấn của người dùng. Sự cần thiết của cân bằng tải trên điện toán đám mây Do sự phát triển không ngừng của điện toán đám mây nên vấn đề trao đổi, xử lý, an toàn dữ liệu và đặc biệt vấn đề cân bằng tải truy nhập là những vấn đề cấp thiết 12 và có ý nghĩa thực tiễn cao, vì vấn đề cơ bản nhất trong truyền thông là những vấn đề liên quan đến dữ liệu.

Tuy nhiên, với sự phát triển nhanh chóng về quy mô cũng như số lượng của các ứng dụng thì việc truy nhập này thường bị đe doạ bởi sự quá tải.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ