Skip to content

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

 
 

Repository files navigation

Distributed Systems – Kubernetes Multi-Cluster with Liqo

Progetto sperimentale dedicato all'analisi del comportamento di applicazioni a microservizi distribuite su più cluster Kubernetes, utilizzando Liqo per la gestione dell'offloading dei workload tra cluster.

L'obiettivo è valutare le prestazioni, i tempi di migrazione e la continuità del servizio in diversi scenari operativi, attraverso esperimenti riproducibili e strumenti di monitoraggio.

Tecnologie utilizzate

  • Kubernetes – Orchestrazione dei container e gestione dei workload.
  • Liqo – Federazione dei cluster Kubernetes e offloading dei servizi.
  • Kind – Creazione di cluster Kubernetes locali.
  • Online Boutique – Applicazione dimostrativa a microservizi utilizzata come workload.
  • Locust – Generazione del carico applicativo e raccolta delle metriche HTTP.
  • Prometheus e Grafana – Monitoraggio delle risorse e delle prestazioni.
  • Bash e Python – Automazione degli esperimenti, elaborazione dei dati e generazione dei grafici.

Architettura

L'ambiente sperimentale è costituito da due cluster Kubernetes:

  • Consumer: cluster di origine che ospita l'applicazione e gestisce l'offloading.
  • Provider: cluster remoto che mette a disposizione risorse computazionali per l'esecuzione dei workload.

I cluster sono collegati mediante Liqo, che consente di eseguire Pod sul provider attraverso un nodo virtuale visibile dal consumer.

L'applicazione utilizzata è Online Boutique, composta da diversi microservizi che comunicano tra loro.

Esperimenti

1. Workload Test

Valutazione delle prestazioni dell'applicazione con diversi livelli di utenti virtuali concorrenti.

Metriche analizzate:

  • Throughput e failure rate.
  • Latenza media e percentili P95/P99.
  • Utilizzo di CPU e memoria dei Pod.
  • Utilizzo delle risorse dei nodi Kubernetes.

2. Offloading a freddo

Misurazione del tempo necessario a trasferire i workload dal consumer al provider, senza un carico applicativo attivo durante la migrazione.

Vengono analizzati i tempi di readiness dei Deployment e il completamento della procedura di offloading.

3. Offloading a caldo

Migrazione dei servizi dal consumer al provider durante l'esecuzione di un carico applicativo generato tramite Locust.

L'esperimento permette di valutare l'impatto della migrazione su throughput, latenza e disponibilità dell'applicazione.

4. Unoffloading a caldo

Rientro dei workload dal provider al consumer mentre l'applicazione continua a ricevere richieste.

L'obiettivo è misurare i tempi di rientro e individuare eventuali interruzioni o degradazioni prestazionali durante la procedura.

5. Fault Tolerance

Simulazione di guasti nell'infrastruttura Kubernetes, con particolare attenzione al comportamento dei workload offloadati e alla capacità del sistema di reagire all'indisponibilità delle risorse remote.

Vengono monitorati lo stato dei Pod, dei nodi, dei Deployment e gli eventi Kubernetes durante il guasto.

Organizzazione del progetto

Il repository è organizzato nelle seguenti directory principali:

distributed_project/
├── configs/          # Configurazioni degli esperimenti e di Liqo
├── scripts/          # Script Bash e Python
│   ├── analysis/     # Elaborazione metriche e generazione grafici
│   └── workload_test/
├── results/          # Risultati e dati sperimentali
└── README.md

Esecuzione degli esperimenti

Gli esperimenti sono automatizzati mediante script Bash e utilizzano file di configurazione condivisi.

Le principali configurazioni sono definite in:

configs/exp_config.conf
configs/liqo_config.conf

Prima dell'esecuzione è necessario predisporre i cluster Kubernetes, configurare Liqo e verificare la disponibilità dei workload applicativi.

Gli script raccolgono metriche, eventi e snapshot dello stato del sistema, salvando i risultati nelle directory dedicate ai singoli esperimenti.

Analisi dei risultati

I dati raccolti vengono elaborati mediante script Python per produrre:

  • File CSV contenenti metriche aggregate.
  • Grafici temporali delle prestazioni applicative.
  • Confronti tra diverse configurazioni sperimentali.
  • Tabelle riepilogative dei tempi di migrazione.
  • Log degli eventi Kubernetes.

L'analisi consente di confrontare il comportamento dell'applicazione nelle configurazioni locali e multi-cluster, valutando vantaggi e limitazioni dell'utilizzo di Liqo.

Obiettivo del progetto

Il progetto mira a fornire una valutazione sperimentale dell'utilizzo di Liqo in ambienti Kubernetes multi-cluster, con particolare attenzione a:

  • Prestazioni applicative.
  • Tempi di offloading e unoffloading.
  • Continuità del servizio durante le migrazioni.
  • Comportamento del sistema in presenza di guasti.
  • Impatto della distribuzione dei workload sulle risorse infrastrutturali.

Contesto

Progetto sviluppato nell'ambito di uno studio universitario sui Sistemi Distribuiti, con particolare riferimento all'orchestrazione multi-cluster e alla gestione dinamica dei workload Kubernetes.

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages