Modern applications demand resources at an unprecedented level. In this sense, data-centers are required to scale efficiently to cope with such demand. Resource disaggregation has the potential to improve resource-efficiency by allowing the deployment of workloads in more flexible ways. Therefore, the industry is shifting towards disaggregated architectures, which enables new ways to structure hardware resources in data centers. However, determining the best performing resource provisioning is a complicated task. The optimality of resource allocation in a disaggregated data center depends on its topology and the workload collocation. This paper presents DRMaestro, a framework to orchestrate disaggregated resources transparently from the applications. DRMaestro uses a novel flow-network model to determine the optimal placement in multiple phases while employing best-efforts on preventing workload performance interference. We first evaluate the impact of disaggregation regarding the additional network requirements under higher network load. The results show that for some applications the impact is minimal, but other ones can suffer up to 80% slowdown in the data transfer part. After that, we evaluate DRMaestro via a real prototype on Kubernetes and a trace-driven simulation. The results show that DRMaestro can reduce the total job makespan with a speedup of up to ≈1.20x and decrease the QoS violation up to ≈2.64x comparing with another orchestrator that does not support resource disaggregation.

中文翻译：

---

DRMaestro：在虚拟化数据中心上协调分类资源

现代应用程序需要前所未有的资源。从这个意义上讲，数据中心需要有效地扩展以应对这种需求。通过允许以更灵活的方式部署工作负载，资源分解有可能提高资源效率。因此，该行业正朝着分解架构的方向发展，这提供了在数据中心中构造硬件资源的新方法。但是，确定性能最佳的资源供应是一项复杂的任务。分解后的数据中心中资源分配的最优性取决于其拓扑结构和工作负载配置。本文介绍了DRMaestro，这是一个从应用程序透明地整理分类资源的框架。DRMaestro使用新颖的流网络模型来确定多个阶段的最佳位置，同时尽最大努力防止工作负载性能受到干扰。我们首先评估在较高的网络负载下，分解对附加网络要求的影响。结果表明，对于某些应用程序，影响很小，但其他应用程序在数据传输部分的速度却降低了80％。之后，我们通过Kubernetes上的真实原型和跟踪驱动的仿真对DRMaestro进行评估。结果表明，与另一个不支持资源分解的业务流程协调器相比，DRMaestro可以减少总作业的完成时间，速度最高可达≈1.20x，并可以将QoS违规率最高降低至≈2.64x。我们首先评估在较高的网络负载下，分解对附加网络要求的影响。结果表明，对于某些应用程序，影响很小，但其他应用程序在数据传输部分的速度却降低了80％。之后，我们通过Kubernetes上的真实原型和跟踪驱动的仿真对DRMaestro进行评估。结果表明，与另一个不支持资源分解的业务流程协调器相比，DRMaestro可以减少总作业的完成时间，速度最高可达≈1.20x，并可以将QoS违规率最高降低至≈2.64x。我们首先评估在较高的网络负载下，分解对附加网络要求的影响。结果表明，对于某些应用程序，影响很小，但其他应用程序在数据传输部分的速度却降低了80％。之后，我们通过Kubernetes上的真实原型和跟踪驱动的仿真对DRMaestro进行评估。结果表明，与另一个不支持资源分解的业务流程协调器相比，DRMaestro可以减少总作业的完成时间，速度最高可达≈1.20x，并可以将QoS违规率最高降低至≈2.64x。我们通过Kubernetes上的真实原型和跟踪驱动的仿真来评估DRMaestro。结果表明，与另一个不支持资源分解的业务流程协调器相比，DRMaestro可以减少总作业的完成时间，速度最高可达≈1.20x，并可以将QoS违规率最高降低至≈2.64x。我们通过Kubernetes上的真实原型和跟踪驱动的仿真来评估DRMaestro。结果表明，与另一个不支持资源分解的业务流程协调器相比，DRMaestro可以减少总作业的完成时间，速度最高可达≈1.20x，并可以将QoS违规率最高降低至≈2.64x。