Scalability of mobile health backends: Analysis, configuration and evaluation of the selfBACK systems data storage

Abstract

Internett vokser og rekker lenger og lenger, med bedre hastighet enn noen sinne. Apper med lav responstid er derfor viktig for brukeropplevelsen. Hvis denne responstiden øker nok, vil brukere gå lei, og ende opp med å slutte å bruke tjenesten. Selvstyrings-appen selfBACK's backend har utfordringen med å skalere ElasticSearch, samtidig som å opprettholde responstiden. For å finne den beste løsningen for horisontal skalering med ElasticSearch som datalager for selfBACK, gjorde vi et dypdykk i ElasticSearch sine konfigurasjoner og innstillinger. Alternative måter for skalering og datalager ble og testet. I hovedsak i denne avhandlingen utvikler vi realistiske test-scenarioer for selfBACK systemet, og evaluerte disse med parallelle-forespørsler med Java, for å prøve å sakke ned all respons-tid og for å fastsette begrensninger ved systemet. Alle scenarioene er blitt automatisert og testet på forskjellige maskiner.

Den beste responstiden nådd ved lokal testing var rundt 1000 ms i senking av responstid, med alternative løsninger som minket responstiden med 50% av det opprinnelige utgangspunktet. Selv om dette er bra, ble alt gjort på et lokalt nettverk, hvor resultatet bare er en demonstrasjon for hvor forskjellig innstillingene og konfigurasjonene operere i et lukket miljø.

With the internet reaching faster and faster speeds, low latency is key for app user satisfaction. When a response-time is too high, users will become tired of waiting and stop using the service. The self-management-app selfBACK's backend faces the challenge of scaling ElasticSearch, while maintaining a good performance on response-time to appease its users. To identify and test the best solution for horizontal scaling with ElasticSearch as a data store for selfBACK, we delved deep into ElasticSearch's own configuration and tweaks. Alternative ways of scaling, and another data store was also tested. In the core of this thesis we develop realistic test-scenarios for the selfBACK system and evaluated them through parallel requests with java to slow down the response times and describe the limitations of the system. All scenarios have been automatized and tested on different machines.

The best response-time improvement reached with the setup on a local computer was around 1000 ms for some of the configurations, with alternate solutions reaching 50% decrease in response-time. Since a local setup cannot simulate how the response-time will be in the real world, the results do only paint a picture of how the different configurations perform in a closed environment.