面向IaaS云計(jì)算的虛擬機(jī)負(fù)載性能優(yōu)化與保證機(jī)制研究.pdf

1、基礎(chǔ)設(shè)施即服務(wù)（IaaS）云計(jì)算可將計(jì)算軟硬件資源以虛擬機(jī)實(shí)例的形式，為用戶提供按需可擴(kuò)展的計(jì)算服務(wù)，并通過(guò)一種簡(jiǎn)單的“現(xiàn)收現(xiàn)付”式計(jì)價(jià)模型進(jìn)行收費(fèi)，以降低用戶負(fù)載的運(yùn)行成本，并提升IaaS云服務(wù)商數(shù)據(jù)中心的資源利用率?；谝陨咸攸c(diǎn)，IaaS云計(jì)算在學(xué)術(shù)界及工業(yè)界都已受到了廣泛的關(guān)注。目前，主流的大型IT企業(yè)如Amazon、Google以及Microsoft先后推出了各自的云計(jì)算解決方案，以供個(gè)人及企業(yè)用戶快速部署、運(yùn)營(yíng)或擴(kuò)展其商業(yè)業(yè)務(wù)

2、，并節(jié)約其業(yè)務(wù)運(yùn)營(yíng)成本。
　　然而，IaaS云計(jì)算平臺(tái)下的虛擬機(jī)實(shí)例需要共享數(shù)據(jù)中心的硬件資源，包括物理機(jī)的硬件資源（如CPU、緩存及I/O資源）以及數(shù)據(jù)中心的共享網(wǎng)絡(luò)與存儲(chǔ)資源，因此，虛擬機(jī)之間存在嚴(yán)重的共享計(jì)算資源競(jìng)爭(zhēng)，進(jìn)而給虛擬機(jī)負(fù)載帶來(lái)大幅度的性能下降與波動(dòng)，即負(fù)載性能的不可預(yù)測(cè)性。IaaS云性能問(wèn)題會(huì)阻礙用戶將性能敏感型業(yè)務(wù)遷移至云平臺(tái)部署運(yùn)營(yíng)，從而極大地限制了IaaS云計(jì)算的適用范圍，因此該性能問(wèn)題已成為影響云計(jì)算發(fā)展

3、的一大障礙。
　　針對(duì)IaaS云平臺(tái)下虛擬機(jī)的性能問(wèn)題，國(guó)內(nèi)外研究學(xué)者已初步提出了多項(xiàng)性能優(yōu)化與保證技術(shù)，但虛擬機(jī)負(fù)載的性能保證在IaaS云平臺(tái)下仍存在一些關(guān)鍵問(wèn)題亟待解決。具體體現(xiàn)為：第一、在IaaS底層，尚缺乏一種整體的多維度資源虛擬機(jī)性能干擾預(yù)測(cè)與量化方法，用于制定性能最優(yōu)的虛擬機(jī)遷移決策。第二、在IaaS前端，現(xiàn)有的虛擬機(jī)租用策略忽視了由虛擬機(jī)底層硬件異構(gòu)性及性能干擾而產(chǎn)生的性能異構(gòu)問(wèn)題。第三、在用戶負(fù)載應(yīng)用層，現(xiàn)有的Ma

4、pReduce任務(wù)調(diào)度機(jī)制忽視了IaaS云平臺(tái)共享集群中機(jī)架網(wǎng)絡(luò)可用帶寬資源的異構(gòu)性，從而容易引發(fā)網(wǎng)絡(luò)性能瓶頸問(wèn)題。針對(duì)以上問(wèn)題分別提出虛擬機(jī)負(fù)載性能優(yōu)化與保證方案，從IaaS云平臺(tái)的三個(gè)層次（即IaaS底層、IaaS前端以及負(fù)載應(yīng)用層）來(lái)保證用戶負(fù)載的運(yùn)行性能。
　　首先，性能干擾感知的虛擬機(jī)在線遷移策略iAware可有效地緩解IaaS底層的虛擬機(jī)性能干擾問(wèn)題。通過(guò)實(shí)際IaaS云平臺(tái)下多種類型的典型負(fù)載實(shí)驗(yàn)，iAware策略量化

5、分析了多種影響虛擬機(jī)性能干擾的系統(tǒng)級(jí)關(guān)鍵因素（包括物理機(jī)與虛擬機(jī)的多維度資源利用率等），并結(jié)合微觀經(jīng)濟(jì)學(xué)的供需原理，建立了一個(gè)輕量級(jí)、基于多維度資源供需比的虛擬機(jī)性能干擾量化模型，以在線式地預(yù)估虛擬機(jī)遷移性能干擾與同機(jī)性能干擾?；谠撃Ｐ停琲Aware遷移策略可綜合優(yōu)化上述兩種虛擬機(jī)性能干擾，并可制定造成性能干擾最小的虛擬機(jī)遷移決策。此外，iAware遷移策略可與現(xiàn)有的虛擬機(jī)遷移或整合算法協(xié)同合作，在實(shí)現(xiàn)虛擬機(jī)遷移目標(biāo)（如負(fù)載均衡或能耗

6、管理）的同時(shí)，能夠最小化虛擬機(jī)的性能干擾。
　　其次，網(wǎng)絡(luò)性能感知的MapReduce任務(wù)調(diào)度機(jī)制Net-Aware可有效地緩解用戶負(fù)載應(yīng)用層（IaaS云平臺(tái)共享集群）中的網(wǎng)絡(luò)性能瓶頸問(wèn)題。通過(guò)對(duì)作業(yè)完成時(shí)間與MapReduce任務(wù)在集群機(jī)架中放置的關(guān)系進(jìn)行理論建模，分析得出map與reduce的任務(wù)調(diào)度對(duì)MapReduce作業(yè)所產(chǎn)生的性能提升或下降影響。利用該模型與性能影響分析進(jìn)而設(shè)計(jì)兩個(gè)貪心啟發(fā)式算法，分別對(duì)map與reduc

7、e任務(wù)在共享集群機(jī)架中的調(diào)度放置進(jìn)行優(yōu)化，可緩解共享集群環(huán)境中由機(jī)架網(wǎng)絡(luò)可用帶寬的異構(gòu)性以及大量數(shù)據(jù)交換而引發(fā)的網(wǎng)絡(luò)性能瓶頸問(wèn)題。Net-Aware任務(wù)調(diào)度機(jī)制將以上兩個(gè)算法協(xié)同合作，可大幅提升MapReduce作業(yè)的運(yùn)行性能，縮短作業(yè)完成時(shí)間。
　　最后，基于iAware與Net-Aware性能優(yōu)化的IaaS云平臺(tái)，性能異構(gòu)性感知的虛擬機(jī)租用策略Heifer可進(jìn)一步解決IaaS前端租用虛擬機(jī)的性能波動(dòng)問(wèn)題。通過(guò)實(shí)際IaaS云平臺(tái)

8、下的典型負(fù)載應(yīng)用MapReduce實(shí)驗(yàn)，分析引發(fā)負(fù)載性能波動(dòng)的兩大因素，即租用虛擬機(jī)的底層硬件異構(gòu)性及性能干擾，并利用Xen的CPU與I/O調(diào)度機(jī)制深入分析虛擬機(jī)資源利用率與負(fù)載運(yùn)行性能之間的關(guān)系。Heifer策略則利用實(shí)際可測(cè)的虛擬機(jī)資源利用率與iAware性能干擾模型，建立一個(gè)MapReduce性能預(yù)測(cè)模型，可消除虛擬機(jī)負(fù)載的性能波動(dòng)（即性能異構(gòu)）問(wèn)題。利用該性能預(yù)測(cè)模型，Heifer租用策略可為用戶選擇性能最優(yōu)的虛擬機(jī)硬件類型以及