面向能效的云計算虛擬化資源提供方法研究.pdf

1、隨著云計算產(chǎn)業(yè)的迅猛發(fā)展，大規(guī)模數(shù)據(jù)中心的能耗問題變得日益嚴峻。工業(yè)和學術界都開始努力嘗試使用各種技術以提高數(shù)據(jù)中心的能效。其中，最重要同時也是云計算采用的最關鍵技術之一就是資源的虛擬化。相對于非虛擬化系統(tǒng)，虛擬化技術帶來的彈性能顯著提高系統(tǒng)資源利用率，達到節(jié)能減排的目的。然而，對共享資源的競爭也使得虛擬機內的應用程序性能受到威脅，這直接影響到云服務的質量，進而影響服務提供商的收益和最終用戶體驗。如何在這樣的虛擬化平臺上實現(xiàn)性能和能耗的

2、最佳折衷，是當前業(yè)界最關注的問題之一。
　　本文圍繞云計算環(huán)境中虛擬化資源的提供方法展開研究，旨在通過高效的動態(tài)資源提供策略持續(xù)優(yōu)化應用程序資源配置，有效應對應用程序負載波動，保障應用程序性能，提高云計算數(shù)據(jù)中心資源利用率，同時降低數(shù)據(jù)中心能耗，最終達到提高系統(tǒng)能效的目的。本文的主要研究成果包括：
　　1.提出了一種基于支持向量機的負載預測方法
　　虛擬化是提高數(shù)據(jù)中心能效的主要技術手段。而云環(huán)境中很多應用程序通常具有

3、高度變化的負載，導致復雜動態(tài)的資源使用模式。資源提供策略必須根據(jù)應用程序的實際需求實時動態(tài)地調整虛擬機資源的供給量，才能在滿足QoS約束的前提下盡量減少資源占用量。因為資源的動態(tài)調整總是存在延遲，所以，實現(xiàn)以上目標的一個必要前提就是要提前獲知虛擬機的未來資源需求。本文提出了一種負載預測方法KSwSVR。該方法將虛擬機的負載預測當作一個時間序列預
　　測問題來解決，并采用了專門針對小樣本統(tǒng)計問題而建立的統(tǒng)計學習技術。基于結構風險最小

4、化準則的支持向量機具有很強的泛化能力，因而能有效適應復雜動態(tài)的云計算環(huán)境。受局部性原理啟發(fā)，本文對標準的支持向量回歸算法進行了改進，區(qū)別對待訓練數(shù)據(jù)，根據(jù)其重要性進行加權優(yōu)化，并與卡爾曼平滑技術進行了整合。實驗結果表明，KSwSVR能有效預測各種資源類型的負載對象，并且在預測精度、穩(wěn)定性、算法開銷等方面均優(yōu)于常用經(jīng)典算法。
　　2.提出了一種基于負載預測的資源自動擴展方法
　　云計算最重要的特征是彈性，應用程序可以根據(jù)需求動

5、態(tài)地獲取或釋放資源。從管理系統(tǒng)的角度，就是要利用虛擬化提供的資源動態(tài)擴展能力，使得應用程序的資源配置能盡量實時精確地匹配應用程序的需求變化。同時，云計算系統(tǒng)的規(guī)模要求擴展操作必須是自動化的，整個過程要減少甚至完全消除人的干預。精確的負載預測結果可以用于指導資源擴展方案的制定，但是由于預測誤差的存在，直接將預測值作為資源供給量會導致應用程序性能不穩(wěn)定。本文以保應用程序性能、最小化資源占用量為目標，提出了一種新的資源自動化擴展法G2LC。該

6、方法綜合實驗經(jīng)驗，并通過接收時間窗口內的QoS反饋，從局增益和局部誤差補償兩個層面對預測結果進行了修正。在滿足SLA約束的時，有效減少了瞬時負載帶來的不必要擴展動作，完全避免了SLA違約事件的中出現(xiàn)。實驗結果表明，G2LC可以通過調整參數(shù)有效地保證用戶指定的任意能水平。相對于虛擬機資源固定不變的定值分配方法，G2LC能顯著地節(jié)省資開銷，且這一優(yōu)勢隨著用戶性能要求的提高變得越發(fā)明顯。3.提出了一種基于服務質量差異化的資源提供方法
　

7、　性能管控和節(jié)能減排是現(xiàn)代數(shù)據(jù)中心的兩個主要研究課題，但兩者又往往是相矛盾的。云服務提供商運用虛擬化技術將各種應用程序整合到更少的物理主機上，并將閑置的主機轉換到低功耗模式以降低能耗。這種情況下，應用程序的性能嚴重依賴于對虛擬機容量的合理管理。因為應用程序的多樣性、各種資源使用模式的差異、底層硬件共享、程序之間的性能相關和性能干擾等因素的存在，導致對虛擬機性能的管控非常困難。找到能耗和性能之間的平衡點至關重要，這被歸結為能效問題。本文最

8、后以提高系統(tǒng)的能效為目標，基于對負載預測技術和資源擴展技術的研究成果，提出了一種新的資源提供方法CoST。它基于服務
　　質量差異化策略，利用了不同類型的應用程序對性能和成本的敏感度不同這一事實。性能敏感型應用程序追求穩(wěn)定的QoS，而性能耐受型應用程序更關注完成所有任務所需要付出的總成本。CoST將不同類型的應用程序部署在同一臺主機上，基于負載預測和QoS反饋對虛擬機的資源進行垂直擴展。實驗表明CoST不僅有效地保證了性能敏感型應