云環(huán)境下顧及SLA及QoS的資源調(diào)度策略

朱倩

(河源市職業(yè)技術(shù)學(xué)校，廣東河源　517000)

?

云環(huán)境下顧及SLA及QoS的資源調(diào)度策略

朱倩

(河源市職業(yè)技術(shù)學(xué)校，廣東河源517000)

摘要：考慮到云技術(shù)是當(dāng)前較為流行基于服務(wù)的分布式計算及其不需要用戶關(guān)注底層的系統(tǒng)實現(xiàn)。有效的資源調(diào)配一方面能減少資源的過度浪費，或者減少成本以增加用戶的滿意度，最終提升系統(tǒng)的性能。本文通過對云計算平臺資源的虛擬化技術(shù)，實現(xiàn)系統(tǒng)性能需求的精確預(yù)算。從服務(wù)的角度，探討一種云環(huán)境下基于Virtual Machine(VM)的顧及Service Level Agreement (SLA)及Quality of Service (QoS)的資源調(diào)度策略。模擬實驗結(jié)果表明，本資源的調(diào)度策略是一種提高系統(tǒng)資源利用率的有效手段，具有一定的實用價值。

關(guān)鍵詞：云計算；Virtual Machine(VM)；Service Level Agreement (SLA)；Service Level Agreement (SLA)；資源調(diào)度

過去的幾年，在學(xué)術(shù)界與工業(yè)界，云計算已經(jīng)取得了長足的進步。作為服務(wù)計算的一部分，云計算提供了編程、應(yīng)用開發(fā)、存儲以及各類硬件資源的服務(wù)。正如云計算的概念指出，云計算一方面是虛擬化技術(shù)(Virtualization)、效用計算(Utility Computing)、XaaS(包括IaaS、PaaS、SaaS等)等技術(shù)混合演進并躍升的結(jié)果；另一方面是并行計算(Parallel Computing)、分布式計算(Distributed Computing)和網(wǎng)格計算(Grid Computing)的發(fā)展，或者說是這些計算機科學(xué)概念的商業(yè)實現(xiàn)[1]。云計算則通過Web服務(wù)請求的方式，訪問云數(shù)據(jù)中心所提供的相關(guān)服務(wù)，使得云計算中心能夠依據(jù)服務(wù)請求所需資源，在虛擬資源池中按需分配必要的可計算資源，包括計算機和存儲系統(tǒng)實現(xiàn)計算任務(wù)的高效執(zhí)行[2]。

然而，云計算仍面臨著一系列的挑戰(zhàn)，尤其是確保Quality of Service(QoS)的資源調(diào)配問題。要實現(xiàn)資源與服務(wù)的有效調(diào)配，必須獲得QoS涉及一系列的參數(shù)與屬性，包括包的丟失率、網(wǎng)絡(luò)延遲、傳輸率、成本與聲譽，以及數(shù)據(jù)安全、可信度與用戶滿意度等等。當(dāng)然，提升用戶滿意度與QoS的目標是一致的。由于資源提供者與使用者間的Service Level Agreement (SLA)協(xié)議中定義了相關(guān)的QoS和成本費用，只有協(xié)調(diào)好這兩者的關(guān)系，才能保證系統(tǒng)的用戶滿意度，從而提升系統(tǒng)的性能。當(dāng)前，基于不同QoS測度約束的資源調(diào)配的研究很多，有從高性能角度通過計算響應(yīng)時間百分比、資源利用率以及包丟失率等參數(shù)進行研究的方法，也有通過計算最大、最小以及平均響應(yīng)時間進行衡量的方法，以及考慮帶寬等資源分配進行的研究[3-5]。國外也嘗試著從SLA的角度確保QoS的研究[6]，其中也有一些工作針對Virtual Machine(VM)資源的調(diào)配確保QoS的方式[7]。在云平臺中，由于網(wǎng)絡(luò)特性和IT資源的不確定性與動態(tài)變化特性，要實現(xiàn)SLA的目標也是一項重要的挑戰(zhàn)。鑒于此，在提及的資源調(diào)配，在滿足SLA的基礎(chǔ)上，探討采用一種基于云環(huán)境下資源的自適應(yīng)VM資源回收與調(diào)配策略，確保計算資源的整體花費最小。

1基于QoS的VM資源調(diào)度策略

1.1面向QoS的請求過程

云計算通常采用虛擬化技術(shù)實現(xiàn)資源的按需分配與管理。文中提到的資源主要指計算資源、數(shù)據(jù)資源包括服務(wù)資源。下面依據(jù)SLA中資源約束準則對調(diào)配相關(guān)的資源調(diào)度問題進行探討。

作業(yè)調(diào)度研究的是如何分配計算資源，而資源調(diào)配研究的是計算資源的分配問題。一般地，資源調(diào)配與作業(yè)調(diào)度一樣，都屬于NP復(fù)雜性問題[8-9]。涉及到資源的提供者與消費者，對于資源的提供者，希望充分利用已有資源，更多地分配資源給用戶使用，提升資源利用率獲得更大的回報；但是如果分配的資源不足，將導(dǎo)致作業(yè)無法執(zhí)行，因此資源調(diào)配在作業(yè)調(diào)度方面起著關(guān)鍵作用。通常用戶與資源提供者間在所簽署的SLA協(xié)議中定義了相關(guān)的QoS和費用。如圖1所示，從系統(tǒng)結(jié)構(gòu)角度依據(jù)SLA協(xié)議的客戶服務(wù)請求，在用戶提交事務(wù)生成服務(wù)請求作業(yè)隊列后，系統(tǒng)按請求的不同需求構(gòu)建與釋放VM資源進行處理的過程。

圖1　用戶與服務(wù)資源VM框架體系

實際上，基于相關(guān)分析結(jié)果的虛擬機調(diào)配已有相關(guān)研究[10]，主要是針對虛擬機的動態(tài)場景使用云計算的SaaS、PaaS與IaaS層，然而，多數(shù)并未從資源再利用的角度去探討VM回收資源去滿足新的請求，而是直接創(chuàng)建新的VM，雖然新的任務(wù)可能與之前分配的VM具有同樣的資源需求程度，但該方法比較費時，并不適合每一種情形尤其是VM的再利用問題。

QoS約束下資源調(diào)度策略問題主要研究數(shù)據(jù)、服務(wù)、網(wǎng)絡(luò)等可計算資源在確保用戶QoS參數(shù)前提下如何提高系統(tǒng)性能的問題。通常，為實現(xiàn)任務(wù)完成在時間上的改善，可以給每一個任務(wù)成本設(shè)定一組QoS參數(shù)來衡量用戶的滿意度，包括任務(wù)完成的Deadline和費用約束。下面從系統(tǒng)性能角度探討一種服務(wù)、數(shù)據(jù)、計算節(jié)點與網(wǎng)絡(luò)距離的調(diào)度策略模型。系統(tǒng)請求根據(jù)請求的類型進行分類，構(gòu)建不同類型的VM提供服務(wù)，主要關(guān)注當(dāng)前是否有滿足需求的VM隊列提供服務(wù)，從而避免重新創(chuàng)建VM。以下為QoS管理控制過程偽碼描述：

Procedure Controlling：

do{

Predict user requirements analyzing or admission controlling

if not (avail. Resources)

Exit service

End if

If not (match Queue type)

Create New Queue type

End if

Save request queue and results of predict

Monitoring request resources

}

while (requirement threshold > types of queue )

上述QoS管理過程，系統(tǒng)首先通過需求分析與許可控制對新的請求服務(wù)檢測可用資源充足與否，如果發(fā)現(xiàn)請求服務(wù)在SLA規(guī)定的時間內(nèi)能完成，將請求作業(yè)將進入隊列匹配已有的隊列類型，如果沒有相關(guān)隊列，將重新分配合適規(guī)模的資源創(chuàng)建VM。

1.2自適應(yīng)VM調(diào)度策略

在允許一個服務(wù)進入隊列服務(wù)前，所有在隊列中的服務(wù)被計算的時間總和，標記為Tneg，平均執(zhí)行時間為Texe，服務(wù)時間為Tservice，總的需求時間Ttotal為系統(tǒng)監(jiān)測到隊列中所有服務(wù)的執(zhí)行時間Texe與不確定的網(wǎng)絡(luò)時間總和，且Treq，Tact分別表示請求協(xié)商與實際作業(yè)完成時間。在運行中，當(dāng)一個新的作業(yè)到來后，Tnew_act被預(yù)測，滿足

Tnew_neg+Tneg> Ttotal+Tnew_act+Tthreshold,

Tservice> Tneg+Tnew_act。

則新的作業(yè)將進入隊列獲得VM資源完成服務(wù)請求。當(dāng)然，在隊列中，作業(yè)的執(zhí)行還與作業(yè)的優(yōu)先數(shù)有關(guān)。通常用到達時間Tarriv與協(xié)商限定時間Tneg_limit之和，稱為優(yōu)先因子Fprio來衡量作業(yè)的優(yōu)先級，即

Fprio=Tarriv+Tneg_limit。

調(diào)度策略按如下算法執(zhí)行：

Input:Texe,Tservice,ReservedTime,n(Numberofjob),j(Numberofqueue),i(Numberofjobsinqueue);Output:ProvisioningbetweenVMwithQoS Tneg_=∑Tneg; Ttotal=n×Texe; Testimate=Tnew_act+Ttotal+other_time; Tmax_limit=Tnew_act+Tneg_; if Tmax_limit≥Testimate&&Tservice≥Tmax_limitthen Allowjobtoenterintoinputqueue; else Rejectjobtoenterintoinputqueue; endif Calculatepriorityfactor; ifavailable(resources)then createVM Repeatforallqueue; Calculatepriorityi=∑Fprio; FindmaximumpriorityiforcreatingnewVMoftypei; else WaitforVMofsametypeforcompletingcurrentjob; endif

2實驗仿真

采用云仿真CloudSim工具對上述提出的基于QoS的VM調(diào)配進行模擬實驗，現(xiàn)采用100臺4核CPU和4G內(nèi)存的計算節(jié)點構(gòu)建云計算中心。作業(yè)請求率按每秒200個請求計算，假定VM的創(chuàng)建與去分配時間為3 min，其服務(wù)時間約定為30 min。圖2顯示為加載調(diào)度策略算法與云計算自動執(zhí)行時的比較結(jié)果，圖2(a)為計算節(jié)點數(shù)與VM創(chuàng)建時間的關(guān)系，隨著節(jié)點數(shù)的增加，創(chuàng)建時間也隨之增加。圖2(b)為請求服務(wù)數(shù)與模擬時間在是否加載調(diào)度策略算法的關(guān)系。表明在有調(diào)度策略算法的情況下，相同時間的基礎(chǔ)上，服務(wù)請求的數(shù)量較一般云計算的要多。

圖2　加載調(diào)度策略算法與云計算自動執(zhí)行時的比較結(jié)果

3結(jié)論

云計算環(huán)境中資源與服務(wù)的調(diào)配是一個較為復(fù)雜的問題，針對云環(huán)境下可計算資源的VM回收與重構(gòu)技術(shù)，以作業(yè)的分類與VM類型對應(yīng)，針對優(yōu)先因子的計算提出一種云環(huán)境下基于VM(的顧及SLA及QoS的資源調(diào)度策略算法，從而獲得系統(tǒng)性能的提升。實驗表明提出的資源調(diào)度算法是一種提高系統(tǒng)性能的有效手段，具有顯著效果。下一步可以從資源分配的角度探討資源調(diào)配策略對資源利用率與系統(tǒng)性能的影響。

參 考 文 獻

[1]劉鵬．云計算[M].北京:電子工業(yè)出版社,2011．

[2]曾志,王晉,杜震洪,等.一種云格環(huán)境下可計算資源與服務(wù)高效調(diào)配機制[J].浙江大學(xué)學(xué)報:理學(xué)版,2014, 41(3):353-357.

[3]Xiong K，Suh S．Resource provisioning in SLA-based cluster computing[C]．JSSPP'10,Berlin：Springer-Verlag,2010:1-15．

[4]Cao Z, Zegura EW. Utility Max-Min: An Application-Oriented Bandwidth Allocation Scheme[C]. In Proceedings of IEEE INFOCOM,1999: 793-801.

[5]Chassot C. Performance analysis for an IP Differentiated Services Network[C]. Proceeding of IEEE International conference communication,2002,2:976-980.

[6]Lee Y C, Wang C, Zomaya A Y, et al. Profit-driven service request scheduling in clouds. In Proceedings of the 10thIEEE/ACM International Conference on Cluster, Cloud and Grid Computing, 2010.

[7]Rodero-Merino L, Vaquero L M, Gil V, et al. From infrastructure delivery to servicemanagement in clouds. in Future Generation Computer Systems,2010, 26(8):1226-1240.

[8]Wang L，Siegel H J，Roychowdhury V R, et al.Task matching and scheduling in heterogeneous computing environments using a genetic-algorithm-based approach[J]. J Parallel Distrib Comput,1997,47:8-22.

[9]謝麗霞，嚴焱心. 云計算環(huán)境下的服務(wù)調(diào)度和資源調(diào)度研究[J]. 計算機應(yīng)用研究,2015(2):528-531.

[10]許力，曾智斌，姚川. 云計算環(huán)境中虛擬資源分配優(yōu)化策略研究[J]. 通信學(xué)報，2012(SD):9-16.

Resource Scheduling Strategy of SLA and QoS Under Cloud Computing

ZHU Qian

(Heyuan City Occupation Technical School, Heyuan 51700, China)

AbstractConsidering that cloud computing does not require users paying attention to the bottomed system implementation, we take the technology of cloud computing as currently more popular distributed computing based services. However, efficient resource allocation can reduce the excessive waste of resources, and increase user satisfaction by reducing cost, so as to improve the system performance. This paper realizes the accurate prediction on system performance with virtual technology in cloud computing platform, discussing the resource scheduling strategy based on Virtual Machine(VM) and ervice Level Agreement (SLA) in a cloud environment from the service point of view. Simulation results show that the scheduling strategy is an effective method to improve the utilization of system resources, which has a certain practical value.

Key wordscloud computing; Virtual Machine(VM); Service Level Agreement (SLA); Service Level Agreement (SLA); resource scheduling

文章編號：1009-0312(2016)01-0020-04

中圖分類號：TP391

文獻標識碼：A

作者簡介：朱倩(1982—)，女，江西高安人，講師，碩士，主要從事計算機應(yīng)用研究。

收稿日期：2014-06-03