云計(jì)算資源調(diào)度現(xiàn)狀分析

黃海芹

（桂林電子科技大學(xué)信息與通信學(xué)院，廣西 桂林 541004）

云計(jì)算資源調(diào)度現(xiàn)狀分析

黃海芹

（桂林電子科技大學(xué)信息與通信學(xué)院，廣西 桂林 541004）

針對云計(jì)算系統(tǒng)規(guī)模大且執(zhí)行任務(wù)數(shù)量多的問題，需要對其進(jìn)行合理有效的資源調(diào)度。目前，云資源調(diào)度相關(guān)研究主要考慮負(fù)載均衡、能源消耗以及用戶服務(wù)質(zhì)量等問題，合理的云資源調(diào)度算法可以提高系統(tǒng)負(fù)載均衡度，改善系統(tǒng)資源利用率和能耗，同時(shí)也能提升用戶服務(wù)質(zhì)量。文章將近年來國內(nèi)外研究成果進(jìn)行了分類探討，并分析了現(xiàn)有研究的優(yōu)點(diǎn)及不足。

云計(jì)算；資源調(diào)度；負(fù)載均衡

1 引言

隨著互聯(lián)網(wǎng)和IT技術(shù)的迅猛發(fā)展，信息量與數(shù)據(jù)量急劇上升，計(jì)算機(jī)有限的計(jì)算和處理能力已滿足不了用戶的需求，用戶對資源的需求和利用出現(xiàn)了不平衡的狀態(tài)。而傳統(tǒng)的計(jì)算模式難以解決這些問題，一方面某些業(yè)務(wù)需要大量的計(jì)算資源和存儲(chǔ)資源來運(yùn)行，但計(jì)算機(jī)有限的資源難以滿足需求；另一方面互聯(lián)網(wǎng)上的某些資源沒有被充分利用造成一定程度上的資源浪費(fèi)。在這些情況下，一種新型的服務(wù)計(jì)算模型誕生：云計(jì)算[1]。

自2007年“云計(jì)算”概念首次提出，發(fā)展至今日，云計(jì)算依然熱度不減，各大IT企業(yè)都開始了探“云”之路，國外云計(jì)算發(fā)展較快的企業(yè)有谷歌、IBM[2]、亞馬遜[3]、微軟等，國內(nèi)有領(lǐng)跑者世紀(jì)互聯(lián)，他們都先后加入了云計(jì)算行列，將云計(jì)算作為他們的戰(zhàn)略方向，促使云計(jì)算的應(yīng)用越來越廣泛，發(fā)展速度越來越快。

云計(jì)算是一種商業(yè)服務(wù)模式和計(jì)算模型，其通過將計(jì)算任務(wù)分布在大量計(jì)算機(jī)構(gòu)成的不同數(shù)據(jù)中心上，使各種應(yīng)用系統(tǒng)能夠根據(jù)需要獲取存儲(chǔ)空間、信息服務(wù)以及計(jì)算能力等。云數(shù)據(jù)中心作為一個(gè)大量計(jì)算機(jī)的集中地， 包含了大規(guī)模的服務(wù)器和網(wǎng)絡(luò)設(shè)備。隨著網(wǎng)絡(luò)用戶的快速增加，一個(gè)云計(jì)算環(huán)境可能有海量的用戶任務(wù)需要運(yùn)行，這就使得云數(shù)據(jù)中心更加復(fù)雜。目前，云數(shù)據(jù)中心面臨著諸多問題，如服務(wù)器有很大一部分時(shí)間處于閑置狀態(tài)，導(dǎo)致資源的大量浪費(fèi)；應(yīng)用程序信息的不確定性以及物理機(jī)處理能力的差異性，使得物理機(jī)負(fù)載不均衡；用戶需求越來越多樣性以及動(dòng)態(tài)變化性，使得云提供商需要時(shí)刻關(guān)注用戶需求，最大程度滿足用戶的QoS要求等等。這些問題對資源使用效率、系統(tǒng)性能等方面都有著很大影響。如何將云計(jì)算虛擬資源有效的按用戶需求動(dòng)態(tài)管理和分配，并提高資源的使用效率，是云計(jì)算研究的關(guān)鍵問題之一。

2 云計(jì)算資源調(diào)度算法

云計(jì)算資源調(diào)度大致可分為以下幾個(gè)模塊[4]：

（1）檢測負(fù)載信息：通過云端監(jiān)測模塊獲取物理機(jī)負(fù)載信息（主要考慮3中負(fù)載類型：CPU負(fù)載，網(wǎng)絡(luò)吞吐量和磁盤I/O負(fù)載）和虛擬機(jī)的配置信息，并將所獲取的信息作為已知信息傳給下一階段。

（2）調(diào)度策略模塊：該模塊是根據(jù)所要解決的目標(biāo)問題來設(shè)計(jì)相應(yīng)的調(diào)度算法。

（3）調(diào)度結(jié)果比較：將調(diào)度策略的結(jié)果與原配置信息進(jìn)行比較，判斷云計(jì)算系統(tǒng)性能（包括資源利用率和能耗等）是否得到提高。

（4）遷移虛擬機(jī)：與原配置方案進(jìn)行對比，如果調(diào)度策略的結(jié)果提高了云計(jì)算系統(tǒng)性能，然后決定是否遷移虛擬機(jī)。判斷標(biāo)準(zhǔn)是將再遷移成本與調(diào)度策略帶來的好處進(jìn)行比較。若結(jié)果遷移成本低，則執(zhí)行調(diào)度策略的結(jié)果，對物理機(jī)上的虛擬機(jī)進(jìn)行遷移。云計(jì)算資源調(diào)度流程圖如圖1所示：

圖1　云計(jì)算資源調(diào)度流程圖

2.1解決系統(tǒng)負(fù)載均衡問題

由于云環(huán)境下的服務(wù)器資源異構(gòu)性以及應(yīng)用多樣性等特點(diǎn)，容易造成系統(tǒng)負(fù)載不均衡，導(dǎo)致某些服務(wù)器負(fù)載過重，而有些服務(wù)器負(fù)載過輕或閑置，這樣對云計(jì)算平臺(tái)系統(tǒng)的整體性能造成很大的影響。因此，需要合適的云資源調(diào)度策略來處理服務(wù)器間的負(fù)載均衡問題，從而提高云資源利用率和云系統(tǒng)的整體性能。文獻(xiàn)[5]在 Eucalyptus 平臺(tái)上采用輪詢調(diào)度算法，其將虛擬機(jī)按順序分配給不同的服務(wù)器來實(shí)現(xiàn)系統(tǒng)的負(fù)載均衡。該算法實(shí)現(xiàn)簡單，但是沒有考慮不同時(shí)刻下服務(wù)器的工作狀態(tài)以及服務(wù)器的差異性。文獻(xiàn)[6]設(shè)計(jì)了一種基于動(dòng)態(tài)反饋機(jī)制的負(fù)載均衡算法，算法根據(jù)物理機(jī)反饋的負(fù)載指標(biāo)來分配計(jì)算任務(wù)，動(dòng)態(tài)的調(diào)整物理機(jī)上的負(fù)載。資源調(diào)度是一個(gè)復(fù)雜的問題，需要有效的算法來尋求最優(yōu)解。文獻(xiàn)[7]提出了一種基于蟻群算法的云資源調(diào)度算法來解決系統(tǒng)負(fù)載均衡問題。但是蟻群算法全局搜索能較差，容易陷入局部解。文獻(xiàn)[8]提出一種改進(jìn)蟻群算法的云資源調(diào)度策略，算法根據(jù)節(jié)點(diǎn)上的負(fù)載情況來劃分類型，然后分配云節(jié)點(diǎn)中的任務(wù)，算法較好的解決了云端負(fù)載均衡問題。

2.2解決能耗問題

云供應(yīng)商為了獲得更大的利益，希望更多的用戶將他們的任務(wù)放到云端來執(zhí)行，這使得數(shù)據(jù)中心和高性能計(jì)算平臺(tái)的能耗開銷變得越來越大，同時(shí)服務(wù)器的閑置或不合理使用也進(jìn)一步加大了系統(tǒng)能耗。通過云資源調(diào)度算法來解決云端能耗問題，是云計(jì)算研究的一個(gè)熱點(diǎn)問題。文獻(xiàn)[9]采用降低虛擬集群的處理器電壓方法來解決系統(tǒng)能耗問題。通過監(jiān)視虛擬機(jī)的的負(fù)載情況來調(diào)節(jié)處理器電壓，當(dāng)負(fù)載較少時(shí)，調(diào)低處理器速度，從而到達(dá)降低能耗的效果。但是，文獻(xiàn)沒有考慮降低能耗是否會(huì)對應(yīng)用性能造成影響。文獻(xiàn)[10]考慮能耗與應(yīng)用完成時(shí)間的問題。它對能耗和應(yīng)用完成時(shí)間進(jìn)行建模，提出一種平行雙目標(biāo)混合方法，并利用Pareto遺傳算法進(jìn)行求解。該算法能較好的解決能耗問題，同時(shí)也縮短了任務(wù)完成時(shí)間。文獻(xiàn)[11-12]是從減少工作的物理機(jī)數(shù)量來解決能耗問題。文獻(xiàn)[11]通過整合物理機(jī)上的任務(wù)負(fù)載，降低物理機(jī)使用數(shù)量，達(dá)到降低系統(tǒng)能耗的目的。文獻(xiàn)[12]利用神經(jīng)網(wǎng)絡(luò)方法預(yù)測服務(wù)器上的負(fù)載，根據(jù)檢測結(jié)果來決定打開或關(guān)閉服務(wù)器，使得虛擬機(jī)分配的服務(wù)器數(shù)量最少，從而到達(dá)降低數(shù)據(jù)中心能耗的目的。但是，他們是在云端服務(wù)器是同構(gòu)條件下解決能耗問題的，實(shí)際上大部分的服務(wù)器都是異構(gòu)的。文獻(xiàn)[13]研究云端服務(wù)器異構(gòu)情況下的能源優(yōu)化問題。利用約束滿足問題對能源問題進(jìn)行建模，采用約束規(guī)劃方法進(jìn)行求解，得出能耗最優(yōu)的資源分配方案，并且作者設(shè)計(jì)一種資源調(diào)度算法dynamicpower（DY）來實(shí)現(xiàn)該優(yōu)化分配方案。

2.3解決用戶QoS問題

在云環(huán)境下，用戶按需獲取服務(wù)，而云提供商根據(jù)用戶使用的資源數(shù)量進(jìn)行收費(fèi)。因此用戶對服務(wù)的服務(wù)質(zhì)量是有所要求的，如用戶總希望花最少錢獲取最好的服務(wù)（費(fèi)用要求），用戶希望云端以最短的時(shí)間完成任務(wù)（時(shí)間要求），有些用戶對任務(wù)執(zhí)行過程的流暢性也有所要求，希望獲得盡可能高的帶寬等等。因此如何保證用戶的QoS需求也是云計(jì)算研究的重要內(nèi)容之一。文獻(xiàn)[14-15]僅是考慮任務(wù)完成時(shí)間這個(gè)服務(wù)質(zhì)量指標(biāo)。文獻(xiàn)[14]提出一種Min-Min算法，它是計(jì)算每一個(gè)任務(wù)最小完成時(shí)間，然后再從所有這些時(shí)間的資源中選取時(shí)間最小的資源，并將其與任務(wù)進(jìn)行匹配。與文獻(xiàn)[14]不同，文獻(xiàn)[15]從所有最小時(shí)間的資源中選取最大的資源，然后再進(jìn)行任務(wù)和資源匹配。文獻(xiàn)[16-17]是以帶寬來衡量服務(wù)質(zhì)量。文獻(xiàn)[16]改進(jìn)了Min-Min算法，它是根據(jù)用戶服務(wù)質(zhì)量需求來進(jìn)行吞吐率優(yōu)化的。文獻(xiàn)[17]是通過加權(quán)平均進(jìn)行資源選擇，它將網(wǎng)絡(luò)帶寬作為QoS屬性，把任務(wù)按QoS需求分為不同優(yōu)先級，優(yōu)先調(diào)度級別高的任務(wù)。上面僅是優(yōu)化QoS的單一目標(biāo)。文獻(xiàn)[18-19]針對多維 QoS進(jìn)行了研究。文獻(xiàn)[18]提出基于多維QoS簡單約束的最小代價(jià)最大服務(wù)概率算法，參考作業(yè)調(diào)度的思想，建立云環(huán)境下的資源調(diào)度模型，根據(jù)物理資源與 QoS的映射關(guān)系，建立資源分配模型。文獻(xiàn)[19]根據(jù)不同用戶對QoS的不同需求，提出一種基于多個(gè)任務(wù)流的多 QoS的云調(diào)度策略。文獻(xiàn)[20]提出一種基于免疫克隆的偏好多維QoS云計(jì)算調(diào)度算法，以滿足資源負(fù)載和用戶對時(shí)間的需求。文獻(xiàn)[21]提出基于 QoS的多目標(biāo)服務(wù)調(diào)度方法，在滿足不同用戶的不同需求的同時(shí)，對云資源利用率和負(fù)載均衡問題均有了較好的改善。

3 小結(jié)

本文分別從負(fù)載均衡、系統(tǒng)能源消耗以及用戶服務(wù)質(zhì)量等三個(gè)方面，對近年來國內(nèi)外云資源調(diào)度相關(guān)研究進(jìn)行了討論。雖然，該領(lǐng)域已涌現(xiàn)了一系列研究成果，但隨著云系統(tǒng)規(guī)模的日益強(qiáng)大，云數(shù)據(jù)中心越來越復(fù)雜，如何高效地調(diào)度云資源以提高系統(tǒng)整體性能和效率仍是該領(lǐng)域的焦點(diǎn)。

[1] Armbrust M, Fox A, Griffith R, et al. A view of cloud computing[J].Communications of the ACM,2010,53(4): 50-58.

[2] Boss G, Malladi P, Quan D, et al. Cloud computing[J/OL]. IBM White Paper, 2007[2011-02-21]. http://download. boulder.ibm.com/ibmdl/pub/software/dw/wes/hipods/Cloud _computing_wp_final_8Oct.pdf.

[3] Amazon E C. Amazon elastic compute cloud (Amazon EC2)[J]. Amazon Elastic Compute Cloud (Amazon EC2), 2010[2010-5]. URL: http://aws.amazon.com/ec2/. Access: 5 Mar 2010

[4] Chen S,Wu J,Lu Z. A cloud computing resource scheduling policy based on genetic algorithm with multiple fitness[C]//2012 IEEE 12th International Conference on Computer and Information Technology (CIT).Chengdu: IEEE,2012:177-184.

[5] Tan T,Kiddle C.An assessment of eucalyptus version 1.4[R]. Department of Computer Science, University of Calgary, 2009.

[6] 余敦福,李鴻健,唐紅,等.基于反饋機(jī)制的動(dòng)態(tài)負(fù)載平衡算法研究[J].計(jì)算機(jī)應(yīng)用研究,2012,29(02):527-529.

[7] Gao Y,Guan H,Qi Z, et al. A multi-objective ant colony system algorithm for virtual machine placement in cloud computing[J].Journal of Computer and System Sciences, 2013,79(8):1230-1242.

[8] 爾雅莉,王慶生.云中基于蟻群算法改進(jìn)的負(fù)載均衡策略[J].計(jì)算機(jī)工程與設(shè)計(jì),2014,35(12):4095-4099.

[9] Von Laszewski G, Wang L, Younge A J, et al. Power-aware scheduling of virtual machines in dvfs-enabled clusters[C]// 2009 IEEE International Conference on Cluster Computing and Workshops (CLUSTER'09). New Orleans: IEEE,2009: 1-10.

[10] Mezmaz M, Melab N, Kessaci Y, et al. A parallel biobjective hybrid metaheuristic for energy-aware scheduling for cloud computing systems[J].Journal of Parallel and Distributed Computing,2011,71(11): 1497-1508.

[11] Berral J L, Goiri í, Nou R, et al. Towards energy-aware scheduling in data centers using machine learning[C]// Proceedings of the 1st International Conference on Energy-Efficient Computing and Networking. ACM, 2010: 215-224.

[12] Duy T V T, Sato Y, Inoguchi Y. Performance evaluation of a green scheduling algorithm for energy savings in cloud computing[C]//2010 IEEE International Symposium on Parallel & Distributed Processing, Workshops and Phd Forum (IPDPSW). Atlanta: IEEE,2010:1-8.

[13] 林偉偉,劉波,朱良昌,等.基于CSP的能耗高效云計(jì)算資源調(diào)度模型與算法[J].通信學(xué)報(bào),2013,34(12):33-41.

[14] Buyya R, Abramson D,Giddy J. Nimrod/G: An architecture for a resource management and scheduling system in a global computational grid[C]//The Fourth International Conference/Exhibition on High Performance Computing in the Asia-Pacific Region. Beijing: IEEE,2000,(1):283-289.

[15] Moreno R, Alonso-Conde A B. Job scheduling and resource management techniques in economic grid environments[C]// Grid Computing. Springer Berlin Heidelberg, 2004:25-32.

[16] He X S, Sun X H, Von Laszewski G. QoS guided min-min heuristic for grid task scheduling[J].Journal of Computer Science and Technology,2003,18(4): 442-451.

[17] Chauhan S S, Joshi R C. A heuristic for QoS based independent task scheduling in grid environment[C]//2010 International Conference on Industrial and Information Systems (ICIIS). Mangalore: IEEE,2010:102-106.

[18] 彭紅姣,李安南,曹新欣.一種基于QOS約束簡化的云計(jì)算資源調(diào)度策略研究[J].電腦知識(shí)與技術(shù),2014,10(30): 7027-7028,7047.

[19] Xu M, Cui L, Wang H, et al. A multiple QoS constrained scheduling strategy of multiple workflows for cloud computing[C]//2009 IEEE International Symposium on Parallel and Distributed Processing with Applications. Chengdu: IEEE,2009:629-634.

[20] 孫大為,常桂然,李鳳云,等.一種基于免疫克隆的偏好多維QoS云資源調(diào)度優(yōu)化算法[J].電子學(xué)報(bào),2011,39(8): 1824-1831.

[21] 田素貞,翟玉梅,劉傳領(lǐng).基于云計(jì)算的多目標(biāo)服務(wù)調(diào)度算法的改進(jìn)研究[J].陜西理工學(xué)院學(xué)報(bào):自然科學(xué)版,2012, 28(1): 24-28.

Status analysis of resource scheduling in cloud computing

Aiming at the huge system scale and a number of task execution in cloud computing, rational and effective resource scheduling schemes are needed. At present, the related researches of cloud resource scheduling mainly consider the three problems, including load balance, energy consumption, and customer service quality. The reasonable cloud resource scheduling algorithm can improve the system load balance degree, increase the system resource utilization and energy efficiency, and promote the quality of service as well. This paper discusses the research achievements by classification in recent years, and analyses the advantages and disadvantages of the existing researches.

Cloud Computing; Resource Scheduling; Load Balance

TN929.5

A

1008-1151(2015)04-0024-03

2015-02-10

廣西自然科學(xué)基金項(xiàng)目（2014GXNSFAA118387,2013GXNSFAA019334）。

黃海芹（1989-），女，安徽人，桂林電子科技大學(xué)碩士研究生，研究方向?yàn)榫W(wǎng)絡(luò)優(yōu)化。