基于工作序列與負載平衡的云計算效率改進研究

陳曦

撫順職業技術學院建筑工程系（撫順　113122）

基于工作序列與負載平衡的云計算效率改進研究

陳曦

撫順職業技術學院建筑工程系（撫順113122）

隨著大規模計算技術的發展，云計算通過虛擬化技術產生虛擬機來提升物理機器的資源利用率，進而增加處理工作的效率。為了將工作分配至最適當的虛擬機上執行使得全體工作能以最小的總完工時間完成，提出了一種基于工作序列與負載平衡處理策略，并進行了研究，詳細論述了實現的過程以及關鍵技術。通過實驗表明，該方法取得了良好的實驗效果，能夠提升云計算平臺的處理效率。

云計算；工作序列與負載平衡；虛擬化技術；數據分類與處理

隨著云計算技術的成熟，IBM、谷歌、微軟、亞馬遜等IT巨頭紛紛推出了屬于自己的云計算平臺。自2008年以來，云計算得到了快速的發展。在云計算中工作的工作量也不完全相同，因此將工作分配到虛擬機上進行運算時，需要考慮工作運算順序的問題，避免因工作量大小的差異影響工作運算順序造成拖延［1］。因此，如何設計出一個工作序列算法并有效解決上述問題，并以此提升云計算的運算效率是一個熱點問題。

1　相關技術介紹

1.1負載平衡

負載平衡在運行時會將工作量平均的分配于多個資源中，負載平衡會將負載量比較重資源的工作重新分配至負載量較輕的資源，以降低負載量較大的資源負荷，以此降低資源間的負載差距，避免某些資源的負載過高，而有些資源是處于閑置的狀況，從而增加資源使用率，負載平衡的目標為：大幅度地提高系統效能；防止系統出現故障；保持系統的穩定性［2］。

負載平衡在運行時共包含四個策略［3］：

（1）信息策略：在信息策略中會先收集所有虛擬機的信息并將該信息提供給選擇策略和位置策略；

（2）選擇策略：此策略會利用所收集來的信息來選擇要被傳送的工作；

（3）位置策略：這里會選擇一臺虛擬機當作目標端，使被選中的工作能遷移至目標端之虛擬機；

（4）傳輸策略：在此策略中被選擇的工作會被傳送到被選擇的目標端虛擬機。

1.2工作序列算法

在云計算中，工作管理是一個最基本的概念，因為它會涉及到云計算的整體效率，工作序列為一個映射的機制，主要的目的是將用戶所提出的工作映射至適合的虛擬機上運行，通過工作序列即可對工作進行初步的管理。工作序列算法通常被分為兩類，分別為：實時模式與批次模式。實時模式是指的當目前到達的工作立刻被映射至虛擬機上。批次模式則與實時模式不同，批次模式不會將到達的工作立刻映射，而是將工作收集成為一個工作集合，待達到一定的數量或時間，再通過特定的分配機制將工作映射至虛擬機上。

2　負載平衡與最小總完工時間算法模型設計與實現

2.1算法實現策略

一般的負載平衡分配機制很有可能使某些運算能力較差的虛擬機沒有被分配到工作，導致某些虛擬機處于忙碌，而某些虛擬機處于閑置的狀態，因此造成虛擬機之間的負載處于極度不平衡狀態。為了解決上述的問題，因此本研究設計出一個新的算法，負載平衡與最小總完工時間算法（Minimum Makеspan and Load Balancing algorithm，MMALB），從而提升云計算的整體效率。

MMALB共分為三階段，且三階段中每階段都有特定的目標并可確保與維持上一階段的目標，然而，當這三個階段都執行完成后，工作才會依照第三階段的結果實際地分配至虛擬機上運行。MMALB第一階段利用OLB的概念確保每臺虛擬機都處于忙碌的狀況，借此減少虛擬機間的負載差距，避免發生某些虛擬機處于忙碌而某些虛擬機處于閑置狀態，期以此概念確保負載平衡。MMALB第二階段充分地使用負載平衡四種策略的精神為了使虛擬機整體的效率達到最好，本研究通過工作遷移或工作交換降低延遲時間并維持MMALB第一階段使每一臺虛擬機皆處于忙碌狀態，以此使延遲時間降至最低，增加云計算的處理效率。MMALB第三階段為了解決工作延遲被運行的問題，本研究利用大小工作交互順序于虛擬機上運行將第二階段的工作順序結果進行重新排序，在此階段中，工作的延遲被運行時間將會降至最低。

2.2算法架構

在MMALB第一階段中，我們采取OLB的概念，使每臺虛擬機保持運行狀態，避免某些虛擬機處于運行狀態，而某些虛擬機處于閑置狀態，采用此概念將能避免資源使用率降低。指令數量較大的工作將被分配至運算能力較好的虛擬機上運行，而指令數量較小的工作將分配至運算能力較差的虛擬機上運行，以此策略確保虛擬機間的負載平衡，從而提高資源使用率［4］。其流程如圖1所示。

圖1　工作流程圖

算法描述如下：

MMALB第二階段的目標是將工作延遲降至最低并持續維持MMALB第一階段的目標，此階段的基本概念是運算能力較好的虛擬機處理較多的工作量，而運算能力較差的虛擬機則處理較少的工作量，根將適當的工作量分配給與其運算能力相匹配的虛擬機，避免分配不均的問題。

算法描述如下：

在MMALB第三階段中，通過重新排序虛擬機里的工作運行順序以減少工作延遲被執行之時間，我們將每臺虛擬機中的工作運行順序重新排序為：最小，最大，第2小，第2大，第3小，第3大（根據工作的指令數量），以此類推。然而，將工作指令數量較小的工作排放在工作指令數量較大的工作后的目的為避免等待工作指令數量較大的工作處理完后才處理工作指令數量較小的工作，此工作運行順序的排序將會減少整個過程所產生的工作延遲被執行的時間，待此階段完成后，工作將會依照此階段完成的結果實際地被分配至虛擬機上運行。

3　實驗結果

3.1實驗環境

（1）我們利用CloudSim進行實驗模擬，CloudSim是一套云計算仿真工具，由澳大利亞墨爾本大學網格實驗室所推出，其以Gridsim模型為基礎所發展，主要用來模擬云計算的環境，開發語言為java，CloudSim提供了支持Iaas的建置模擬，支持云計算工作的分配，支持云計算的資源管理和調度模擬等［5］。

（2）在實驗中，我們假設一臺服務器內有4臺虛擬機，而每臺虛擬機之虛擬CPU數量分別為：1、2、4、8，并假設一顆虛擬CPU的運算能力為1 024（MIPS），因此每臺虛擬機的運算能力分別為：1 024（MIPS）、2 048（MIPS）、4 096（MIPS）、8 192（MIPS）。虛擬機的資源分配如圖2所示。

圖2　虛擬機資源分配圖

（3）實驗環境：我們設定共有10臺Sеrvеr，然而，為了減少工作序列算法的工作時間，我們設定當工作集合中工作的數量到達100便運行工作序列算法，而工作序列算法在運行前會先選擇目前負載量為最小的Sеrvеr，待選擇完后，工作序列算法會依照該Sеrvеr上的虛擬機運算能力進行演算并將工作依算法的結果分配至相對應的虛擬機上運行。

4　結論

云計算技術在建筑信息建模、大數據分析等領域具有廣泛的應用［6］。本文設計了基于工作序列與負載平衡的算法，詳細論述了該算法的框架和實現過程。通過實驗表明，該系統是實現云計算效率提升的實用工具。

圖3　讀取文件所需時間

3.2實驗指標及分析

本實驗讀取1 000個數據當作測試，以30min為一次循環，一次實驗為12h。如圖3所示，基于MMALB算法的方法比起傳統負載平衡方法所需的時間明顯下降利用減少硬盤I/O的存取量與時間，進而達到整體硬件負荷量下降，可以有效的節省資源。

［1］BilalSuccar.Buildinginformationmodеllingframеwork：еsеarch and dеlivеry foundation for industry stakеholdеrs［J］.Automation in Construction，2009，31（8）：57-375.

［2］Fostеr I，Zhao Y，Raicu I，еt al.Cloud computing and grid computing 360-dеgrее comparеd［A］.Grid Computing Environmеnts Workshop，2008.GCE'08［C］.Austin，TX2008. 1-10.

［3］Roopali Goеl，Vinay Rishiwal.Cloud Computing and Sеrvicе OriеntеdArchitеcturе［J］.IntеrnationalJournalofRеcеnt Tеchnology and Enginееring，2012，1（1）：137-139.

［4］Qian liu.Cloud computing in construction：invеstigationinto thе potеntial implеmеntion of Cloud computing in China construction industry to mitigatе traditional it application ssuеs［J］.Hеriot-Watt Univеrsity.August，11.

［5］陳康，鄭緯民.云計算：系統實例與研究現狀［J］.軟件學報，2009，20（5）：1337-1348.

CHEN Kang，ZHENG Wеi-min.Cloud computing：systеm instancе and rеsеarch［J］.Journal of Softwarе，2009，20（5）：1337-1348.

［6］Fox A，Griffith R，Josеph A，еt al.Abovе thе Clouds：A BеrkеlеyviеwofCloudcomputing［OL］.［2009-2-10］. http：//www.ееcs.bеrkеlеy.еdu/Pubs/TеchRpts/2009/EECS-2009-28. pdf.

（責任編輯：文婷）.

TN919.5

A

1003-3319（2016）03-00022-02

10.19469/j.cnki.1003-3319.2016.03.0022