云計算虛擬化平臺的內存資源全局優化研究

謝 睿

（湘南學院 軟件與通信工程學院，湖南 郴州 423000）

云計算虛擬化平臺的內存資源全局優化研究

謝 睿

（湘南學院 軟件與通信工程學院，湖南 郴州 423000）

云計算能夠在虛擬化技術的協助下，大規模地將資源計算進行統一的管理，利用效率進行有效的提升，但是，資源的全局優化能力，在一定的程度上，被云計算物理的服務器內存資的邊界所限制。因此，文章對云計算虛擬化平臺的內存資源全局優化進行研究，認為應該將虛擬機內部資源邊界的最小內存值進行增加，改進全局優化框架。

云計算；虛擬化；內存資源；全局優化

信息服務隨著互聯網的快速發展，也在快速地發展，云計算模式也誕生了，云計算模式按使用進行付費，使用起來比較方便，無論是對企業，還是對用戶，都比較受歡迎。在虛擬化技術的協助下，不但大規模地將資源計算進行統一的管理，還利用效率進行有效的提升，維護了成本和對管理進行了簡化，同時，還將易擴展和獲取的按需服務提供給了用戶。

虛擬化在云計算的基礎上，有關的計算機模塊在虛擬技術上進行有效地運行，而不是作為物理的硬件，在此基礎上單獨地運行[1]。針對資源計算，云計算可以借助虛擬化的技術，進行大規模的統一管理，對物理資源利用效率進行有效的提升，維護了成本，對管理進行了簡化，同時，還將易擴展的按需服務不斷給用戶進行提供。云計算有效地結合虛擬技術，具有極大的優勢，既提供了良好的使用模式，又提供了全新資源的整合。

從當前來看，物理服務器的內存資源邊界，在一定程度上，對資源全局的優化能力進行了限制。針對虛擬機間內存的資源結合云平臺的物理資源采用有效算法來進行深入的研究，來有效地提升內存資源的整體利用率。再將云計算平臺的虛擬化優化的內存框架進行引入，運用地址空閑的空間和邏輯的地址空間來將全局內存的優化框架構成，而使內存資源的充分利用得以有效地提升[2]。該機制很大程度上，將內存資源利用率進行了極大的提升，但是，空閑內存只要存在，與全局空閑內存池就必須進行地址的映射，導致內存使用和存儲的空間負擔增加。對于全局調節協同的算法和內存自調節的算法認真進行研究和分析后，在資源的利用率比較低時，為了將內存資源進行平衡，各個虛擬機都采用了自發的調節策略；而內存資源利用率比較高時，采用空閑內存全局調度來對平衡內存的資源進行有效的調節。兩種算法所存在的問題，就是對各個虛擬機內存資源不斷地進行交互，既占用了內存，又使計算延遲增加。對于調節虛擬機內存的資源優化問題，運用熵優化和進化的算法分別進行解決，但是，精確模型難以建立，算法的適用性也比較低。

1 內存資源全局優化的模型

內存的優化模型提出以后，將全局擴展的地址空間構成和邏輯的地址空間引入，運用雙層的地址空間的映射機制來將抽象的跨物理器的可靠內存資源和資源邊界高效構成。將一種透明頁面的交換機制進行引入，來將虛擬機的透明空閑頁面的回收得以有效地實現，從而使流動資源目的得以實現[3]。在模型中加入空閑內存池概念，對于調度內存資源非常方便，同時，也能夠將內存資源的利用率得以有效地提升。

但是，虛擬創建的內存在正常利用的情況上，也在不斷地進行變化，其變化與全局空閑的內存池的地址不斷地進行映射，從而使空間復雜度和內存負擔得以增加。系統結構的整體模型如圖1所示。

圖1 系統結構示意

在各個物理的平臺中，虛擬機的負載會不斷地進行動態的變化，在一定時間內，內存的利用率就會隨著負載的變化，而有相應的現象產生。所以，不同物理機之間的內存和各臺的物理服務器內部，將會有不均衡性的利用率呈現出來，隨著時間的變化，這種不均衡的利用率也會不斷地進行動態的變化。對于平臺上應用性，都會因為以上涉及的因素受到限制。

在設計結構模型時，將全局空閑內存池引入，來將各個虛擬機的內存分配進行有效地調節。思路的設計：虛擬機內存的資源利用率比較低，先調節虛擬機自身的內部，對于計算最小邊界是否達到進行判斷，若此閾值已滿足，在空閑的內存池，再放入多余空閑的內存，同時，在虛擬機的內部應該有部分預留內存，否則，內存就不會放入到空閑的內存池中。

虛擬機的內存資源的利用率如果比較高，應該從全局空閑的內存池中，將內存進行申請，來將內存負載的過大壓力進行降低，內存池中空閑內存如果不足時，就是比較少見的現象，空閑的內存池中將大部分的虛擬機空閑內存聚集，各個虛擬機最小的邊界值，都是在一段的時間內，結合各個虛擬機內存資源的利用率波動的情況而計算出來的。所以，在日常的作用中，這種極端的情況是很少見的。若有全局空閑內存池不足的現象出現，對于最小的邊界值就需要重新進行計算，對于內存資源利用率低的虛擬機的預留內存重新進行分配。

計算虛擬機最小邊界值思路：結合當前時刻和前一個時刻的值來進行計算，再將計算以后的值存入到虛擬機中，因此，每次只將一個計算后的值保存到虛擬機中。

2 內存資源全局優化策略

2.1 虛擬機內部的調節策略

對于內存的調節程序進行有效地執行，內部調節策略是否啟用進行有效地判定。基本原理如下：（1）虛擬機初始時，根據虛擬機的配置文件，對內部調節的啟用進行決定，一旦配置狀態被全局調節改變，虛擬機內部調節的啟用，只能由全局調節進行控制。（2）將調節虛擬機的內部啟用的狀態，傳達給主控的模塊，對于Domain U所做出的自身調節進行確定，若空閑內存池中資源不夠時，以免有內存資源競爭發生。（3）在proc文件的系統中，在meminfo中可以將Guese OS內存信息得到，還可以將內存值committed-AS進行提交。對于Domain-O與Guest OS之間，可以運用Xenstore作用控制和內存信息傳遞的媒介。利用氣球驅動機制作為對Guest OS內存進行調節的基礎。

2.2 內部調節與全局調節的協作策略

虛擬機內部調節與全局調節具有本質的區別。

（1）虛擬機內部之間進行調節時，各個虛擬機之間內存使用的信息不需要相互之間了解和知曉。如果虛擬的內存資源率相對比較低，該虛擬機就會結合內存信息的情況決定自身的資源分配，對于特定容量也會結合最小的邊界值來進行確定，然后融入全局內存中。

（2）全局調節主要是決定各個虛擬內存的資源量的分配情況，從全局的角度出發，來平衡地調節有關的策略。與內部調節相比，全局調節更具有全面性。能夠將空閑內存池中內存的大小進行有效地掌握，同時，還要針對受控的Guest OS內存的使用信息進行掌握。

3 內存全局優化算法有效性的驗證

虛擬機內存管理系統在內存資源豐富的情況下，能夠自發地將系統進行有效地調節，調節目標的內存值由各個Guest OS利用所提交的內存值獲得。random和mono是Guest OS分別運行的兩個測試標準，40～300 MB是內存申請的范圍。

針對random和mono兩個測試的標準而言，二者是在物理內存足夠的條件下，程序對內存資源的占用，系統提交的內存表明，內存的資源利用率比較低且具用空閑的內存狀況下，對于最小邊界值與提交值對比的情況進行改進，致使算法高效性的改進得以充分地顯示[4]。

運用random和mono兩個標準測試的程序，都是根據有效的空閑內存價格的調節方式。

在內存值的分配上，各臺Guest OS都是256 MB，所以mono和random在對40～300 MB的訪問內存的范圍內，結合空閑內存資源的調節策略，Guest OS的兩個目標內存值，與Guest OS上運行的測試標準，都能夠很好地進行吻合。

虛擬機的內存在資源的利用率比較高的時候，用量也會相應地增加，而虛擬機內存的資源如果出現欠缺的現象時，就會向全局空閑的內存池將內存進行申請，虛擬機內存利用增加，全局內存池容量減少，虛擬內存資源的利用率降低，全局空閑的內存池增加容量，從而使有效性的全局調節算法有效地表現出來。

4 結語

綜上所述，云計算能夠在虛擬化技術的協助下，大規模地將資源計算進行統一的管理，利用效率進行有效地提升，同時，也維護了成本和對管理的簡化。

[1]董運萌.一種云計算環境下負載均衡敏感的聚類部署方法研究[D].長春：吉林大學，2015.

[2]鄭光遠.云計算環境下基于時間的公平帶寬動態分配算法[D].杭州：浙江工商大學，2014.

[3]蔚歡樂.基于OpenStack的資源動態分配框架的設計與實現[D].西安：西北大學，2014.

[4]周丹紅.云計算虛擬化平臺的內存資源全局優化研究[D].沈陽：東北大學，2013.

Study on global optimization of internal memory resources in cloud computing virtualization platform

Xie Rui
（Software and Communication Engineering School of Xiangnan College, Chenzhou 423000, China）

With the help of virtualization technology, cloud computing can manage the resource computing on a large scale, and effectively promote use ef fi ciency. But to a certain degree, the global optimization ability of the resource is limited by the boundaries of the cloud physical server memory resources. Therefore, this paper studies the internal memory resources’ global optimization of cloud computing virtualization platform, and thinks that the minimum internal memory value of the internal resource boundary of virtual machine should be increased and the global optimization framework should be improved.

cloud computing; virtualization;internal memory resources; global optimization

湘南學院校級課題；項目編號：2016-28。

謝睿（1983— ），男，湖南郴州，碩士，助教；研究方向：云計算，嵌入式系統，人工智能。