面向IaaS云計算的虛擬機負載性能優(yōu)化與保證機制研究.pdf

1、基礎設施即服務（IaaS）云計算可將計算軟硬件資源以虛擬機實例的形式，為用戶提供按需可擴展的計算服務，并通過一種簡單的“現(xiàn)收現(xiàn)付”式計價模型進行收費，以降低用戶負載的運行成本，并提升IaaS云服務商數(shù)據中心的資源利用率。基于以上特點，IaaS云計算在學術界及工業(yè)界都已受到了廣泛的關注。目前，主流的大型IT企業(yè)如Amazon、Google以及Microsoft先后推出了各自的云計算解決方案，以供個人及企業(yè)用戶快速部署、運營或擴展其商業(yè)業(yè)務

2、，并節(jié)約其業(yè)務運營成本。
　　然而，IaaS云計算平臺下的虛擬機實例需要共享數(shù)據中心的硬件資源，包括物理機的硬件資源（如CPU、緩存及I/O資源）以及數(shù)據中心的共享網絡與存儲資源，因此，虛擬機之間存在嚴重的共享計算資源競爭，進而給虛擬機負載帶來大幅度的性能下降與波動，即負載性能的不可預測性。IaaS云性能問題會阻礙用戶將性能敏感型業(yè)務遷移至云平臺部署運營，從而極大地限制了IaaS云計算的適用范圍，因此該性能問題已成為影響云計算發(fā)展

3、的一大障礙。
　　針對IaaS云平臺下虛擬機的性能問題，國內外研究學者已初步提出了多項性能優(yōu)化與保證技術，但虛擬機負載的性能保證在IaaS云平臺下仍存在一些關鍵問題亟待解決。具體體現(xiàn)為：第一、在IaaS底層，尚缺乏一種整體的多維度資源虛擬機性能干擾預測與量化方法，用于制定性能最優(yōu)的虛擬機遷移決策。第二、在IaaS前端，現(xiàn)有的虛擬機租用策略忽視了由虛擬機底層硬件異構性及性能干擾而產生的性能異構問題。第三、在用戶負載應用層，現(xiàn)有的Ma

4、pReduce任務調度機制忽視了IaaS云平臺共享集群中機架網絡可用帶寬資源的異構性，從而容易引發(fā)網絡性能瓶頸問題。針對以上問題分別提出虛擬機負載性能優(yōu)化與保證方案，從IaaS云平臺的三個層次（即IaaS底層、IaaS前端以及負載應用層）來保證用戶負載的運行性能。
　　首先，性能干擾感知的虛擬機在線遷移策略iAware可有效地緩解IaaS底層的虛擬機性能干擾問題。通過實際IaaS云平臺下多種類型的典型負載實驗，iAware策略量化

5、分析了多種影響虛擬機性能干擾的系統(tǒng)級關鍵因素（包括物理機與虛擬機的多維度資源利用率等），并結合微觀經濟學的供需原理，建立了一個輕量級、基于多維度資源供需比的虛擬機性能干擾量化模型，以在線式地預估虛擬機遷移性能干擾與同機性能干擾?；谠撃Ｐ?，iAware遷移策略可綜合優(yōu)化上述兩種虛擬機性能干擾，并可制定造成性能干擾最小的虛擬機遷移決策。此外，iAware遷移策略可與現(xiàn)有的虛擬機遷移或整合算法協(xié)同合作，在實現(xiàn)虛擬機遷移目標（如負載均衡或能耗

6、管理）的同時，能夠最小化虛擬機的性能干擾。
　　其次，網絡性能感知的MapReduce任務調度機制Net-Aware可有效地緩解用戶負載應用層（IaaS云平臺共享集群）中的網絡性能瓶頸問題。通過對作業(yè)完成時間與MapReduce任務在集群機架中放置的關系進行理論建模，分析得出map與reduce的任務調度對MapReduce作業(yè)所產生的性能提升或下降影響。利用該模型與性能影響分析進而設計兩個貪心啟發(fā)式算法，分別對map與reduc

7、e任務在共享集群機架中的調度放置進行優(yōu)化，可緩解共享集群環(huán)境中由機架網絡可用帶寬的異構性以及大量數(shù)據交換而引發(fā)的網絡性能瓶頸問題。Net-Aware任務調度機制將以上兩個算法協(xié)同合作，可大幅提升MapReduce作業(yè)的運行性能，縮短作業(yè)完成時間。
　　最后，基于iAware與Net-Aware性能優(yōu)化的IaaS云平臺，性能異構性感知的虛擬機租用策略Heifer可進一步解決IaaS前端租用虛擬機的性能波動問題。通過實際IaaS云平臺

8、下的典型負載應用MapReduce實驗，分析引發(fā)負載性能波動的兩大因素，即租用虛擬機的底層硬件異構性及性能干擾，并利用Xen的CPU與I/O調度機制深入分析虛擬機資源利用率與負載運行性能之間的關系。Heifer策略則利用實際可測的虛擬機資源利用率與iAware性能干擾模型，建立一個MapReduce性能預測模型，可消除虛擬機負載的性能波動（即性能異構）問題。利用該性能預測模型，Heifer租用策略可為用戶選擇性能最優(yōu)的虛擬機硬件類型以及