陳曦

撫順職業(yè)技術(shù)學(xué)院建筑工程系（撫順　113122）

基于工作序列與負(fù)載平衡的云計(jì)算效率改進(jìn)研究

陳曦

撫順職業(yè)技術(shù)學(xué)院建筑工程系（撫順113122）

隨著大規(guī)模計(jì)算技術(shù)的發(fā)展，云計(jì)算通過(guò)虛擬化技術(shù)產(chǎn)生虛擬機(jī)來(lái)提升物理機(jī)器的資源利用率，進(jìn)而增加處理工作的效率。為了將工作分配至最適當(dāng)?shù)奶摂M機(jī)上執(zhí)行使得全體工作能以最小的總完工時(shí)間完成，提出了一種基于工作序列與負(fù)載平衡處理策略，并進(jìn)行了研究，詳細(xì)論述了實(shí)現(xiàn)的過(guò)程以及關(guān)鍵技術(shù)。通過(guò)實(shí)驗(yàn)表明，該方法取得了良好的實(shí)驗(yàn)效果，能夠提升云計(jì)算平臺(tái)的處理效率。

云計(jì)算；工作序列與負(fù)載平衡；虛擬化技術(shù)；數(shù)據(jù)分類與處理

隨著云計(jì)算技術(shù)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(jì)算平臺(tái)。自2008年以來(lái)，云計(jì)算得到了快速的發(fā)展。在云計(jì)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(jī)上進(jìn)行運(yùn)算時(shí)，需要考慮工作運(yùn)算順序的問(wèn)題，避免因工作量大小的差異影響工作運(yùn)算順序造成拖延［1］。因此，如何設(shè)計(jì)出一個(gè)工作序列算法并有效解決上述問(wèn)題，并以此提升云計(jì)算的運(yùn)算效率是一個(gè)熱點(diǎn)問(wèn)題。

1　相關(guān)技術(shù)介紹

1.1負(fù)載平衡

負(fù)載平衡在運(yùn)行時(shí)會(huì)將工作量平均的分配于多個(gè)資源中，負(fù)載平衡會(huì)將負(fù)載量比較重資源的工作重新分配至負(fù)載量較輕的資源，以降低負(fù)載量較大的資源負(fù)荷，以此降低資源間的負(fù)載差距，避免某些資源的負(fù)載過(guò)高，而有些資源是處于閑置的狀況，從而增加資源使用率，負(fù)載平衡的目標(biāo)為：大幅度地提高系統(tǒng)效能；防止系統(tǒng)出現(xiàn)故障；保持系統(tǒng)的穩(wěn)定性［2］。

負(fù)載平衡在運(yùn)行時(shí)共包含四個(gè)策略［3］：

（1）信息策略：在信息策略中會(huì)先收集所有虛擬機(jī)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(huì)利用所收集來(lái)的信息來(lái)選擇要被傳送的工作；

（3）位置策略：這里會(huì)選擇一臺(tái)虛擬機(jī)當(dāng)作目標(biāo)端，使被選中的工作能遷移至目標(biāo)端之虛擬機(jī)；

（4）傳輸策略：在此策略中被選擇的工作會(huì)被傳送到被選擇的目標(biāo)端虛擬機(jī)。

1.2工作序列算法

在云計(jì)算中，工作管理是一個(gè)最基本的概念，因?yàn)樗鼤?huì)涉及到云計(jì)算的整體效率，工作序列為一個(gè)映射的機(jī)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(jī)上運(yùn)行，通過(guò)工作序列即可對(duì)工作進(jìn)行初步的管理。工作序列算法通常被分為兩類，分別為：實(shí)時(shí)模式與批次模式。實(shí)時(shí)模式是指的當(dāng)目前到達(dá)的工作立刻被映射至虛擬機(jī)上。批次模式則與實(shí)時(shí)模式不同，批次模式不會(huì)將到達(dá)的工作立刻映射，而是將工作收集成為一個(gè)工作集合，待達(dá)到一定的數(shù)量或時(shí)間，再通過(guò)特定的分配機(jī)制將工作映射至虛擬機(jī)上。

2　負(fù)載平衡與最小總完工時(shí)間算法模型設(shè)計(jì)與實(shí)現(xiàn)

2.1算法實(shí)現(xiàn)策略

一般的負(fù)載平衡分配機(jī)制很有可能使某些運(yùn)算能力較差的虛擬機(jī)沒(méi)有被分配到工作，導(dǎo)致某些虛擬機(jī)處于忙碌，而某些虛擬機(jī)處于閑置的狀態(tài)，因此造成虛擬機(jī)之間的負(fù)載處于極度不平衡狀態(tài)。為了解決上述的問(wèn)題，因此本研究設(shè)計(jì)出一個(gè)新的算法，負(fù)載平衡與最小總完工時(shí)間算法（Minimum Makеspan and Load Balancing algorithm，MMALB），從而提升云計(jì)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(biāo)并可確保與維持上一階段的目標(biāo)，然而，當(dāng)這三個(gè)階段都執(zhí)行完成后，工作才會(huì)依照第三階段的結(jié)果實(shí)際地分配至虛擬機(jī)上運(yùn)行。MMALB第一階段利用OLB的概念確保每臺(tái)虛擬機(jī)都處于忙碌的狀況，借此減少虛擬機(jī)間的負(fù)載差距，避免發(fā)生某些虛擬機(jī)處于忙碌而某些虛擬機(jī)處于閑置狀態(tài)，期以此概念確保負(fù)載平衡。MMALB第二階段充分地使用負(fù)載平衡四種策略的精神為了使虛擬機(jī)整體的效率達(dá)到最好，本研究通過(guò)工作遷移或工作交換降低延遲時(shí)間并維持MMALB第一階段使每一臺(tái)虛擬機(jī)皆處于忙碌狀態(tài)，以此使延遲時(shí)間降至最低，增加云計(jì)算的處理效率。MMALB第三階段為了解決工作延遲被運(yùn)行的問(wèn)題，本研究利用大小工作交互順序于虛擬機(jī)上運(yùn)行將第二階段的工作順序結(jié)果進(jìn)行重新排序，在此階段中，工作的延遲被運(yùn)行時(shí)間將會(huì)降至最低。

2.2算法架構(gòu)

在MMALB第一階段中，我們采取OLB的概念，使每臺(tái)虛擬機(jī)保持運(yùn)行狀態(tài)，避免某些虛擬機(jī)處于運(yùn)行狀態(tài)，而某些虛擬機(jī)處于閑置狀態(tài)，采用此概念將能避免資源使用率降低。指令數(shù)量較大的工作將被分配至運(yùn)算能力較好的虛擬機(jī)上運(yùn)行，而指令數(shù)量較小的工作將分配至運(yùn)算能力較差的虛擬機(jī)上運(yùn)行，以此策略確保虛擬機(jī)間的負(fù)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(biāo)是將工作延遲降至最低并持續(xù)維持MMALB第一階段的目標(biāo)，此階段的基本概念是運(yùn)算能力較好的虛擬機(jī)處理較多的工作量，而運(yùn)算能力較差的虛擬機(jī)則處理較少的工作量，根將適當(dāng)?shù)墓ぷ髁糠峙浣o與其運(yùn)算能力相匹配的虛擬機(jī)，避免分配不均的問(wèn)題。

算法描述如下：

在MMALB第三階段中，通過(guò)重新排序虛擬機(jī)里的工作運(yùn)行順序以減少工作延遲被執(zhí)行之時(shí)間，我們將每臺(tái)虛擬機(jī)中的工作運(yùn)行順序重新排序?yàn)椋鹤钚?，最大，?小，第2大，第3小，第3大（根據(jù)工作的指令數(shù)量），以此類推。然而，將工作指令數(shù)量較小的工作排放在工作指令數(shù)量較大的工作后的目的為避免等待工作指令數(shù)量較大的工作處理完后才處理工作指令數(shù)量較小的工作，此工作運(yùn)行順序的排序?qū)?huì)減少整個(gè)過(guò)程所產(chǎn)生的工作延遲被執(zhí)行的時(shí)間，待此階段完成后，工作將會(huì)依照此階段完成的結(jié)果實(shí)際地被分配至虛擬機(jī)上運(yùn)行。

3　實(shí)驗(yàn)結(jié)果

3.1實(shí)驗(yàn)環(huán)境

（1）我們利用CloudSim進(jìn)行實(shí)驗(yàn)?zāi)M，CloudSim是一套云計(jì)算仿真工具，由澳大利亞墨爾本大學(xué)網(wǎng)格實(shí)驗(yàn)室所推出，其以Gridsim模型為基礎(chǔ)所發(fā)展，主要用來(lái)模擬云計(jì)算的環(huán)境，開(kāi)發(fā)語(yǔ)言為java，CloudSim提供了支持Iaas的建置模擬，支持云計(jì)算工作的分配，支持云計(jì)算的資源管理和調(diào)度模擬等［5］。

（2）在實(shí)驗(yàn)中，我們假設(shè)一臺(tái)服務(wù)器內(nèi)有4臺(tái)虛擬機(jī)，而每臺(tái)虛擬機(jī)之虛擬CPU數(shù)量分別為：1、2、4、8，并假設(shè)一顆虛擬CPU的運(yùn)算能力為1 024（MIPS），因此每臺(tái)虛擬機(jī)的運(yùn)算能力分別為：1 024（MIPS）、2 048（MIPS）、4 096（MIPS）、8 192（MIPS）。虛擬機(jī)的資源分配如圖2所示。

圖2　虛擬機(jī)資源分配圖

（3）實(shí)驗(yàn)環(huán)境：我們?cè)O(shè)定共有10臺(tái)Sеrvеr，然而，為了減少工作序列算法的工作時(shí)間，我們?cè)O(shè)定當(dāng)工作集合中工作的數(shù)量到達(dá)100便運(yùn)行工作序列算法，而工作序列算法在運(yùn)行前會(huì)先選擇目前負(fù)載量為最小的Sеrvеr，待選擇完后，工作序列算法會(huì)依照該Sеrvеr上的虛擬機(jī)運(yùn)算能力進(jìn)行演算并將工作依算法的結(jié)果分配至相對(duì)應(yīng)的虛擬機(jī)上運(yùn)行。

4　結(jié)論

云計(jì)算技術(shù)在建筑信息建模、大數(shù)據(jù)分析等領(lǐng)域具有廣泛的應(yīng)用［6］。本文設(shè)計(jì)了基于工作序列與負(fù)載平衡的算法，詳細(xì)論述了該算法的框架和實(shí)現(xiàn)過(guò)程。通過(guò)實(shí)驗(yàn)表明，該系統(tǒng)是實(shí)現(xiàn)云計(jì)算效率提升的實(shí)用工具。

圖3　讀取文件所需時(shí)間

3.2實(shí)驗(yàn)指標(biāo)及分析

本實(shí)驗(yàn)讀取1 000個(gè)數(shù)據(jù)當(dāng)作測(cè)試，以30min為一次循環(huán)，一次實(shí)驗(yàn)為12h。如圖3所示，基于MMALB算法的方法比起傳統(tǒng)負(fù)載平衡方法所需的時(shí)間明顯下降利用減少硬盤(pán)I/O的存取量與時(shí)間，進(jìn)而達(dá)到整體硬件負(fù)荷量下降，可以有效的節(jié)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(jì)算：系統(tǒng)實(shí)例與研究現(xiàn)狀［J］.軟件學(xué)報(bào)，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(zé)任編輯：文婷）.

TN919.5

A

1003-3319（2016）03-00022-02

10.19469/j.cnki.1003-3319.2016.03.0022