云计算中的虚拟进程自适应调度算法

云计算中的虚拟进程自适应调度算法

1增强系统运行保障能力随着虚拟化和云计算的发展，人们期望着云计算的自动化配置和管理方法，并且资源配置是云计算的重要分支。最初,为增强虚拟化的易管理性,虚拟化管理层增加了增删查改虚拟进程或虚拟存储的系统接口。随着虚拟技术、分布存储技术及网络技术快速发展,一些更先进的管理方法,如虚拟进程监控、分布式计算模型、多用户并行协作、分布式系统管理、“用户期待”任务调度、多任务实时调度、面向移动云计算的调度、基于遗传算法的调度、基于多虚机管理模型的高度等得到了广泛研究。本文旨在系统地阐述一种调度虚拟进程所应遵循的基本原则,这些基本原则可为虚拟进程提供最基本的资源保障,防止盲目调度引发的资源无效分配、活动资源池伸缩性系统震荡等严重问题。2资源调度服务的技术描述完整的云计算系统由虚拟化服务、云存储服务、资源监控服务、资源租户服务、管理控制台、资源调度服务、业务支撑服务等系统服务组成,这些服务间相互协调,透明地对外供应资源及自动化管理上层业务。系统将业务所需要的计算、存储、网络资源以一种动态可伸缩的方式提供给业务,并对业务在物理环境中的分布情况动态调整,以满足业务对资源的需求,可以提高资源利用率与管理的灵活性。调度服务在其中起到了大脑与神经中枢的作用。调度服务通常由初始化模块、资源垃圾回收模块、资源锁管理模块、资源监视/分析/调整等模块组成,其核心任务是将用户、管理员或系统自动发出的开关虚拟机、申请使用存储、物理机降载、系统整合与节能等各类请求,通过扫描资源的配置、负载、功耗等信息将请求转化为一个个可被虚拟化服务、存储服务、监控服务等识别的任务(原子指令),如在某物理机上开启某个虚拟机、在某物理机上挂载哪个虚拟机网络存储、将某个虚拟机从源物理机迁至目标物理机、关闭或休眠哪个物理设备等。常见的请求包括以下4类:(1)用户发出请求,包括申请虚拟机、申请存储、申请网络、开启虚拟机、关闭虚拟机、暂停虚拟机、恢复虚拟机、重启虚拟机、修改虚拟机配置、删除虚拟机、手动迁移虚拟机请求。(2)能耗控制请求,包括扩张资源和缩减资源。监测资源池中物理机的处理器CPU、内存、网络负载情况。当物理机或群组负载低于设定的负载值,则发出缩减资源请求;当物理机或群组的负载高于设定的负载时,则发出扩张资源请求。(3)负载均衡请求,包括迁移虚拟机请求,监视资源池中的虚拟机的负载情况,对于超过一定时间严重负载的虚拟机,将其迁移到合适的物理机上。(4)HA请求,包括重启虚拟机和关闭虚拟机。监测资源池中虚拟机的运行状态和使能状态。当使能状态为真,而虚拟机处于关闭状态时,则发出重启虚拟机请求;当使能状态为假,而虚拟机为运行状态时,则发出关闭虚拟机请求。3vm的有机嵌入约束1(均匀分配)在总体物理资源有限的情况下,按申请虚拟资源比例共享集群中的物理资源。为业务分配虚拟进程通常需要考虑3个基本方面CPU、内存、I/O(主要为网络)。设3种虚拟资源的单位资源含量的倒数(虚拟度)分别用以下公式获得:以下以CPU计算资源为例,某计算机上单位资源含量的倒数为:则计算机i上允许虚拟机迁入的条件是:迁入前:迁入后:允许虚拟机迁出的条件是:其中,k为容纳系数,迁出与迁入条件中,k值可以不同,容纳系统反映了物理资源容纳虚拟资源伸缩性变化的能力。虚拟机迁出时,应首先考虑级别较低、调出后uf07bvCPUeq-vCPUiuf07d取最小值的VM调出。约束2(负载门限)当某计算机上的负载超出预定的范围时,才允许VM从该计算机上迁入或迁出。如出现以下情况,迁出条件满足约束1,但该计算机的总体负载较轻,则没必要将其迁移至其计算机上。或者迁入条件满足约束1,但本机的负载已经过重,不适合再次调入新的VM。于是,可设定迁出/迁入门限:资源利用率(29)M%允许VM迁出;资源利用率(27)N%允许VM迁入。约束3(级别自增)如果VM发生了调度,则可通过在一定时间(X小时)内增大VM的运行级别,防止频繁调度该VM。如果某VM1的运行级别较低,因某计算机A负载过重被迁移至其他计算机B上运行。计算机B因新的VM创建等原因,引发负载均衡性调度,则在短时间内再次调度VM1是不合适的,应增加调度VM1的门槛,即短期提高其运行级别。约束4(质量控制)计算、存储、I/O等单位资源含量应控制在一定的范围内,防止单位资源含量过低导致所有VM均不能正常运行。某集群中有3台服务器、10核物理CPU,但申请vCPU数为100,即vCPU单位资源含量为0.1。意味着申请10核的虚拟机(VM)实际上只相当于单核CPU的计算能力,这显然是不合理的。一般而言,应控制集群单位资源含量为不宜过小,才能为任务(VM)提供较好的运行环境。过小时,可通过开启新的计算节点;过大时,可关闭部分计算节点,以节约电能。开启计算节点时,应首先考虑资源总容量较大的计算机;关闭计算机时,可首先考虑资源总容量较小的计算机,以使投资回报最大化,也可以关闭性能功耗比最小的物理设备,以充分节约能耗,具体由选择何种节能模式可据具体情况而定。约束5(强制迁入)依据前述约束,未探测到允许运行VM的计算节点,则可通过以下方式强制植入VM:(1)首先使用VM迁入后(仿真计算),各项指标均不会触发约束1所描述的VM迁出条件。(2)如满足方式(1),则选用取最小值的计算节点迁入。(3)如不满足方式(1),则选用取最小值的计算节点迁入,vMem且不会触发约束1所描述的VM迁出条件;否则强制迁入失败。强制迁入存在一定的风险,但基本原则是先保证原VM能正常运行,其次保证新VM能正常运行,最后追求VM的运行效果。内存不足会导致原程序与新程序均无法运行,因此首先保证内存足够用,才有强制迁入新VM的可能。内存足够,某计算机上的VM运行效率低一点也无大碍;但内存不足,可能会使新旧VM均无法正常运行。约束1与约束2是本文算法的核心,约束3～约束5是为保证算法执行过程出现失控而采用的策略。从整体上分析,算法主要涉及2个分析过程,即迁出过程与迁入过程。典型的迁入过程包括启动新的VM、寻找负载均衡目标点、寻找节能时VM整合目标点等,典型的迁出过程包括执行负载均衡寻找迁出的VM等。应根据实际调度类型应用5个约束,其中,执行负载均衡寻找迁出进程的流程如图1所示。在本文算法中,有以下重要参数需要调节,如表1所示。4各物理机负载时特性依据本文算法的思想进行编码实现调度系统原型,稳定状态的运行情况如表2所示。虚拟机配置为2个虚拟CPU、1GB内存;所有物理机的控制网为千兆网,数据网使用HBA光纤卡与共享存储装置连接。应用表1提供的典型参数,结合探测到的各物理机的负载情况,通过本文公式(CPU虚拟度与内存虚拟度分别通过式(1)和式(3)获得,各利用率指标为实测结果)计算得出如表3所示的数据(CPU利用率为15min以内,用指数函数作为影响因子的加权平均值)。表3表示使用本文算法所达到实验效果的内在原因,表2是系统的外部表现形式。计算机1～计算机6所承载的虚拟机很容易理解,并与前述算法对应起来。关键是计算机4只承载了15个虚拟机,这体现了本文算法的优点之一,即在首次为待开启虚拟机分配资源时,为快速响应大量的并发请求,使用比其虚拟度或负载高的计算机,但计算机1～计算机3的虚拟度与负载均在容纳范围内,即物理机为虚拟机提供的资源足以满足业务需要,所以,系统认为暂时不必发生虚拟机迁移这样的重量级调整情况。5对调度效果的技术优化当前,云计算技术正以前所未有的速度高速发展,资源调度作为云计算操作系统的重要组成部分,还处于起步阶段。显然基本的自适应调度只能为业务正确地分配合适的资源提供基本保障,还