On Manipulating Dynamic Fluctuation Drawbacks in a Virtualized Environment.pdf

1、即使在進(jìn)行云遷移時(shí)存在許多大的挑戰(zhàn)（例如:安全性和可靠性），但是實(shí)用的云計(jì)算解決方案已經(jīng)成為IT領(lǐng)域不容忽視的事實(shí);同時(shí)，許多研究者正在接受這些挑戰(zhàn)。云計(jì)算是一種信息處理模式，在這個(gè)信息處理模式中，中央管理的計(jì)算能力被作為服務(wù)進(jìn)行交付，根據(jù)需要，通過(guò)網(wǎng)絡(luò)傳遞給各種面向用戶的設(shè)備。這些服務(wù)以基礎(chǔ)設(shè)施服務(wù)的形式、平臺(tái)服務(wù)的形式、軟件服務(wù)的形式或者網(wǎng)絡(luò)服務(wù)的形式推出。
　　 事實(shí)上，云計(jì)算已經(jīng)超出了現(xiàn)有的提供了異構(gòu)資源訪問(wèn)能力的網(wǎng)格計(jì)

2、算技術(shù);當(dāng)資源提供者不能滿足用戶的各種要求時(shí)，用戶通常需要一個(gè)能滿足他們的特殊要求的環(huán)境。而云計(jì)算已經(jīng)被認(rèn)可為是一種能滿足用戶各種需求的解決方案，這就使得它在需求滿足方面優(yōu)于網(wǎng)格計(jì)算。云計(jì)算能滿足這些功能需要感謝的，既不是PC零件組成的大型數(shù)據(jù)中心和網(wǎng)絡(luò)服務(wù)，也不是自動(dòng)平衡工作量的能力，而是虛擬化。
　　 虛擬化的最簡(jiǎn)單的形式是通過(guò)軟件將一個(gè)物理設(shè)備細(xì)分為相同的幾個(gè)離散的物理設(shè)備。雖然它們共享一臺(tái)服務(wù)器的硬件資源，但是他們的工作

3、相互獨(dú)立沒(méi)有沖突;結(jié)果，這樣就減少使用中的硬件數(shù)量，提高資源的利用率，提高了不同應(yīng)用之間的故障和性能的隔離，緩解了虛擬機(jī)從一個(gè)主機(jī)移動(dòng)到另一個(gè)主機(jī)的實(shí)時(shí)或脫機(jī)遷移，從而實(shí)現(xiàn)對(duì)硬件異構(gòu)性和軟件異構(gòu)性的支持。
　　 Ⅰ.問(wèn)題陳述
　　 由于云計(jì)算的可用性和可擴(kuò)展性，眾多領(lǐng)域都將他們的業(yè)務(wù)導(dǎo)向了云系統(tǒng);然而，云系統(tǒng)以快速的負(fù)載交換著稱，而快速的負(fù)載交換導(dǎo)致資源管理進(jìn)程的失效，在運(yùn)行一些變化無(wú)常的應(yīng)用程序時(shí)尤為明顯（即社會(huì)網(wǎng)絡(luò)，

4、網(wǎng)絡(luò)托管，內(nèi)容分發(fā)）。原始的云提供商，如亞馬遜，升陽(yáng)，谷歌，Salesforce，微軟和IBM已經(jīng)建立了強(qiáng)大的云數(shù)據(jù)中心用于提供現(xiàn)實(shí)世界中的云計(jì)算應(yīng)用服務(wù)，如社交網(wǎng)絡(luò)，游戲門戶網(wǎng)站，業(yè)務(wù)應(yīng)用（如SalesForce.com），媒體內(nèi)容交付和科學(xué)工作流程。雖然用于數(shù)據(jù)中心的設(shè)備的技術(shù)含量較高，但是這樣的應(yīng)用服務(wù)于世界各地?cái)?shù)以百萬(wàn)計(jì)的用戶，并定期更新新功能和插件;因此，工作量有時(shí)會(huì)迅速波動(dòng)從而產(chǎn)生不利情況，例如，當(dāng)負(fù)載不平衡時(shí)，一些云服務(wù)器

5、超載而其他服務(wù)器則欠載，產(chǎn)生這種情況是因?yàn)槿蝿?wù)都已經(jīng)完成或者是因?yàn)槊總€(gè)服務(wù)器上的剩余資源阻止了來(lái)自虛擬機(jī)的任何進(jìn)一步的安排。另外一種情況是在許多情形下出現(xiàn)了熱點(diǎn)服務(wù)器，是由于某種資源的總利用率（處理器，網(wǎng)絡(luò)帶寬或內(nèi)存）超過(guò)了預(yù)定閾值。而且，隨著時(shí)間的推移，一些用戶可能會(huì)要求擴(kuò)大指定的服務(wù)，而此時(shí)的托管服務(wù)器已達(dá)到最大負(fù)荷。
　　 Ⅱ.可行的解決方案
　　 這個(gè)問(wèn)題可以在兩個(gè)層次上得到解決，第一個(gè)是在每個(gè)虛擬服務(wù)器上，而另

6、外一個(gè)范圍很廣，可以利用所有的系統(tǒng)節(jié)點(diǎn)。
　　 A.內(nèi)部層次
　　 最近許多研究小組正在積極致力于開發(fā)監(jiān)測(cè)和控制的工具，用于跟蹤像內(nèi)存，磁盤和CPU等物理資源，這些方法可以提供大量的虛擬化系統(tǒng)的反饋信息，從而使得系統(tǒng)管理員能夠重新調(diào)整和配置調(diào)度機(jī)制以處理不同情況下的工作負(fù)荷。
　　 實(shí)際上管理程序可以使用許多的監(jiān)測(cè)工具。例如Xen管理程序可以使用Oprofile，XenOprof, Xenmon監(jiān)測(cè)工具;Open

7、VZ管理程序，如Beanmonitor，Yyabeda，可以使用一個(gè)監(jiān)測(cè)工具的集合;然而，使用這些工具來(lái)靜態(tài)甚至動(dòng)態(tài)適應(yīng)動(dòng)態(tài)變化時(shí)，仍然有一些缺陷，因?yàn)樵黾庸ぷ髫?fù)荷時(shí)平均輪候時(shí)間的增加或減少工作負(fù)荷時(shí)設(shè)備利用率的減少都會(huì)導(dǎo)致這些工具的監(jiān)測(cè)性能的退化，直到監(jiān)測(cè)工具的反饋信息與一個(gè)預(yù)先為CPU或者內(nèi)存配置的最小/最大啟發(fā)式值相匹配而觸發(fā)警報(bào)時(shí)，這種缺陷才會(huì)得到彌補(bǔ)。
　　 管理程序或虛擬機(jī)管理器是允許多個(gè)操作系統(tǒng)同時(shí)運(yùn)行的虛擬操作平

8、臺(tái)，被稱為允許共享的虛擬機(jī)?，F(xiàn)在已經(jīng)有許多商業(yè)的和免費(fèi)的帶有不同虛擬化系統(tǒng)開發(fā)技術(shù)的管理程序，如OpenVZ，z/VM，VMware，VirtualBox和Hyper-V。這些虛擬層次不同的系統(tǒng)在兩個(gè)方向存在著不同，其中一個(gè)方向與運(yùn)行的虛擬機(jī)之間在性能消耗方面的隔離度有關(guān)，例如虛擬化和半虛擬化技術(shù)，另一個(gè)相反方向與操作系統(tǒng)層面的技術(shù)性能有關(guān)。然而，所有的虛擬化技術(shù)之間的共同規(guī)則是成功地管理虛擬機(jī)之間的資源。此外，這些虛擬化技術(shù)有不同;例

9、如，全虛擬化技術(shù)需要一個(gè)支持虛擬化的處理單元，如英特爾(R)VT或AMD-V處理器，而半虛擬化技術(shù)則不需要。
　　 在目前的管理程序中，特別在研究領(lǐng)域，一個(gè)共同的管理程序是Xen。它通過(guò)虛擬化同一物理機(jī)上不同的資源從而為托管多個(gè)虛擬機(jī)的實(shí)現(xiàn)提供了一個(gè)功能強(qiáng)大的開源解決方案。此外，它提供了全面的虛擬化技術(shù)和半虛擬化技術(shù)。在Xen系統(tǒng)中，Xen管理程序是面向物理層的軟件層，它負(fù)責(zé)一個(gè)或多個(gè)客戶操作系統(tǒng)之間的物理資源共享。第一客戶操作

10、系統(tǒng)，稱為域0（dom0的），當(dāng)管理程序啟動(dòng)時(shí)它也自動(dòng)啟動(dòng)，它接受特殊管理權(quán)限并能在默認(rèn)情況下直接訪問(wèn)所有的物理硬件，來(lái)管理其他附加的客戶操作系統(tǒng)，這些客戶操作系統(tǒng)在Xen術(shù)語(yǔ)中被稱為用戶領(lǐng)域。
　　 Xen管理程序受到了一些技術(shù)限制，如動(dòng)態(tài)資源分配，動(dòng)態(tài)資源分配就是在重新啟動(dòng)機(jī)器之前進(jìn)行資源的靜態(tài)分配，這些分配在Xen云平臺(tái)上進(jìn)行操作，Xen云平臺(tái)是一個(gè)開源的服務(wù)器虛擬化和云計(jì)算平臺(tái)，提供能對(duì)服務(wù)器工作負(fù)荷進(jìn)行整合的Xen管理

11、程序，并能節(jié)省電力，冷卻和管理方面的成本，從而促進(jìn)環(huán)境可持續(xù)發(fā)展計(jì)算，它有著適應(yīng)不斷變化的IT環(huán)境的能力，是一種使用現(xiàn)有硬件的優(yōu)化，也是一種IT可靠性水平的提高。
　　 顯然，這樣的模型能幫助克服應(yīng)用程序的動(dòng)態(tài)變化;然而，當(dāng)應(yīng)用階段的行為非常動(dòng)態(tài)時(shí)（如社會(huì)網(wǎng)絡(luò)），反應(yīng)系統(tǒng)會(huì)表現(xiàn)不佳，可能出現(xiàn)罕見的高峰負(fù)荷，這種負(fù)荷會(huì)導(dǎo)致資源平均利用率較低。幸運(yùn)的是，預(yù)測(cè)全局模式的行為預(yù)測(cè)模型是解決此問(wèn)題可能的解決方案，因此，我們應(yīng)用這些技術(shù)提出

12、令人滿意的解決方案。
　　 B.外部層次
　　 遷移代表應(yīng)對(duì)動(dòng)態(tài)變化的一個(gè)可采取的解決方案，通過(guò)將虛擬機(jī)從一臺(tái)服務(wù)器移動(dòng)到另一臺(tái)服務(wù)器的方式來(lái)減輕工作負(fù)荷。同時(shí)，正如許多研究所提出的，它也可以用來(lái)釋放卸載的服務(wù)器，以節(jié)省功耗。實(shí)際上，遷移過(guò)程通?？紤]在數(shù)據(jù)中心的一個(gè)預(yù)定義的閾值或在運(yùn)行的應(yīng)用程序中的一套SLA的條款，并嘗試以貪婪算法處理問(wèn)題來(lái)決定從超載數(shù)據(jù)中心到負(fù)載不足的數(shù)據(jù)中心的一系列移動(dòng)或交換的遷移虛擬機(jī)的過(guò)程，直到

13、匹配的預(yù)定義閾值。詳細(xì)來(lái)講，虛擬機(jī)根據(jù)其工作量而執(zhí)行命令，同樣的，服務(wù)器根據(jù)其負(fù)載狀態(tài)執(zhí)行命令，然后該算法在執(zhí)行時(shí)考慮容量最大的服務(wù)器上負(fù)載量最大的虛擬機(jī)，并考慮這個(gè)虛擬機(jī)是否能被安置在容量最低（負(fù)載量最低）的物理服務(wù)器上。
　　 事實(shí)上遷移是一個(gè)解決工作負(fù)載問(wèn)題的直接解決方案，然而，在遷移過(guò)程中，還有其他一些重要因素需要考慮，例如:利用資源來(lái)防止虛擬機(jī)的調(diào)度分配失衡，并且遷移成本基本上取決于虛擬機(jī)的大小和傳輸速率;此外，由于還

14、有其他源自高功率消耗不足或冷卻系統(tǒng)故障的重要問(wèn)題，耗電量成為了另一個(gè)重要因素，因?yàn)檫@些問(wèn)題會(huì)導(dǎo)致資源過(guò)熱，從而降低了系統(tǒng)的可靠性、縮減了設(shè)備的壽命。
　　 Ⅲ.我們?cè)趦?nèi)部層次的貢獻(xiàn)
　　 VMs資源適配可以是水平收縮（添加新服務(wù)器復(fù)制和負(fù)載平衡器來(lái)分配所有可用的復(fù)制品之間的負(fù)載），也可以是垂直收縮（正運(yùn)行的實(shí)例上資源的即時(shí)改變）。實(shí)際上，通用的操作系統(tǒng)并不支持在可用處理器或內(nèi)存中實(shí)行即時(shí)（沒(méi)有重啟）改變，所以不支持“垂直

15、收縮”。
　　 dvfs技術(shù)可以在一定的限制下實(shí)現(xiàn)垂直收縮;然而，這需要使用特殊的昂貴的服務(wù)器設(shè)備和技術(shù)，這違背使用商品建設(shè)云的趨勢(shì)。因此，應(yīng)用程序的行為預(yù)測(cè)技術(shù)可以是一個(gè)更好的選擇。
　　 A.第一階段
　　 我們提出一個(gè)基于應(yīng)用行為預(yù)測(cè)技術(shù)的主動(dòng)模型來(lái)預(yù)測(cè)在云主機(jī)上執(zhí)行的虛擬機(jī)（VMs）的未來(lái)工作量行為。在提高利用率和降低功耗方面，預(yù)測(cè)的信息可以幫助系統(tǒng)的動(dòng)態(tài)、積極主動(dòng)地適應(yīng)和滿足供應(yīng)商的要求;能根據(jù)服務(wù)質(zhì)量

16、(QoS)的要求和動(dòng)態(tài)變化的需求加強(qiáng)和改善服務(wù)性能。用CloudSim模擬器測(cè)試該模型，實(shí)驗(yàn)表明，我們的模型能夠避免由動(dòng)態(tài)變化引起的不良的情況，如（高峰負(fù)荷，低利用），可以減少能量消耗、過(guò)熱的損失，資源消耗量平均高達(dá)45％。下面列出我們的貢獻(xiàn)。
　　 值得一提的是，還有其他類似技術(shù)來(lái)預(yù)測(cè)軟件的行為，比如最后數(shù)值預(yù)測(cè)和基于表格的預(yù)測(cè);然而，我們系統(tǒng)選擇應(yīng)用SMM因?yàn)樗芡瑫r(shí)對(duì)基于表和歷史因素預(yù)測(cè)等有效;第一，它能對(duì)應(yīng)用行為的長(zhǎng)期全

17、局模式進(jìn)行建模;其次，預(yù)測(cè)器可以響應(yīng)可變長(zhǎng)度的模式;第三，它是小波動(dòng)彈性的觀察模式。最后，SMM預(yù)測(cè)器有自適應(yīng)能力。這些特點(diǎn)適合云中的多變環(huán)境。
　　 大多數(shù)現(xiàn)實(shí)世界的云計(jì)算的應(yīng)用服務(wù)如社會(huì)網(wǎng)絡(luò)，游戲門戶網(wǎng)站，商務(wù)應(yīng)用程序（如SalesForce.com），媒體內(nèi)容交付，科學(xué)的工作流，表明工作量的動(dòng)態(tài)變化與使用者在每天，每周，每季度的使用行為密切相關(guān)。雖然工作量變動(dòng)快，這些變化以序列形式重復(fù)，可以進(jìn)行記錄與處理，就跟在語(yǔ)言建模中

18、語(yǔ)句的類似處理。不同于語(yǔ)言建模，SMM模型中的樣本是實(shí)際值。因此，在應(yīng)用SMM之前，需要對(duì)數(shù)值進(jìn)行量化。我們用50位量化二進(jìn)制代表負(fù)荷量增加比例。SMM模型歷史在三個(gè)歷史結(jié)構(gòu)的位置上處理，第一個(gè)結(jié)構(gòu)記錄(Pattern-Next-Frequency)形式記錄不同長(zhǎng)度的模式，第二個(gè)結(jié)構(gòu)用于記錄獨(dú)一的樣品（量化二進(jìn)制），第三結(jié)構(gòu)計(jì)數(shù)已被記錄的樣本。
　　 一個(gè)新的樣本記錄模型有兩個(gè)步驟，首先用最后記錄的數(shù)值更新歷史，進(jìn)而預(yù)測(cè)未來(lái)。<

19、br>　　 實(shí)驗(yàn)與結(jié)果分析:我們使用CloudSim工具包做了廣泛的模擬實(shí)驗(yàn)。選擇該模擬器理由如下:第一，它不允許實(shí)驗(yàn)中出現(xiàn)大量節(jié)點(diǎn)。其次，CloudSim支持大多數(shù)的云系統(tǒng)架構(gòu)組件如數(shù)據(jù)中心，虛擬機(jī);此外，它支持自定義Java接口，易于擴(kuò)展;此外，最重要的特點(diǎn)，該系統(tǒng)為不同系統(tǒng)構(gòu)件（如云數(shù)據(jù)中心）監(jiān)測(cè)和提供信息（利用率，能耗）提供可能性。
　　 實(shí)驗(yàn)在E6700奔騰雙核CPU，3.19GHz主頻，2M二級(jí)緩存和2GB內(nèi)存的機(jī)

20、器上進(jìn)行，機(jī)器上運(yùn)行Windows XP SP3和JDK1.6。
　　 測(cè)試模擬環(huán)境安裝內(nèi)容包括“PowerDataCenter”“DataCenterBroker;“PowerDataCenter”是一個(gè)CloudSim數(shù)據(jù)中心組件，能利用另外的方法監(jiān)測(cè)電力消耗;“DataCenterBroker“能調(diào)度數(shù)據(jù)中心的主機(jī)/服務(wù)器上的cloud-lets。
　　 模擬主機(jī)的數(shù)量接近15000臺(tái)服務(wù)器，每個(gè)服務(wù)器配置不同大小

21、的內(nèi)存和不同速度的CPU;此外，根據(jù)Xen的安裝指導(dǎo)，每一個(gè)服務(wù)器運(yùn)行不同數(shù)量的Xen虛擬機(jī)，不超過(guò)32個(gè)。
　　 考慮到不同云運(yùn)行不同的應(yīng)用有不同的要求及不同負(fù)荷的行為，為完成實(shí)驗(yàn)我們面臨的挑戰(zhàn)是如何找到一個(gè)模型來(lái)模擬現(xiàn)實(shí)的工作量分配。
　　 在這項(xiàng)工作中，云工作量分析的目的是以類似于語(yǔ)言建模的方式找到一個(gè)帶有負(fù)載分配變化的云系統(tǒng);換句話說(shuō)，對(duì)由每天、每周、每季影響的事件重復(fù)序列進(jìn)行負(fù)載分配如社交網(wǎng)絡(luò)、媒體內(nèi)容網(wǎng)站。<

22、br>　　 RUPiS（萊斯大學(xué)招標(biāo)系統(tǒng)）是繼ebay.com建模的拍賣網(wǎng)站原型，用來(lái)評(píng)估程序設(shè)計(jì)模式和應(yīng)用服務(wù)器的性能可擴(kuò)展性，參考RUPiS，我們成功地在RUPiS客戶端仿真器交互方法的基礎(chǔ)上建立理想的不同規(guī)則的工作量，所有基準(zhǔn)測(cè)試程序平均分別在7秒和15分鐘時(shí)產(chǎn)生負(fù)指數(shù)分布?？梢酝ㄟ^(guò)改變客戶的數(shù)量的和主要范圍來(lái)實(shí)現(xiàn)負(fù)載的改變。因此，建立了兩個(gè)可承受的工作量序列來(lái)完成實(shí)驗(yàn)。具有高重復(fù)模式稱為序列A，較少重復(fù)模式的稱為序列B。

23、>　　 對(duì)主動(dòng)模型進(jìn)行了性能研究并將結(jié)果與監(jiān)測(cè)模型進(jìn)行比較。為此，我們測(cè)試了兩個(gè)基準(zhǔn)測(cè)試程序。第一，ActiveVmLoadBalancer保持目前分配給每個(gè)虛擬機(jī)的所有虛擬機(jī)和請(qǐng)求數(shù)量信息，利用主動(dòng)監(jiān)測(cè)方法收集，該方法通過(guò)CloudSim中的一套監(jiān)測(cè)器完成。
　　 第二個(gè)基準(zhǔn)是，在檢測(cè)后，ActiveVmLoadBalaneer保持由主動(dòng)模型操縱的信息。每個(gè)基準(zhǔn)運(yùn)行大約35個(gè)小時(shí)，序列A在兩個(gè)基準(zhǔn)測(cè)試中用作工作量請(qǐng)求。

24、>　　 從結(jié)果中，我們有兩點(diǎn)發(fā)現(xiàn)。第一點(diǎn)，在長(zhǎng)期運(yùn)行的基準(zhǔn)測(cè)試程序，主動(dòng)模型的所有報(bào)告結(jié)果都優(yōu)于監(jiān)測(cè)模型。第二點(diǎn)，在最初的第三個(gè)實(shí)驗(yàn)時(shí)間，監(jiān)測(cè)模型的性能優(yōu)于或接近表現(xiàn)積極的模式，這可以直接解釋為積極的模式在開始預(yù)測(cè)前需要一個(gè)學(xué)習(xí)時(shí)期。
　　 總之，結(jié)果表明，云模擬系統(tǒng)中預(yù)測(cè)下一個(gè)單個(gè)樣品的負(fù)載量，可以避免6310個(gè)高峰負(fù)載的發(fā)生，降低能耗，過(guò)熱和資源浪費(fèi)損失高達(dá)45。
　　 B.第二個(gè)階段
　　 我們的實(shí)驗(yàn)盡可

25、能地在更實(shí)際的環(huán)境中進(jìn)行。復(fù)制相同的方法，創(chuàng)造一個(gè)積極的虛擬環(huán)境資源的工作量管理模型，分析虛擬機(jī)工作行為，采取適當(dāng)?shù)恼{(diào)度方案和資源分配，以提高系統(tǒng)的利用率，吞吐量和響應(yīng)時(shí)間。
　　 許多研究強(qiáng)調(diào)虛擬環(huán)境下的不同應(yīng)用的性能退化，如數(shù)據(jù)庫(kù)應(yīng)用程序，mapreduce，并行應(yīng)用，這種退化基于應(yīng)用程序本身和運(yùn)行環(huán)境。
　　 據(jù)我們所知，大多數(shù)研究通過(guò)加強(qiáng)不同的資源調(diào)度方法試圖找到解決方案，而有些利用當(dāng)前硬件技術(shù)的力量試圖找到其他

26、解決方案;相反，僅有少量的研究致力于預(yù)測(cè)技術(shù)，這里將總結(jié)一些相關(guān)的研究工作。
　　 在動(dòng)態(tài)應(yīng)用行為的情況下，基于檢測(cè)工具的反應(yīng)系統(tǒng)表現(xiàn)不佳，可能導(dǎo)致罕見的高峰負(fù)荷驅(qū)動(dòng)，降低了資源的平均利用率。
　　 一些管理程序試圖通過(guò)不同的調(diào)度技術(shù)減輕這種行為的負(fù)面影響，如Xen團(tuán)隊(duì)設(shè)計(jì)的稱為信用計(jì)劃的調(diào)度器，盡量減少時(shí)間的浪費(fèi)。這是一個(gè)“連續(xù)工作”計(jì)劃，因?yàn)闊o(wú)論何時(shí)有工作要做，它都試圖確保處理器工作。結(jié)果是，如果有比 domUs更現(xiàn)

27、實(shí)的CPU，所有domUs能獲得所有CPU想要的。當(dāng)domUs想要比實(shí)際存在域中調(diào)度仲裁的CPU時(shí)，就會(huì)發(fā)生爭(zhēng)議。然而這并不能解決問(wèn)題，因?yàn)橘Y源直接互相影響，如果一個(gè)虛擬機(jī)提供電源和內(nèi)存不足，該問(wèn)題仍然存在。
　　 我們的目標(biāo)是建立一個(gè)積極的工作量管理原型來(lái)觀察VMs工作量行為，如CPU工作量，內(nèi)存工作量，I/O點(diǎn)擊率，并記錄不同長(zhǎng)度執(zhí)行模式的動(dòng)態(tài)變化，然后用Statistical Metric Modeling(SMM)分析記

28、錄的模式。這有助于早期采取正確的決定，根據(jù)分析結(jié)果調(diào)整虛擬資源。下面列出我們的貢獻(xiàn):
　　 1.用積極監(jiān)測(cè)管理工作量方法，研究由處理工作量的變化造成的性能退化。
　　 2.提出了一種新的虛擬機(jī)主動(dòng)管理工作量模型，分析長(zhǎng)期工作行為和執(zhí)行基于預(yù)合適的資源管理規(guī)劃的動(dòng)態(tài)調(diào)整，而不是一套啟發(fā)式規(guī)則，其有兩個(gè)關(guān)鍵優(yōu)勢(shì):1）在需要前調(diào)整資源，確保能永遠(yuǎn)表示適當(dāng)性能。2）在影響運(yùn)行操作前發(fā)現(xiàn)任何業(yè)務(wù)問(wèn)題，從而可以采取替代措施處理情況。

29、
　　 3.比較主動(dòng)監(jiān)測(cè)模式與主動(dòng)模式的系統(tǒng)性能。
　　 4.通過(guò)Xen管理程序的一套基準(zhǔn)測(cè)試程序進(jìn)行廣泛實(shí)驗(yàn)來(lái)評(píng)估提出的模型
　　 實(shí)驗(yàn)結(jié)果分析:我們創(chuàng)造不同的實(shí)驗(yàn)，按以下順序:
　　 1.找出最適SMM參數(shù)的值。
　　 2.主動(dòng)模式與監(jiān)控模式的性能比較。
　　 3.研究VMs之間的資源共享對(duì)模型性能的影響。
　　 實(shí)驗(yàn)在2.13 GHz Intel Xeon e55068芯片，

30、8MB三級(jí)高速緩存，和8G DDR3內(nèi)存上運(yùn)行，1.1版Xen云平臺(tái)，打包版的Linux CentOS5(Linux內(nèi)核v2.6.32)，結(jié)合3.4.2版Xen，和XenAPIweb服務(wù)，為Xen組件提供管理API，Xen組件被多種管理工具所使用。
　　 基于VM的環(huán)境中，部署了三個(gè)運(yùn)行rhe15.5與核2.6.18的虛擬機(jī)，都安裝在半虛擬化基礎(chǔ)之上，每個(gè)虛擬機(jī)以指定的目標(biāo)模式配置2 GB。考慮到基準(zhǔn)測(cè)試程序，再次采用RUBiS

31、，建立兩個(gè)序列來(lái)代表工作量序列。
　　 在模擬部分，我們使用的模型如之前描述的一樣。通過(guò)修改現(xiàn)有的管理程序和評(píng)估不同基準(zhǔn)的代表，實(shí)現(xiàn)了提出的模型。評(píng)估顯示，該模型可以減少29％的平均等待時(shí)間。
　　 Ⅳ.我們?cè)谕鈱拥呢暙I(xiàn)
　　 虛擬機(jī)遷移是一種克服動(dòng)態(tài)波動(dòng)缺點(diǎn)很有前途的解決方案，是基于單目標(biāo)的算法，通常服務(wù)水平協(xié)議(SLA)用作直接遷移;反之，在遷移進(jìn)程中（即負(fù)載量，功耗和資源的浪費(fèi)）存在不同的互相沖突的目標(biāo)。<

32、br>　　 許多研究利用虛擬機(jī)遷移來(lái)提高單一目標(biāo)的效率，如收縮資源，節(jié)省電力消耗，提高資源的利用率。與之相反，較少研究致力于多目標(biāo)實(shí)現(xiàn)的方法。除此之外，他們的工作中還存在一些缺陷。
　　 在這項(xiàng)研究中，將遷移過(guò)程視為一個(gè)多目標(biāo)問(wèn)題，且目標(biāo)不可相互比較。因此，我們提出一個(gè)新的由多目標(biāo)優(yōu)化策略鞏固的遷移策略，來(lái)評(píng)估不同的目標(biāo)，包括遷移成本，提供足夠的靈活性來(lái)實(shí)施的不同情形。此外，使用CloudSim模擬器進(jìn)行一套密集的實(shí)驗(yàn)驗(yàn)證該策

33、略，遷移目標(biāo)調(diào)整到適當(dāng)?shù)那樾?，控制系統(tǒng)的統(tǒng)計(jì)數(shù)據(jù)，結(jié)果確保了的政策效率，這項(xiàng)工作的貢獻(xiàn)歸納如下:
　　 1.據(jù)我們所知，這是第一次同時(shí)考慮同時(shí)云環(huán)境中的動(dòng)態(tài)波動(dòng)工作量，尤其是大規(guī)模的云數(shù)據(jù)中心和遷移成本。因此，該模型可以最大限度地減少遷移開銷使其適用于實(shí)踐。
　　 2.我們研究了使用不同的單目標(biāo)的效率，表示出使用多目標(biāo)評(píng)價(jià)的影響，找到一個(gè)最佳的解決方案，可用于控制和處理不同的情況。
　　 3.我們提出了一種新穎的

34、基于SBG MOGA算法的多目標(biāo)優(yōu)化策略和增強(qiáng)，由加權(quán)切比雪夫法(AWTP)完成，為不同的目標(biāo)調(diào)整遷移過(guò)程選擇提供了靈活的方式，有助于對(duì)不同的工作量情形找到適當(dāng)?shù)倪w移決策。
　　 4.使用CloudSim仿真包進(jìn)行一套密集的實(shí)驗(yàn)來(lái)評(píng)估該模型。
　　 模型說(shuō)明:假設(shè)所有VM是一套可能的遷移過(guò)程的一部分，由遭受工作量情況（過(guò)熱，即工作量熱點(diǎn)，或增加資源浪費(fèi)）之一的源節(jié)點(diǎn)托管。在模型中，決定選擇一個(gè)或多個(gè)VM的子集遷移到其他目

35、的地節(jié)點(diǎn)取決于兩個(gè)階段的評(píng)價(jià)。
　　 第一階段:在基于SBG-MOGA可用的VM中，找到一個(gè)不受支配的最優(yōu)遷移的VM集合，然后用AWTP公式對(duì)最佳集合進(jìn)行排列同時(shí)選擇在以下目標(biāo)值中具有最佳排名的VM:一，負(fù)載量。二，功耗。三，熱狀態(tài)，第四，資源浪費(fèi)，五，遷移成本。
　　 第二階段:評(píng)估遷移背后的主要目標(biāo)。在這方面，我們考慮CPU使用率和內(nèi)存使用情況，這反映在源節(jié)點(diǎn)的資源使用效率，功率效率和溫度效率。
　　 如果選

36、定的虛擬機(jī)的遷移滿足目標(biāo)，程序終止，否則，程序?qū)⑦x定的VM移到遷移名單，更新VM行列，選擇另一個(gè)VM，重復(fù)以上動(dòng)作，直到滿足目標(biāo)。
　　 SBG-MOGA是一種基于靜態(tài)Bayesian博弈策略的新型MOGA。在SBG-MOGA中，每一代的進(jìn)化被視為一場(chǎng)比賽，每個(gè)要優(yōu)化的目標(biāo)視為一個(gè)球員。球員足夠聰明地知道如何選擇一個(gè)合適的策略，在游戲中得到的最大收入。該算法包含一系列回合，在每一輪中的球員相互玩，這將提供有拉力的人，將他們拉向真

37、正的Pareto前沿;此外，采用精英教育機(jī)制，見算法。
　　 值得一提的是，在我們的情況中，問(wèn)題方面所有運(yùn)行的虛擬機(jī)將被視為初始化的種群，代表遷移問(wèn)題決策空間。選擇SBG-MOGA是因?yàn)樗鼉?yōu)于所有現(xiàn)有的多目標(biāo)優(yōu)化算法，通過(guò)6個(gè)基準(zhǔn)函數(shù)將它與具有代表性的算法做一個(gè)比較就可以得出。
　　 實(shí)驗(yàn)結(jié)果分析:我們使用相同的系統(tǒng)的配置，其在內(nèi)層解決方案的第一階段實(shí)驗(yàn)前已描述過(guò)。
　　 測(cè)試模擬環(huán)境安裝內(nèi)容包括“PowerDa

38、taCenter”CloudSim數(shù)據(jù)中心組件，提供額外的方法來(lái)監(jiān)測(cè)電力消耗，和“DataCenterBroker“來(lái)調(diào)度數(shù)據(jù)中心的主機(jī)/服務(wù)器上的cloud-lets。模擬主機(jī)的數(shù)量接近60，000臺(tái)服務(wù)器，每個(gè)服務(wù)器配置不同大小的內(nèi)存和CPU速度;此外，根據(jù)Xen的安裝指導(dǎo)，每一個(gè)服務(wù)器運(yùn)行不同數(shù)量的Xen虛擬機(jī)，不超過(guò)32個(gè)。
　　 實(shí)驗(yàn)的目的是測(cè)試基于不同的個(gè)人目標(biāo)選擇遷移進(jìn)程的影響，并將結(jié)果與基于多目標(biāo)評(píng)價(jià)比較，表現(xiàn)出

39、所提出的遷移政策的效率，控制遷移后云系統(tǒng)統(tǒng)計(jì)數(shù)據(jù)到理想水平
　　 為了完成模擬，產(chǎn)生一個(gè)高達(dá)60萬(wàn)GB的遷移虛擬機(jī)的集合。遷移進(jìn)程是評(píng)價(jià)在各個(gè)不同的單一目標(biāo)的地方，如功耗，負(fù)載量，熱狀態(tài)，資源浪費(fèi)，遷移成本評(píng)估過(guò)程;接著，用多目標(biāo)的策略(MOP)來(lái)評(píng)估這個(gè)遷移過(guò)程，然后記錄每個(gè)案例的統(tǒng)計(jì)數(shù)據(jù)。
　　 初看，結(jié)果表明最有效的評(píng)價(jià)目標(biāo)分別是資源浪費(fèi)，負(fù)載量和MOP。與選擇其他的目標(biāo)，基于資源浪費(fèi)的虛擬機(jī)遷移最小化目標(biāo)總數(shù)百分

40、比。然而，這對(duì)有些標(biāo)準(zhǔn)卻是很有欺騙性的，如取決于內(nèi)存的負(fù)載量，網(wǎng)絡(luò)和CPU利用率，同時(shí)資源浪費(fèi)取決于使用的內(nèi)存，網(wǎng)絡(luò)和CPU之間的差異。因此，資源浪費(fèi)尺寸之間的最小差異可能導(dǎo)致在這些方面中之一的不良增加，結(jié)果也同樣提高了負(fù)載量。
　　 另一方面，模型遷移的統(tǒng)計(jì)結(jié)果似乎對(duì)選定的目標(biāo)服務(wù)器的統(tǒng)計(jì)信息不是最具有效影響，如果在MOP數(shù)據(jù)計(jì)算過(guò)程中設(shè)置Utopia/desired的內(nèi)存利用率為75％，其效果會(huì)更明顯。減少整個(gè)系統(tǒng)的資源浪費(fèi)

41、，而不是超出選定目標(biāo)的資源浪費(fèi)，避免選擇低內(nèi)存利用率的主機(jī)，終止和釋放運(yùn)行中的主機(jī)，以節(jié)省更多能源。
　　 結(jié)果表明，基于我們的算法的模型能通過(guò)預(yù)定義的Utopia/desired值，為所選擇的目標(biāo)服務(wù)器在各個(gè)目標(biāo)中獲得最小距離換句話說(shuō)，我們所提出的模型提供了很大的控制，選擇最理想的遷移過(guò)程，同時(shí)考慮所有的客觀標(biāo)準(zhǔn)。
　　 此外，為了檢查遷移量對(duì)結(jié)果的影響，就不同數(shù)量的遷移虛擬機(jī)進(jìn)行實(shí)驗(yàn)。首先，對(duì)遷移后的統(tǒng)計(jì)數(shù)據(jù)，根據(jù)一