虛擬化環(huán)境中高可用Tm資源的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、Graphic Process Unit(GPU)在現(xiàn)代計(jì)算機(jī)系統(tǒng)中有著牢固的地位，其應(yīng)用場(chǎng)景從基礎(chǔ)的圖形圖像計(jì)算，慢慢發(fā)展到視頻編解碼，以及高性能計(jì)算等等。同時(shí)，由于GPU并行處理的特性，人們也看到了其在做通用計(jì)算方面的巨大潛能，因此在云環(huán)境中也開始引入GPU，并將其作為一種關(guān)鍵的資源來提供混合型的計(jì)算服務(wù)。為了滿足這種需求，最近出現(xiàn)了兩個(gè)GPU完全虛擬化的解決方案，gVirt和 GPUvm，這兩個(gè)解決方案目前還尚不成熟，一些至關(guān)重要

2、的虛擬機(jī)管理方面的功能，比如檢查點(diǎn)和迀移功能都有所缺失。
　　另一方面，GPU本身不夠穩(wěn)定，許多情況下它會(huì)崩潰或者卡住，現(xiàn)在的解決方案一般都是通過各個(gè)GPU廠商提供的恢復(fù)機(jī)制來重置GPU硬件。具體來說，當(dāng)GPU的驅(qū)動(dòng)檢測(cè)到GPU超時(shí)的時(shí)候，操作系統(tǒng)會(huì)調(diào)用驅(qū)動(dòng)內(nèi)部的重置代碼，GPU重置后所有狀態(tài)都會(huì)清空，操作系統(tǒng)不會(huì)出現(xiàn)異常，但是剛剛使用GPU的應(yīng)用程序的后果就不可知了。這種方案犧牲了應(yīng)用程序執(zhí)行的穩(wěn)定來換取操作系統(tǒng)的穩(wěn)定。一個(gè)典型

3、的云環(huán)境利用虛擬化技術(shù)來講多個(gè)虛擬機(jī)聚合到一個(gè)物理主機(jī)上，然而虛擬化從來都是一把雙刃劍，伴隨資源整合的優(yōu)勢(shì)而來的是更高概率的GPU故障風(fēng)險(xiǎn)。因此提供高可用的需求更加被放大了。
　　本文中我們首次提出了一個(gè)基于gVirt的、快速的、迭代式的檢查點(diǎn)機(jī)制，以此來完成GPU全虛擬化的虛擬機(jī)的快照和迀移。我們利用這個(gè)檢查點(diǎn)機(jī)制通過備份整個(gè)虛擬機(jī)到另一臺(tái)物理主機(jī)上，進(jìn)一步提出了一個(gè)開源的解決方案— HAG，當(dāng)檢測(cè)到GPU出現(xiàn)卡死的情況時(shí)，在另

4、一臺(tái)物理主機(jī)上的備份虛擬機(jī)就可以立刻接管過來保證應(yīng)用程序的繼續(xù)運(yùn)行，從而最終保證了 GPU資源的高可用。本課題的主要難點(diǎn)在于如何定義GPU的狀態(tài)、如何盡可能地減少停機(jī)時(shí)間。同時(shí)，由于GPU缺少臟頁位，本文中創(chuàng)新使用了命令設(shè)計(jì)的辦法來解決這一問題，從而減少了需要拷貝的內(nèi)存數(shù)量。最后，由于不斷地做檢查點(diǎn)和備份勢(shì)必要引起額外的開銷，我們分析了停機(jī)時(shí)間和應(yīng)用程序性能的下降，結(jié)果顯示：1)虛擬機(jī)迀移和做備份的停機(jī)時(shí)間在224-411毫秒，2)在備