云计算的虚拟化框架测试研究

庾邦

（广西经济管理干部学院，广西 南宁 530007）

云计算的虚拟化框架测试研究

庾邦

（广西经济管理干部学院，广西 南宁 530007）

针对云计算测试技术，设置虚拟化框架，运用自适应空闲时间预测策略，在虚拟机管理功能、信息收集模块和负载均衡等技术的基础上进行测试。测试结果表明：自适应空闲时间预测策略能在整体上提高预测的准确率，缩短响应速度，并且在测试参数的收集方面也相对简单，为云计算测试提供可行性解决方案。

云计算；虚拟化；平台即服务；框架测试

0 引 言

云计算是将计算机硬件资源和软件资源以服务方式出售给用户的技术，不仅能更好地满足用户需求，而且能够根据资源实际消耗进行动态分配。国内外对其研究大多集中在物理资源方面[1]，对于虚拟化资源的研究较少；但是，虚拟化技术是连接系统上下层中间件，增加耦合性和灵活性的关键架构，所以，对其的研究非常重要。基于此，本文从虚拟化框架角度，对云计算的测试进行了研究。

1 云计算体系中的虚拟化技术

虚拟化资源是云计算一个非常重要的技术特征，虚拟化资源主要是根据用户实际需求动态分配硬件资源和软件资源[2]，虚拟化技术可以在计算机底层硬件资源（磁盘、CPU、电源等）上建立一个抽象层，通过该抽象层为上层应用提供服务，该层主要起到了平衡利用硬件资源的作用。常见的资源虚拟化技术有存储虚拟化、网络虚拟化、计算虚拟化[3-4]。

2 云计算虚拟化框架测试设计思路

要实现资源负载变化自动分配资源需要用到预测技术。预测技术主要是指通过一定的原则与计算方法预先对目前应用程序运行情况以及资源使用情况做评估分析，从而预测下一个时间段资源消耗情况，其预测过程如图1所示。

对于云计算能耗管理主要有4种策略[5]：贪婪策略、超时策略、自适应预测策略、指数平均策略。超时策略是指通过预测idle区间时间长度来判断是否进行主机状态切换的策略，即通过设置idle区间阀值来切换主机状态；指数平均策略则指通过上一次预测空闲时间值和实际空闲时间值（平均值）来预测下一次空闲时间大小并进行主机状态切换；自适应预测策略是引入动态调节因子来调整预测空闲时间与实际空闲时间之间的差异，实现预测时间段与实际空间时间段一致，该方法是对指数平均算法的改进[6-7]。

图1 资源预测流程框架图

3 云计算虚拟架构测试

3.1 云计算平台部署

本云计算平台主要由计算节点、控制器和客户端组成。客户端由局域网中的主机群组成；控制器主要由计算服务、存储服务、镜像服务和WEB服务组成，且把控制器部署在同一台机器上；计算节点则负责把控制器中的服务进行虚拟化和对外提供服务。

3.2 云计算平台主要测试项目

平台测试项目主要包括虚拟机管理功能、信息收集模块、负载均衡、用户定义负载上限和服务器功耗测试，并对测试结果进行分析[8]。

3.2.1 虚拟机管理功能测试

本文提供给用户的管理页面采用Horizon进行部署，首选输入账号和密码登录虚拟机管理页面；在Web管理页面中的Image中选择launch按钮创建虚拟机，系统会自动弹出输入虚拟机名称、用户数据、镜像类型的配置窗口，填写完毕后系统自动启动实例，完成实例启动测试；接着对刚才创建的虚拟机（Ubuntu-test）进行详细配置。

3.2.2 信息收集功能测试

信息收集测试主要是对传感器信息、负载均衡信息、功耗信息的收集测试。传感器采集的信息主要包括传感器名称、数值和单位，系统根据这些数值信息进行工作状态合理性判断，当传感器采集到的数值显示系统异常运行则进入判断错误状态；负载均衡信息收集是在Web管理Power Monitor页面中，通过ospc-cc工具显示Power和CPU Util参数变化情况。

3.2.3 负载均衡功能测试

启动多台虚拟机实例，将其分配到不同物理服务器上，通过性能最优算法和节能最优算法进行云计算负载均衡测试。若采用节能最优算法时，虚拟机负载将集中在几台主机上，其他几台处于关机状态；若采用性能最优算法则各个物理主机负载基本接近。通过测试的服务器在工作时段基本处于运行状态，而在夜间的7台物理服务器中有4台服务器处于关闭状态，到了工作时段则自动开启。

3.2.4 预测错误率测试与分析

1）预测算法参数设置。能耗测试目的是验证自适应空闲时间预测策略在能耗中的作用，在进行能耗测试前需要搭建该测试的仿真环境。该仿真环境采用eclipse开发环境和Java开发编程语言，使用Random（）函数产生随机空闲时间序列（包含：空闲时间的起始时间和持续时间），通过AdaptiveExponentialAverage（）函数和Greedy（）、Timeout（）、ExponentialAverage函数实现自适应空闲时间预测策略和结果比对策略，同时系统测试需要用到物理主机相关功耗参数。

在测试中采用N为5～30的步长来分别计算预测准确率，滑动窗口依次从5增加到30，使系统总时长为5000ms算出预测准确率，其平均结果如表1所示。

表1 两次平均结果值

从表1可以看出，滑动窗口大小为15时，其预测准确率变动较小，能耗也是如此，这是由于N≤15时，基础数据还不够，预测不准确。因此，当滑动窗口大小为15时，既能保证预测准确率，又不占用太多的能耗。

2）预测错误率与性能分析。预测算法错误率是表征预测算法性能的重要指标，实验采用一组随机空闲时序，每个时间范围控制在[1，100]中，预测初始值设置为10ms，窗口大小则采用N=15，根据预测错误率公式[9-10]：

式中：Rrate——预测错误率；

从图中可以看出，自适应空闲时间预测策略错误率比较低，当空闲时序比较平稳时自适应空闲时间预测策略和指数平均预测策略错误率都比较低，如空闲时间序列在17～28时，两者的错误率都在20%以下；但当错误序列出现较大波动时，如在11～51时，两者的错误率立即从10%上升到70%以上，然而，自适应空闲时间预测策略的错误率到一定值后又趋于平衡。

图2 预测错误率对比

图3 系统响应时间对比

图4 系统总耗能对比

3.2.5 系统响应时间测试

系统响应时间反映的是云计算平台执行效率，是从提交请求到执行结束所用的总时间。系统响应时间测试方法主要有自适应空闲预测策略、贪婪策略、超时策略、指数平均预测策略。本文对这些策略下的系统响应时间进行对比分析，分析这些策略在请求队列长度分别为1 000，2000，5 000，10 000，20 000，50 000 ms下的性能情况，时间序列则采用Random（）函数生成，其范围在[1，100]。4种策略仿真测试结果如图3所示。

从图3可以看出，贪婪策略比其他3种策略的系统响应时间更高，这与该策略处理机制有关：当系统没有任何请求时会自动转入休眠状态，当出现一个请求，系统将从休眠状态转换到运行状态，所以系统响应时间中包含了休眠状态转换为运行状态转换的时间。

3.2.6 系统节能效果测试

采用6种不同的请求队列长度环境进行仿真测试，测试4种策略工作状态转为空闲状态的耗能情况，结果如图4所示。

从图4可以看出，自适应预测策略的总耗能最低；超时策略进行超时阀值检测后，主机需要一段时间从工作状态转换为休眠状态；指数平均策略由于当预测空闲时间过短时不进行主机状态切换，从而中间出现能耗浪费现象；贪婪策略在系统不存在请求时直接进入休眠状态，若出现一个请求则立即转入运行状态，其运行耗能较低，但它是以牺牲系统响应时间作为代价进行节能。而自适应预测策略是根据历史空闲时间动态分析与预测下一次空闲时间，能准确预测进行主机状态转换的时间，从而实现节能效果。

4 结束语

本文在讨论云计算服务层、应用层、基础实施层层级结构和虚拟化技术相关理论的基础上，重点对虚拟化资源管理中的服务-资源映射模型、底层物理资源分配中的预测技术、虚拟机工作做了深入分析，然后通过部署具体云计算虚拟平台进行虚拟环境下的虚拟机管理功能、主机预测错误率、主机系统响应时间、主机耗能等测试与分析，最终实现云计算的虚拟化框架测试，其测试结果达到了预期目的。

[1]Oluwaranti A， Onime C， Kehinde L，et al.A user identity management protocol for cloud computing paradigm[J].Int’l J.ofCommunications，Network and System Sciences，2011，4（3）：11-16.

[2]吴朱华.云计算核心技术剖析[J].人民邮电，2011，12（9）：32-35.

[3]Kitazume H，Koyama T，Kishi T，et al.Network virtualization technology to support cloud services.[J].IEICE Transactions，2012（8）：2530-2537.

[4]Padala P，Shin K G，Zhu X Y，et al.Adaptive control of virtualized resources in utility computing environments[C]∥Proceedings of EuroSys’07，2010：289-302.

[5]高翔.基于Xen的虚拟机动态迁移算法优化[J].哈尔滨工业大学学报，2010，9（12）：4-10.

[6]Horvath T，Tarek F A，Skadron K，et al.Dynamic voltage scaling in multitier Web servers with end-toend delay control[C]∥.IEEE Transactions on Computers，2007：444-458.

[7]宋可为.云计算在电信业务平台[J].北京邮电大学学报，2008，11（12）：20-40.

[8]鲍凌云，刘文云.云计算在电子政务系统中的应用研究[J].现代情报，2011（4）：170-173.

[9]黄琳娜，刘春立，唐丽芳，等.基于云计算的信息资源共享与测试[J].沧州师范学院学报，2012（6）：60-62.

[10]张新宇，罗贤春.基于协同学的信息资源共享与业务协同的协同模型及其测试[J].图书情报工作，2011（1）：89-91.

Research of cloud computing virtual STC

YU Bang
（Guangxi Economic Management Cadre College，Nanning 530007，China）

In order to test cloud computing，virtualization framework was set up，and adaptive free time prediction strategy was used.It was tested on the basis of virtual machine，information collection module，and the load balancing technology.Results show that this testing method is more successful in the test parameter setting，energy consumption prediction accuracy，response time and it provides feasibility test solution for cloud computing related testers.

cloud computing；virtualization；PaaS；STC

TP301.6；TP311.5；TK012；TN911.7

：A

：1674-5124（2014)06-0117-03

10.11857/j.issn.1674-5124.2014.06.030

2014-01-07；

：2014-03-05

庾 邦（1980-），男，广西桂林市人，高级讲师，研究方向为云计算、网络和教育管理。