探究基于CSP的能耗高效云计算资源调度模型与算法

倪斌

（河南司法警官职业学院，河南 郑州 450000）

现如今，因为计算机的大范围使用和信息科学技术的不断进步，计算机系统的电能消耗上升趋势明显，关于能源高效利用问题的研究已成为一个非常重要的内容。智能化时代的发展，促使了云计算技术的出现和发展，因其本身具有异构性、可伸缩性、可管理性等特点，越来越多的企业对其产生了极大的兴趣。云计算服务运营商利用云计算中心大量的计算资源和存储资源，为云计算用户提供了各式各样的服务。基于此，有关专家学者提出，为云提供者进行服务可以从不同的数据中心提取横跨数据的方式，以达到服务的优质性。对可能影响到能源效率的一切因素进行分析，防止其在发生变化时对整个数据中心造成影响。

为解决装箱问题，可以对虚拟服务器进行优化措施，此方式前人已作了详细介绍。然而就现阶段而言，对云计算数据中心现行的同构服务器调度方法无法做到优质的能耗管理。

在一些文献中，基于装箱问题部署虚拟服务器的优化方法被认为可以用来解决此类问题，其中也指出了，关于虚拟机的部署被建模为装箱问题。受现有的数据中心服务器异性的影响，到目前为止，我国已针对同构服务器的调度方法进行了初步研究，但由于二者间的兼容性不佳，故而在实际应用中出现问题，影响云计算数据中心能耗管理效率。

同时，云计算数据中心在资源管理方面存在着一些不足的地方：硬件基础设施廉价——数据中心的硬件基础设施大多是由大规模的廉价服务器集群而成，特别是x86架构的服务器使用较多；系统负载不均衡——同一节点内不同类型的硬件资源使用不均衡、同一应用节点之间负载不均衡、时间不均衡；节点易失败。

为了解决上述问题，本文针对异构物理服务器进行分析，研究其能耗优化以及资源合理调度等问题，旨在为现实应用提供指导。

一、数据中心的发展

虚拟化概念及技术起源于20世纪50年代，在20世纪60年代时，IBM系统首次采用了虚拟化平台Hy pervisor。IBM、VMare、Xen/Citrix和 Midosoft是虚拟化业界的四大厂商，从服务器、存储、网络到桌面、应用，甚至数据中心的虚拟化，其都提供了成熟、多方位、广泛的虚拟化产品。

在网络技术和Web应用技术的推动下产生的网络计算模式，是云计算技术产生的基础。目前，成功的云计算应用实例有很多，比如21世纪初期，Amazon发布的简单存储服务S3；随后Salesforce.com公司推出了SaaS服务，这种服务不是无偿的，客户可按照服务多少和时间长短进行支付；Google也在同一时期推出了GoogleDocs在线办公服务和GoogleAppEngine程序开发平台；而IBM也推出了蓝云计算平台，让来自全球的用户可以访问云计算的大型服务器资源池，除此之外，还有像GoGrid、Animoto等成功的云计算应用实例。

对于云数据中心虚拟资源管理的研究，是目前的热点和难点，它是云数据中心的关键技术，如果能够将虚拟资源管理很好得利用，将不仅降低管理成本，还可以提高云中心资源利用率、实现高效可靠的云数据中心系统。所以，云数据中心是未来数据中心建设和发展的方向。图1为云计算的概念模型。

图1 云计算的概念模型

对于供应商而言，减少能源的消耗可以让其减少成本，从而实现利润最大化的目的。目前，众多学者在虚拟化云计算数据中心的研究中，都提出了有效的提升方法，具体如下：①通过减少运营成本，并提供所需的服务质量这一有效的资源管理系统，通过虚拟机不断地依据当前的资源利用率、虚拟机和热状态下的计算节点之间建立的虚拟拓扑网络结构来进行整合。②能量感知性的网络配置方法，是在高性能计算和虚拟化计算平台中提出来的。③主要服务于客户的交互式应用的管理教学模型，适用于云计算环境。④高效、绿色、强化的、可扩展的云计算架构的新框架的提出,改善了数据中心系统的整体功效。

现阶段，很多方法考虑的是每个物理机节点上相同的物理参数，能耗改善方面也仅仅只是考虑到处理器，像内存和存储空间等一些同样重要的资源却常常被忽略，大量聚集的工作量使得性能下降，能量消耗增加问题的出现。使用虚拟机在运行时的再分配能力，可使虚拟机实现重新部署，但在此中产生的非生产性的问题，也是需要认真考虑的。

为减少云数据中心的能源消耗，本文将针对物理服务器异构的云数据中心的资源调度问题、虚拟资源提供与部署、虚拟机迁移等问题进行研究，对异构物理服务器环境下的能耗优化的资源调度模型和算法进行阐述。

二、云数据中心的能耗优化资源分配

将用户任务分配到合适的资源上，使任务完成时间减少，并且在提高资源的利用率、保证实践跨度的实现、负载保持均衡、运行成本降低的同时，满足客户的需求，这个是实现资源分配的目的。

在服务器虚拟化中，管理员可以把一些利用率不高的物理服务器与应用之间的绑定解除，当出现服务器载重过多的情况时，管理员也可将原来运行在各个服务器上的应用整合到较少的几台服务器上，把一些利用率不高、空闲的服务器关闭，实现绿色节能的效果。这样的操作，与传统的模式大有不同，以前的服务器上只能有一个应用运行，如果服务器关闭的话，应用也就无法运行了。通常情况下，能耗中的优化问题就是最小化物理主机数，由于每个物理主机都有不同的能耗，加之物理主机异构的原因，能耗优化的问题就不是最小物理主机数了。资源分配的过程，就是对资源使用规则进行限定，将资源在不同使用者之间进行调整的过程。

资源管理调度模型可按照调度实体之间的关系、组织调度形式的不同进行划分，比如集中调度模型、层次调度模型和非集中式调度模型就是按照后者来进行划分的，三者中，集中调度模型和层次调度模型有一定的相关性。层次调度模型，是将集中调度程序中的每一个资源通过独立的调度程序来进行本地的调度，它的应付方法很多。非集中式调度中对调度的程序有一个交互的作用，它的容错和可靠性非常好，即使中间某个环节无法正常地进行，对于整个云计算系统而言，也不会有影响。调度系统的优化操作起来极不容易，不同的调度程序之间要保证同步运行和同步作业，但是不同域的资源上往往存在着一个并行程序的所有部分。

有相关学者将任务调度模型分为应用模型、计算平台模型和性能目标模型。应用模型考虑的是任务的划分、任务的属性特征等，比较典型的有DAG（依赖任务模型）、IND（独立任务模型）及DLM（可分任务模型）。系统中最重要的资源是处理机资源和网络资源，而计算平台模型就是对系统中资源的抽象。系统目标和用户目标是性能模型的两方目标。依靠于系统的基础上，系统目标看中的是系统运行时整体的容纳量，资源是否得到高效节能的运用、对每个环节是否均匀；而用户目标，注重的是应用完成的时间是否能够达到最小、周转的时间和带权的时间需要多久等。

基于体系结构各不相同的原因，资源管理调度模型可被划分为层次、抽象所有者和市场经济三种模型，它们各自的特点是：层次模型适应性很好，能够在将资源进行分配的同时，通过自身具备的分化功能，管理具有站点自治性和底层异构性的资源；运营商拥有大量的资源，用户需要从其处获得后才能使用，而抽象所有者模型，相当于在两者之间搭建了一个桥梁；计算经济模型则是将前两种模型的核心特征综合了起来。这些都为资源分配和管理提供了有效的机制。

三、关于资源调度算法

文章中描述的是目标函数的算法。因资源调度模型的多样性和差异性，在考虑到这两方面的因素后，学者们根据不同的资源调度模型提出了与之相对应的算法。其中较典型的有如下三种：考虑到每个资源分配的任务和完成率，来估算一个任务的完成时间，在完成的时间中对资源进行排序，将小于或等于预算成本的任务分配给这个资源，这种算法称之为时间最优化算法；而代价最优算法，顾名思义，就是对队列中的每个资源先进行升序的排列，之后尽量以最小的花费在规定期限内完成任务；关于时间代价最优算法，则结合了两个算法的优点，既保证了最优化处理的时间，又不会让处理成本增加。通过使用网格计算和分布式计算，将云计算资源调度的特点融入其中，可以很好地发挥云资源调度算法的优异性。资源虚拟化和面向用户的调度性能优化是云数据中心资源调度的特点。

由于虚拟机具有隔离性，可将所有的计算任务都封装在一个虚拟机内部，所以可通过虚拟机的动态迁移技术来完成计算任务的迁移，实现资源优化。

为了实现资源供给与资源消费双赢的结果，云计算环境中不仅要考虑任务执行的成本约束，还要保证用户QoS的需求。

1.云数据中心的虚拟资源提供与部署

云数据中心资源管理的特点是统一部署、集中管理、分布使用。可通过不同的方式，在资源虚拟化技术的基础上，实现资源的自动部署、集中监控、动态优化、节能低耗等功能。

2.云数据中心资源提供策略

云计算用户会有自己的资源需求请求，为了让用户请求的资源可以运行，需要将用户请求的特定资源分配给其，体现了资源管理系统的基本功能。虚拟资源的提供和虚拟机资源的部署是资源管理的基础。典型的云计算资源提供策略包括基于租借理论和动态多级资源池的策略、基于经济学院的资源提供策略、基于一般优化算法的资源提供策略以及基于随机整数规划的最优资源提供策略。

为了将大量资源进行有效、统一的管理，虚拟机需部署在不同的物理机上，通过不同物理机之间的相互影响，使资源能够达到最大限度的利用，杜绝云计算环境下服务器瓶颈现象的出现，从另一方面来说，对于云环境中的虚拟机部署要求也很高，它是资源快速部署的重要组成。受两方面原因的影响，使得虚拟机的部署问题显得很复杂。一方面，客户在云环境中所需的服务，是以按需部署的方式为主的，但是在云环境中，资源和应用不仅变化范围大，且具有极高的动态性；另一方面，每一个服务器在不一样的云数据中心和不同层次的云环境中心里的部署模式也是不尽相同的，部署过程和系统结构之间的影响是显而易见的，它们会影响着部署策略的不同。

（1）基于约束满足问题的虚拟机部署策略。本着实现节能省量最大化的目的，在建模时采用约束满足问题的方式，用户的服务等级协议作为约束条件。在文献中有表明，其是通过最大化空闲物理机数、关闭空闲物理机能量来实现的。此前已有相关学者提出动态虚拟机部署方案，约束条件为满足用户的SLA需求。在使用约束满足问题，还需关注搭配约束和同类约束等其他容易引入额外的应用约束。

（2）基于网络的虚拟机部署策略。传统的虚拟机部署考虑的主体是效率和计算资源的利用率，没有考虑到网络问题，不够全面。受虚拟机数据通信频繁的影响，像网络宽带、延迟等因素也需要加入到应用进程性能的考虑中。

（3）基于容错机制的虚拟机部署策略。虚拟机是基于主机服务器的物理设备和虚拟化平台上的，所以在采用虚拟化技术之后，需要考虑到主机服务器的失败对其上的虚拟机带来的影响，并对症下药、制定解决此问题的对策。根据应用程序所需的性能，预测所需要的最少虚拟机数量，从中找出一个最优虚拟机的部署，实现主机服务器失败所造成的影响最小化。

四、虚拟机迁移

虚拟机迁移是指把一个虚拟机从一个主机或者存储位置移动到另一个主机或者存储位置。因系统虚拟化技术具有跨平台、隔离性强、可移动等特点，这些资源如果想通过虚拟机来发挥作用的话，需要先将这些资源做好相应的划分再应用。

迁移有冷迁移与热迁移之分。冷迁移：将关闭电源的虚拟机移动到新的主机，可以将关联的数据从一个存储设备移动到另一个存储设备，虚拟机不必在共享存储器上，但如果将64位的操作系统移动到32位的ESXi主机上时，可以迁移完成，但是迁移完成后不能使用。热迁移：即虚拟机的保存或恢复，将整个虚拟机的运行状态完整保存下来，并在后期将其恢复至任何运行良好的硬件平台上，且恢复速度相对更快，而整个恢复过程不会对虚拟机的平台运行产生任何不利影响，用户不会察觉到任何差异。

在数据中心方面，要注意计算节点失败的问题。而计算节点失败问题的出现，是因为数据中心里包含的有数量繁多的计算节点，这也提醒了我们，看问题要看全面，注意多考虑其他方面的因素。而虚拟机的热迁移（也可称之为实时迁移），可以有效地解决节点失败的问题。它可以将失效的虚拟机转移到稳定的物理机上，再将稳定的物理机上的新节点重新尽快地部署，用来代替已失效的节点，在保证稳定的物理机运行的同时，失败的节点也不会对其产生影响。

云计算技术产业化发展到今天，已具有极高的市场竞争力，虚拟云数据中心不仅降低了系统运行成本，更为用户提供了优质满意的服务，实现了节能低耗、动态优化的目的，为云计算产业化的发展提供了前进的动力。

[1]林伟伟,刘波,朱良昌,齐德昱.基于CSP的能耗高效云计算资源调度模型与算法[J].通信学报，2013（12）:33-41.

[2]齐文艳.面向能耗优化的数据中心资源动态调度模型与方法[D].哈尔滨工业大学,2013.

[3]王梅.云计算环境中的资源调度策略研究及仿真分析[D].浙江师范大学,2013.

[4]王科.基于改进蚁群算法的云计算任务调度策略研究[D].杭州电子科技大学，2013.

[5]张龙.虚拟化资源调度技术的研究[D].南京航空航天大学，2014.

[6]刘永.云计算环境下虚拟机资源调度策略研究[D].山东师范大学，2012.

[7]钱琼芬,李春林,张小庆,李腊元.云数据中心虚拟资源管理研究综述[J].计算机应用研究，2012（ 7）:2411-2415，2421.

[8]林伟伟,齐德昱.云计算资源调度研究综述[J].计算机科学，2012（ 10）:1-6.