【摘要】：在滿足應用QoS的前提下,提高系統的資源利用率,是數據中心資源管理的一個難點,原因在于應用的資源消耗是動態(tài)變化的.為了保證應用的QoS,需要實時預測應用的資源需求,并以此為基礎動態(tài)按需供應資源.已有的資源預測算法可以分為兩類:一類需要與應用進行實時交互以監(jiān)測負載和性能,預測精度高,但擴展性差;另一類只需要在外部監(jiān)測應用的資源消耗,擴展性好,但是現有算法的預測精度較低.該文針對第二類方法的不足,結合全局及局部的資源消耗變化趨勢來改進已有的預測算法.實驗證明改進后的預測精確度可以達到95%以上.資源需求的動態(tài)變化會導致節(jié)點資源無法滿足所有應用的QoS,常用的解決方法是采用虛擬機遷移進行負載平衡,但是遷移虛擬機會帶來相當大的額外資源消耗.該文提出了一種作業(yè)資源匹配算法,對數據中心所有作業(yè)進行布局,使不同優(yōu)先級、不同資源需求及變化規(guī)律的作業(yè)在節(jié)點上混合部署,不僅極大地降低了發(fā)生節(jié)點資源緊缺的頻度,而且實驗證明,該算法在相同的資源需求下,還能提高應用的性能.
【圖文】：

密集、網絡密集等．并且，應用的資源需求還隨著時間動態(tài)變化，尤其是在線網絡應用．如圖１所示為某互聯網公司一臺運行某在線游戲的４核節(jié)點連續(xù)２４小時ＣＰＵ負載的變化情況，波峰時的資源消耗為波谷時的數倍．為了節(jié)省軟硬件成本，提高系統資源利用率，數據中心需要合理地調度各類作業(yè)并為其分配資源，使得系統資源有序復用，達到負載平衡．然而，應用對資源需求的多樣性和動態(tài)性給資源管理帶來了挑戰(zhàn)：既要滿足各個應用的服務質量（ＱｏＳ），又要提高系統的資源利用率．圖１ＣＰＵ負載變化圖應對這個挑戰(zhàn)的難點之一是如何準確實時地預測應用的資源需求，從而動態(tài)地為應用供應資源．目前已有的預測技術根據輸入可以分為兩類：一類是根據應用當前的負載、性能和資源消耗來預測下一個時間周期的資源需求，由于應用的性能指標和負載的類型具有多樣性，這類方法需要為每種應用設計不同的監(jiān)控模塊，而且要與應用進行交互以獲得應用的當前性能及負載．因而，這類方法的一個顯著不足就是通用性和擴展性差．另一類僅僅依據外圍監(jiān)測的資源消耗來預測，，已有預測機制有：線性增加、指數下降，大幅增加、小幅下降，服務分級等，這類方法的優(yōu)點是簡單實用，不足是預測機制太簡單導致預測精度不高．本文針對第二類方法的不足，結合全局及局部的資源消耗變化趨勢進行改進．應對這個挑戰(zhàn)的難點之二是如何有效地動態(tài)供應資源．數據中心資源管理的目的是整合服務、平衡負載、充分利用資源，不僅需要提高單臺節(jié)點的資源利用率，還需要平衡整個數據中心的負載．資源需求的動態(tài)變化會導致節(jié)點資源無法滿足所有應用的ＱｏＳ，造成節(jié)點負載不均衡．常用的解決方法是通

租相同的資源，獲得最大的利潤）．文獻［２３］的全局資源管理器的計算原則是取得最優(yōu)的應用性能．本文也采用兩層的資源管理框架：全局資源管理器在下發(fā)作業(yè)時，結合作業(yè)的優(yōu)先級、資源需求以及資源消耗變化規(guī)律等屬性特征和數據中心資源負載的分布狀況，為作業(yè)選擇合適的節(jié)點，混合部署作業(yè)，以減少同類資源競爭，避免節(jié)點負載過重，實現無需進行虛擬機遷移就能達到數據中心負載平衡的目的；局部資源管理器動態(tài)預測各個應用的資源需求，調整節(jié)點上各個容器的資源配置，保證高優(yōu)先級應用的服務質量．圖２作業(yè)資源管理架構３基于ＬｉｎｕｘＣｏｎｔａｉｎｅｒ的資源管理框架基于容器的資源管理系統架構如圖２所示．用戶通過客戶端提交作業(yè)．中央管理器是系統的核心，包含作業(yè)調度器和全局資源管理器兩個組件，主要職責是為作業(yè)尋找合適的執(zhí)行節(jié)點．為了增強可靠性，一個數據中心至少配置兩個中央管理器，通過ＺｏｏＫｅｅｐｅｒ①的領導者（Ｌｅａｄｅｒ）選舉保證只有一個處于活躍狀態(tài)．系統中除了中央管理器以及運行Ｚｏｏｋｅｅｐｅｒ的節(jié)點以外，其余所有節(jié)點都是執(zhí)行節(jié)點．每臺執(zhí)行節(jié)點上都運行一個局部資源管理器，接收中央管理器下發(fā)的任務（一個作業(yè)包含若干個任務），并為每個任務創(chuàng)建一臺輕量級的虛擬機（ＬｉｎｕｘＣｏｎｔａｉｎｅｒ）．數據中心中的所有節(jié)點共享一個分布式文件系統．用戶通過瀏覽器可以查詢作業(yè)調度器中的作業(yè)所處的狀態(tài)（等待下發(fā)、已下發(fā)、正在執(zhí)行、執(zhí)行出錯）、各個節(jié)點的資源使用狀況及節(jié)點上運行的作業(yè)信息．作業(yè)調度器接收用戶提交的作業(yè)，按照優(yōu)先級排序，每次選擇優(yōu)先級最高的作業(yè)，向全局資源管理器申請資

【共引文獻】

相關博士學位論文 前4條

1 張小慶;基于云計算環(huán)境的資源提供優(yōu)化方法研究[D];武漢理工大學;2013年

2 樂冠;面向服務系統的自適應資源管理技術研究[D];北京郵電大學;2013年

3 劉志飄;成本感知的云服務虛擬資源供應機制研究[D];北京郵電大學;2013年

4 王金寶;云計算系統中索引與查詢處理技術研究[D];哈爾濱工業(yè)大學;2013年

相關碩士學位論文 前10條

1 劉莉;異構集群下并行任務的復制調度算法[D];武漢紡織大學;2013年

2 趙建峰;基于遺傳算法和蟻群算法的節(jié)能調度研究[D];山東大學;2013年

3 李松;開源云計算平臺管理支撐平臺的研究與實現[D];山東大學;2013年

4 諶侃;用戶數據融合云計算存儲方案研究[D];北京郵電大學;2013年

5 趙曉冰;Hadoop平臺下的作業(yè)調度算法的研究[D];鄭州大學;2013年

6 吳莎;基于云環(huán)境的SLA及任務調度算法的研究與實現[D];西北大學;2013年

7 陳剛;云計算中基于XEN的虛擬機動態(tài)遷移的研究[D];武漢理工大學;2013年

8 張璞;基于Xen的虛擬機動態(tài)遷移策略研究[D];遼寧大學;2013年

9 張海洲;基于利用率和負載均衡的云資源調度算法研究[D];哈爾濱工業(yè)大學;2013年

10 胡丹丹;獲益驅動的虛擬機資源動態(tài)管理策略研究[D];廣西大學;2013年

本文編號：2644151