為了橋接語義鴻溝,提升I/O性能,需要對執(zhí)行不同類型負載的虛擬CPU（v CPU）采取不同的調度策略,故而虛擬CPU調度算法亟需優(yōu)化�；贙VM虛擬化平臺提出一種基于任務分類的虛擬CPU調度模型STC（virtual CPU scheduler based on task classification）,它將虛擬CPU（v CPU）和物理CPU分別分為兩個類型,分別為short v CPU和long v CPU,以及short CPU和long CPU,不同類型的v CPU分配至對應類型的物理CPU上執(zhí)行。同時,基于機器學習理論,STC構建分類器,通過提取任務行為特征將任務分為兩類,I/O密集型的任務分配至short v CPU上,而計算密集型任務則分配至long v CPU上。STC在保證計算性能的基礎上,提高了I/O的響應速度。實驗結果表明,STC與系統(tǒng)默認的CFS相比,網絡延時降低18%,網絡吞吐率提高17%～25%,并且保證了整個系統(tǒng)的資源共享公平性。 

【文章來源】：計算機應用研究. 2020,37(07)北大核心

【文章頁數】：6 頁

【部分圖文】：

4 混合任務公平性測試

為進一步驗證上述分析，本文在調度周期為24 ms，最小的時間片長度為3 ms的情況下和調度周期2.4 ms，最小時間片長度為0.3ms的情況下對虛擬機進行測試，測試結果如圖2、3所示。圖2測試顯示了不同情況下虛擬機的I/O延時情況。測試分為四組，通過配置，將四個虛擬機與同一個物理CPU綁定，分別在一臺主機上同時運行1～4個虛擬機并對它們進行ping測試，得到平均I/O網絡延時。圖3測試顯示了不同情況下虛擬機執(zhí)行計算密集型任務的性能。由于密碼運算屬于計算密集型任務，所以本文采用密碼AES運算作為計算密集型任務對虛擬機進行測試，得到平均加密速度。圖3 加密速度測試

加密速度測試


本文編號：3062080