面向交互式服务的跨云协同优化研究

发布时间：2020-03-31 13:45

【摘要】：近年来,云计算技术得到了快速推广,它加快了企业应用的部署,并且能够适应企业不同的服务需求。云计算快速发展的同时也带来了两个主要问题:不同数据中心的资源价格不同,导致地理分布交互式服务的运营成本对于不同的数据中心差异很大;数据中心负载越来越高,平均冷却能耗占总能耗约50%,导致数据中心的节能问题越来越严峻。针对上述问题,本文分别提出了两个调度决策算法。2DRP算法为了降低地理分布交互式服务的运营成本,在第一阶段求解随机规划主问题,得到运营成本最低的数据中心组;在第二阶段求解随机规划子问题,动态调整资源配置。EC~3算法为了降低数据中心冷却能耗,首先利用制冷度日数和数据中心负载得到冷却能耗方程;然后通过高负载数据中心排队模型评估云服务服务质量;最后进行工作负载的调度分布决策。总的来说,本文的主要贡献和创新点包括:1)本文基于多个云服务提供商的预留资源和按需资源,设计了一个资源配置策略,并以此对地理分布交互式服务进行运营成本建模。特别地,本文还利用基于服务等级协议的尾延迟模型,衡量地理分布交互式服务是否满足服务质量要求。2)本文提出了一种调度分布决策和资源配置算法2DRP:为了解决资源价格不确定性,将资源价格的概率分布添加到成本模型,并转化为一个确定性方程;为了解决资源需求不确定性,根据地理分布交互式服务的历史请求得到高百分位尾延迟,并转化为成本模型的约束。3)本文设计了一个数据中心冷却能耗模型。冷却能耗模型包括热传导导致的冷却能耗和IT设备正常工作导致的冷却能耗。其中,利用制冷度日数估计热传导冷却能耗;利用IT设备的产热特性和效能转化率关系计算IT设备正常工作的冷却能耗。4)本文提出了多数据中心负载均衡优化算法EC~3。基于一个调度决策向量,可以得到数据中心的负载情况。然后把数据中心看作一个黑盒系统,利用广义指数分布模型估计尾延迟阈值。最终通过有约束的云服务负载均衡实现数据中心总体冷却能耗的降低。
【图文】：

地理分布,资源需求,资源数量,数据中心

上海交通大学硕士学位论文歌数据中心云服务历史请求的情况。在不同时段可能存在几倍甚至几十倍的差异。当一个地理分布交互式服务驻留在一个数据中心组，并且分配的资源数量是恒定的。为了保证服务质量，分配的资源数量应该满足请求率最大所对应的资源需求[3]。因为请求率是动态变化的，最大资源需求往往不会持续很长时间，甚至最大资源需求量仅占完整服务周期 1%，所以当资源需求降低时，大量的资源必然处于空闲状态。空闲的资源实际是浪费的，运营成本将会增加。所以高效合理的资源使用策略，应该能够动态适应不同服务压力情况下的资源需求。

数据中心,能耗,组件,情况

上海交通大学硕士学位论文导出去。电子元件存在一个可容忍温度区间。特别当高于这个区间会被彻底损害。因此，数据中心必须及时降温以避免电子元件处理永久损害。数据中心能耗的增加对于云计算是一把双刃剑。虽然更数据中心正在被大量使用。但是，因为数据中心的高负载使用会产冷却能耗在理论上将会指数增加，最终导致数据中心的总体能源效尽管目前存在一些旨在提高数据中心能源效率的研究。例如通过提能源效率降低数据中心的总体能耗。但是冷却能耗在数据中心总体经取代 IT 设备正常工作的能耗成为第一位。如图 2-2 所示为数据中能耗占比。因为电子元件单位功耗的上升和云计算服务需求的不断护数据中心正常运行的冷却设备的功率不断上升。因此，，冷却能耗 50％[25]。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP393.09

【参考文献】