面向容器云的I/O隔离性建模与评测

发布时间：2021-07-14 23:45

　　近年来,容器技术以其轻便快捷,开销小的特点受到人们的广泛关注。然而容器之间的性能隔离性正在成为一个重大挑战,尤其是在磁盘I/O方面。与虚拟机相比,容器在共享物理资源和操作系统内核时性能隔离性相对较差。为了提高容器之间的I/O隔离性,尽管已经有一些解决方案被提出,但对于如何量化容器之间的I/O隔离性还缺少一些研究。在传统的虚拟机环境中,I/O隔离性通常是基于I/O能损失率来计算的。而在容器环境中,容器所占有的资源量的多少,也会影响容器本身的I/O性能。因此容器I/O性能的损失,不仅是因为过载容器的影响,也有可能是因为容器自身所占有的资源有所下降。因此,只考虑I/O性能变化的度量模型是不够准确的,还需要引入资源的概念。同时I/O性能损失率无法有效的反应I/O性能在下降过程中的变化情况,这也使得在度量I/O性能下降情况时,容易产生误差。针对上述问题,本文对容器环境下的I/O隔离性进行了研究,提出了一种结合性能与资源的容器I/O隔离性度量模型,同时对模型中计算性能和资源变化情况的方法进行了优化,最后本文实现了一个基于该模型的容器I/O隔离性评测框架。本文的主要内容包含以下几个方面:（1）本文提... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

容器所占资源对其性能的影响

图 3.2 容器所占资源对其性能的影响同时图中可以看出由于受到 CPU 密集型容器的干扰，观察容器的 CPU 利用发生了下降。图 3.3 表示的是受影响前后，观察容器的 CPU 利用率的变化，从图中可以看出，CPU 利用率受到很大的影响，下降程度较大。

高并且影响到了其他容器的 I/O 性能，将其称为过载容器。在计算 I/O 性能下降程度时，使用传统的 I/O 性能下降率是不合适的，因没有考虑到 I/O 性能下降的陡峭程度。这意味着性能直线下降的和抛物线下种情况下计算出来的值是相同的，具有相同的 I/O 隔离性。这显然不是正确果，相比于直线下降，I/O 性能下降呈现抛物线的时候，I/O 性能下降明显要些，因此传统的 I/O 性能下降率并没有考虑到 I/O 性能下降的动态性，仅仅两个点的值是无法用来衡量这个下降过程的陡峭程度的。而且传统的 I/O 性能下降率是选取两个状态时容器的性能值作为计算的数据，但是在容器性能下降的整个过程中，性能的变化点有许多，应该选择个状态时的容器 I/O 性能，哪两个状态时容器的 I/O 性能各具代表性，这些用性能下降率的隔离性度量模型中都无法给出适当的理由，因此该模型崔仔，在度量容器隔离性时难以得出客观的结果。因此在计算 Ploss时，将使用式(3.3)来计算。接下来将通过图 3.4 来解释 Pl计算过程，图中 X 轴代表过载容器的 I/O 性能变化，Y 轴代表正常的受影响的 I/O 性能变化。


本文编号：3285136