云计算中基于任务和资源特征的能效管理研究

发布时间：2020-11-13 02:06

　　当前云计算高速发展,作为云计算重要组成部分的云数据中心规模不断扩大,数据中心资源管理面临高能耗和低利用率并存现象,造成严重的二氧化碳排放和资源浪费。数据中心具有高度的异构性,尤其是负载任务,其具有多样性的资源和QoS需求的特点,对数据中心进行合理的资源管理不仅有利于保证云服务商的收益和用户的利益,也有利于保护生态环境,使云数据中心朝着可持续方向发展。本文在充分认识数据中心异构性的基础上,对负载任务进行分类分析,并提出数据中心基于任务分类的高能效资源配置策略(CBRAS),实现数据中心资源管理既降低能耗又保证QoS的高能效目标。本文主要的研究工作如下:1.对负载任务进行合理分类。当前研究对数据中心的异构性认识不足,对数据中心综合一个任务的几个指标参数的任务分类方法研究不够,且对任务的分类大多关注于任务对CPU、内存等资源的需求,忽略任务QoS的需求。为此,本文采用Kmeans算法对Google生产数据中心的负载任务跟踪数据进行了聚类分析,在分类过程中,本文既考虑任务资源的需求,又充分考虑任务优先级、时延敏感度、持续时间这些反应任务QoS需求的指标。2.设计基于任务分类的资源配置方案(CBRAS)。当前资源配置方案往往忽视数据中心普遍存在的异构性,无法保证负载任务需求与配置资源之间的相容性,导致更高的能耗和QoS冲突。为此本文提出在任务分类的基础上,根据任务类的需求差异,考虑资源的负载状态,有针对性地配置资源。将长短任务分开配置相应资源,避免出现众多长任务正处于执行过程中而短任务已执行完毕情况,而增加资源重配置的代价。将CPU和内存需求有差异的任务均衡配置在同一资源队列,提高空闲资源利用率,避免资源抢占现象。同时资源配置时保证高优先级和高时延敏感度的任务类优先执行,另外通过灵活配置虚拟机资源来降低CPU运行频率,减少能耗。实现数据中心资源配置既降低能耗又保证QoS的高能效资源管理目标。3.实验验证CBRAS策略。本文在CloudSim云模拟平台中改写代码实现CBRAS资源配置策略,通过能耗、物理节点启用数量、虚拟机的迁移次数和冲突次数等指标,在降低能耗和保证QoS两方面验证了基于任务分类的资源配置策略(CBRAS)的性能。实验结果显示与基于轮询和MBFD算法的传统资源配置策略相比,该策略有较好的表现。尤其随着任务数的增多,优势更加明显。
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP3
【部分图文】：

吞吐量,百分比,物理节点,性能

图 2.3 任务性能(吞吐量)下降百分比图 2.4 物理节点的能耗物理节点的能耗随着资源利用率的递增呈“U”型曲线变化，当CPU利用率70%，磁盘利用率 50%时，能耗最低且任务性能可以得到有效保证，文献[23]将此状态作为物理节点资源利用率的最佳结合点。虚拟资源分配后，如果物理节点为启用状态，则将其 CPU 利用率和磁盘利用率与最佳结合点的欧氏距离作为评价物理节点能效优劣的能效因子。当物理节点为空闲状态，由于系统可进一步将其调整为节能或者睡眠状态，则能效因子设置为 0，忽略物理节点对能效的影响。使用所有物理节点的能效因子的总和来评价此时刻系统整体能效的优劣。能效因子越小，物理节点或系统能效越好。物理节点和系统的能效因子用式(2.3)、(2.4)表示：2 200, 0( ) ( )cpu diskh hhcpu diskh cpubest h diskbestu uu u u u others (2.3)1nhh (2.4)

物理节点,能耗