季莉莉，李　燁

(上海理工大學(xué) 光電信息與計算機(jī)工程學(xué)院，上海200093)

?

云環(huán)境下基于遷移的虛擬機(jī)集群優(yōu)化算法

季莉莉，李燁

(上海理工大學(xué) 光電信息與計算機(jī)工程學(xué)院，上海200093)

針對云環(huán)境中虛擬機(jī)集群負(fù)載不均衡問題，提出一種基于虛擬機(jī)遷移的集群優(yōu)化算法。通過對節(jié)點負(fù)載的實時監(jiān)測，動態(tài)調(diào)整各種資源的權(quán)重，根據(jù)資源權(quán)重選擇可最大程度降低主機(jī)負(fù)載的虛擬機(jī)進(jìn)行遷移。該算法利用預(yù)測機(jī)制，消除主機(jī)資源利用率的臨時越界引起的不必要的虛擬機(jī)遷移。在選擇目標(biāo)節(jié)點時，采用多目標(biāo)決策法，兼顧多資源匹配率，服務(wù)級目標(biāo)違背率(SLA)等多種管理目標(biāo)。實驗結(jié)果表明，與同類型的負(fù)載均衡算法相比，該算法能減少遷移次數(shù)，降低SLA違背率。

云環(huán)境；虛擬機(jī)遷移；負(fù)載均衡

云計算是一種分布式計算，透過網(wǎng)絡(luò)將龐大的計算資源連接起來，形成一個資源池，從而達(dá)到資源利用率的最大化[1]。計算資源可以以服務(wù)的形式通過網(wǎng)絡(luò)提供給用戶，因此，用戶不必再在硬件設(shè)備方面消耗過多的人力及物力資源[2]。

虛擬化技術(shù)是整合各種計算以及存儲資源的關(guān)鍵技術(shù)，它是云計算的基石[3]。云環(huán)境下的虛擬化技術(shù)主要有服務(wù)器虛擬化、存儲虛擬化、桌面虛擬化和應(yīng)用虛擬化[4]。其中，服務(wù)器虛擬化技術(shù)可以將CPU、內(nèi)存、IO設(shè)備等物理資源轉(zhuǎn)換成可以統(tǒng)一管理的邏輯資源[5]。運行在物理機(jī)上的每一臺虛擬機(jī)都有滿足自己需求的虛擬資源，從而提高物理機(jī)硬件資源的使用率。

然而隨著云計算平臺上用戶需求的不斷增加，負(fù)載均衡問題日趨嚴(yán)重。部分主機(jī)負(fù)載過低，部分主機(jī)負(fù)載過高，降低了系統(tǒng)資源的利用率。服務(wù)器虛擬化技術(shù)為負(fù)載均衡提出了良好的解決方案。當(dāng)主機(jī)過載時，可以在運行狀態(tài)下將其上的虛擬機(jī)從負(fù)載較高的物理機(jī)遷移到負(fù)載較低的物理機(jī)上，從而實現(xiàn)系統(tǒng)的負(fù)載均衡。

虛擬機(jī)遷移過程主要涉及觸發(fā)遷移、選擇遷移虛擬機(jī)以及安置虛擬機(jī)3個過程。傳統(tǒng)的虛擬機(jī)遷移算法存在很多弊端：(1)在觸發(fā)遷移時，傳統(tǒng)的算法都使用閾值法即超過設(shè)定閾值則觸發(fā)遷移，這種方法忽略了瞬時峰值引起不必要的虛擬機(jī)遷移；(2)在對負(fù)載建模時，傳統(tǒng)算法通常會按CPU利用率、內(nèi)存利用率以及帶寬利用率三者的乘積進(jìn)行建模。這忽略了不同資源利用率隨時間的動態(tài)變化，無法選擇出最佳待遷移虛擬機(jī)；(3)在選擇目標(biāo)節(jié)點時，傳統(tǒng)的方法是選擇負(fù)載最輕，性能最佳的物理機(jī)作為宿主機(jī)。這種方法管理起來比較方便，但現(xiàn)實中主機(jī)的各種資源利用率差異較大且隨時間不斷波動。當(dāng)虛擬機(jī)遷移到目標(biāo)節(jié)點時可能導(dǎo)致目標(biāo)節(jié)點某種資源過載，從而再次觸發(fā)遷移。為解決上述問題，本文提出了一種多資源動態(tài)匹配的虛擬機(jī)遷移算法。

目前已有很多有關(guān)負(fù)載均衡的研究。VMWare的DRS是系統(tǒng)均衡度觸發(fā)虛擬機(jī)遷移的一種動態(tài)調(diào)度算法，它能夠較大程度地提高系統(tǒng)的均衡度。但是，由于其激活周期比較長，對于突發(fā)情況導(dǎo)致的SLA違例場景處理時間長。傳統(tǒng)負(fù)載均衡算法采用門限觸發(fā)能夠減少SLA(Service Level Agreement)違例，它在構(gòu)建虛擬機(jī)負(fù)載時會給虛擬機(jī)的CPU、內(nèi)存和帶寬分配固定的權(quán)重。主機(jī)負(fù)載為其上虛擬機(jī)負(fù)載的疊加，當(dāng)主機(jī)負(fù)載到達(dá)設(shè)定的門限值時觸發(fā)遷移算法，將虛擬機(jī)從高負(fù)載節(jié)點遷移至低負(fù)載節(jié)點。然而，首先這種方法忽略了云計算環(huán)境下主機(jī)資源是隨時間動態(tài)變化的，不同主機(jī)過載情況不一致等因素。文獻(xiàn)[6]提出的一種虛擬機(jī)遷移調(diào)度策略，實時采集各種資源利用率作為性能參數(shù)，與其對應(yīng)閾值進(jìn)行對比，避免單一參數(shù)造成的誤差。文獻(xiàn)[7]采用多閾值的方式，兼顧了負(fù)載均衡及節(jié)能省電。文獻(xiàn)[8]提出一種基于網(wǎng)絡(luò)拓?fù)涓兄牟⑿羞w移法，能有效縮短負(fù)載均衡響應(yīng)時間。文獻(xiàn)[9]在觸發(fā)遷移后采用概率轉(zhuǎn)發(fā)方式選擇目的節(jié)點，解決群聚沖突問題。文獻(xiàn)[10]在虛擬機(jī)資源超載時首先利用動態(tài)伸縮算法為其分配額外資源，若無額外資源可分配再進(jìn)行虛擬機(jī)遷移。文獻(xiàn)[11]借鑒蟻群算法中的信息素思想進(jìn)行主機(jī)搜索，設(shè)計信息素更新規(guī)則，得到虛擬機(jī)列表及目的主機(jī)列表，從而進(jìn)行匹配遷移。

本文提出了一種基于門限觸發(fā)的虛擬機(jī)遷移算法，根據(jù)主機(jī)各種資源的利用率動態(tài)地為各種資源分配權(quán)重。從而結(jié)合各種資源的利用率，為過載主機(jī)挑選最佳待遷移虛擬機(jī)，為虛擬機(jī)選擇最佳宿主機(jī)，綜合考慮資源利用率、服務(wù)質(zhì)量和虛擬機(jī)遷移代價，提高系統(tǒng)的穩(wěn)定性。

1　遷移算法設(shè)計

1.1觸發(fā)遷移

采用門限觸發(fā)結(jié)合預(yù)測機(jī)制的方式，當(dāng)主機(jī)的負(fù)載到達(dá)設(shè)定門限時，對其未來多個負(fù)載值進(jìn)行觀測。若觀測值中絕大多數(shù)都達(dá)到門限值則對其下一個負(fù)載值進(jìn)行預(yù)測。當(dāng)預(yù)測值高于門限值時，觸發(fā)遷移算法，這有效減少了遷移次數(shù)，降低遷移成本。

1.2選擇待遷移虛擬機(jī)

當(dāng)主機(jī)節(jié)點pi觸發(fā)遷移算法后，需要從Vi中選擇一臺或多臺虛擬機(jī)進(jìn)行遷移，直到節(jié)點pi不滿足遷移觸發(fā)條件。由于主機(jī)節(jié)點上各種資源的利用率各不相同，因此，根據(jù)主機(jī)節(jié)點資源利用率的動態(tài)變化對每種資源分配對應(yīng)的權(quán)重，用權(quán)重矩陣來表示

W=(wC,wM,wB)

(1)

(2)

其中，source表示CPU、內(nèi)存及帶寬資源中的一種。

構(gòu)造理想遷移虛擬機(jī)

Videal={rCPU,rMEN,rBW}

(3)

(4)

公式表示結(jié)合各種資源的權(quán)重，尋找最接近Videal的虛擬機(jī)vij進(jìn)行遷移。若主機(jī)節(jié)點仍處于過載狀態(tài)則重復(fù)以上過程，直到該節(jié)點不再過載。

1.3遷移放置方案設(shè)計

找到待遷移虛擬機(jī)后，要根據(jù)該虛擬機(jī)的負(fù)載特征為其尋找最佳宿主機(jī)。這里兼顧服務(wù)質(zhì)量以及資源匹配度兩種目標(biāo)選擇目標(biāo)節(jié)點。將兩種指標(biāo)統(tǒng)一為增益型指標(biāo)。主機(jī)CPU使用率越高，其SLA違背率就越大。定義服務(wù)質(zhì)量指標(biāo)為

(5)

其中，ui為主機(jī)i上的資源使用率；T為系統(tǒng)設(shè)定的門限值。定義資源匹配度指標(biāo)為

(6)

(7)

(8)

其意義即尋找接近Pbest且遠(yuǎn)離Pworst的物理機(jī)Pi進(jìn)行虛擬機(jī)放置。

2　實驗分析

為驗證本算法的有效性，設(shè)計了對比仿真實驗。首先建立一個有多臺主機(jī)和虛擬機(jī)數(shù)據(jù)中心。主機(jī)CPU、內(nèi)存和帶寬配置統(tǒng)一參數(shù)，虛擬機(jī)采用不同資源種類規(guī)格。

由于主機(jī)負(fù)載是由其上虛擬機(jī)負(fù)載疊加而成的，所以通過構(gòu)造虛擬機(jī)負(fù)載來觸發(fā)主機(jī)負(fù)載的波動。考慮到現(xiàn)實中多種資源的動態(tài)變化及相互獨立性，讓每個虛擬機(jī)都具有獨立的負(fù)載特征，并且每臺虛擬機(jī)在高負(fù)載狀態(tài)的持續(xù)時間為一個隨機(jī)值。

2.1實驗參數(shù)選定分析

選取VMware DRS算法作為對比算法，對兩種算法的均衡度、遷移次數(shù)與服務(wù)級目標(biāo)違背率進(jìn)行對比分析。VMware DRS算法根據(jù)系統(tǒng)實時監(jiān)控的各個主機(jī)節(jié)點資源利用率信息，計算整個集群范圍內(nèi)的不均衡度并與遷移門限比較，若達(dá)到遷移門限則進(jìn)行下一步的遷移安置。本文提出的算法是根據(jù)實時監(jiān)測的各個主機(jī)節(jié)點的資源利用率與設(shè)定門限值作比較，一旦某種資源超出門限值則觸發(fā)遷移。這里涉及到兩種算法觸發(fā)門限值的設(shè)定，圖1為VMware DRS算法的系統(tǒng)均衡度門限設(shè)定與最終均衡度和遷移次數(shù)之間的關(guān)系。

圖1　均衡度門限值對性能的影響

從圖1中可以看出，隨著系統(tǒng)均衡度門限值的上升，總體遷移次數(shù)會隨之減少，然而最終均衡度值會增加。綜合考慮均衡度和遷移代價，選擇0.05作為VMware DRS算法的最佳系統(tǒng)門限值并與本文所提算法進(jìn)行對比。

2.2實驗分析

圖2為隨著本算法的觸發(fā)門限值的變化，本算法的最終均衡度與DRS算法最終均衡度的對比。

圖2　不同算法的均衡度對比

這里初始均衡度一律設(shè)置為0.12，某一類資源的負(fù)載均衡度為

(9)

(10)

其中，w為某種資源在計算集群范圍內(nèi)的負(fù)載均衡度時所占的權(quán)重，本文取相同權(quán)重。由公式可以看出負(fù)載均衡度Lsys越小，說明各主機(jī)節(jié)點間的負(fù)載越均衡。

由圖2可以看出，在門限值為80%時，VMware DRS算法均衡效果較好，但隨著門限值的降低，本算法實現(xiàn)的均衡效果越來越好，在門限值為70%時已經(jīng)明顯優(yōu)于VMware DRS算法。圖3為兩種算法在遷移次數(shù)上的比較。

圖3　不同算法的遷移次數(shù)對比

從圖3中可以看出，隨著門限值的抬高，本算法的的虛擬機(jī)遷移次數(shù)明顯小于DRS算法，可以大幅減少遷移開銷。圖4為兩種算法的服務(wù)級目標(biāo)違背率。

圖4　不同算法的服務(wù)級目標(biāo)違背率對比

由圖4可以看到，當(dāng)門限為90%時，兩者的違背率均大幅上漲，但整體上看本算法的服務(wù)級目標(biāo)的違背率要低于對比算法。

綜合負(fù)載均衡度、遷移開銷和服務(wù)質(zhì)量，當(dāng)門限值設(shè)定在75%左右時，本算法相較于DRS算法在多種指標(biāo)值上性能均有所提升。

3　結(jié)束語

本文設(shè)計的虛擬機(jī)遷移算法通過對主機(jī)資源的實時監(jiān)測，動態(tài)調(diào)整資源權(quán)重，根據(jù)不同資源的權(quán)重進(jìn)行虛擬機(jī)的選擇和放置，大幅提高了資源利用率。采用雙重目標(biāo)決策的方法在實現(xiàn)負(fù)載均衡的同時兼顧服務(wù)質(zhì)量的提升，提高系統(tǒng)的穩(wěn)定性。下一步將研究系統(tǒng)能耗節(jié)省與系統(tǒng)穩(wěn)定結(jié)合，進(jìn)一步優(yōu)化集群系統(tǒng)。

[1]Yashpalsinh Jadeja, Kirit Modi. Cloud computing-concepts, architecture and challenges [C]. Kumaracoil:2012 International Conference on Computing, Electronics and Electrical Technologies, 2012.

[2]Kalagiakos, Panagiotis, Karampelas, et al. Cloud computing learning [C]. Azerbaijan, Baku : 2011 5th International Conference on Application of Information and Communication Technologies, 2011.

[3]Dong Hanfei,Hao Qinfen,Zhang Tiegang, et al. Exention to the model of a vitualizable computer and analysis on the efficiency of a virtual machine[C].Wuhan : 2010 International Conference on Parallel and Distributed Computing Applications and Technologies, 2010.

[4]韓德志,李楠楠,畢坤. 云環(huán)境下的虛擬化技術(shù)探析[J]. 華中科技大學(xué)學(xué)報:自然科學(xué)版,2012(S1):262-265.

[5]Gao Xiaoming,Mike Lowe,Yu Ma ,et al. Supporting cloud computing with the virtual block store system[C]. Oxford : 2009 Fifth IEEE International Conference on E-Science,2009.

[6]劉進(jìn)軍,陳桂林,胡成祥. 基于負(fù)載特征的虛擬機(jī)遷移調(diào)度策略[J]. 計算機(jī)工程, 2011(17) : 276-278.

[7]Razali R A M，Rahman R A，Zaini N,et al. Virtual machine migration implementation in load balancing for cloud computing [C]. Kuala Lumpur : 5th International Conference on Intelligent and Advanced Systems (ICIAS), 2014.

[8]Chen Kunting,Chien Chen,Wang Pohsiang. Network aware load-balancing via parallel VM migration for data centers [C]. Shanghai, China : 23rdInternational Conference on Computer Communication and Networks(ICCCN), 2014.

[9]張創(chuàng),谷建華.基于虛擬機(jī)遷移的虛擬機(jī)集群負(fù)載均衡策略研究[J]. 微電子學(xué)與計算機(jī),2014(4):79-82.

[10] Achar R,Thilagam P S,Soans N,et al. Load balancing in cloud based on love migration of virtual machines [C]. India : 2013 Annual IEEE,2013.

[11] 王光波,馬自堂,孫磊.云環(huán)境下面向負(fù)載均衡的分布式虛擬機(jī)遷移研究[J].計算機(jī)應(yīng)用與軟件,2013(10):87-91.

Virtual Machine Cluster Optimization Based on Migration in Cloud Environment

JI Lili, LI Ye

(School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China)

An optimization algorithm based on virtual machine migration is proposed for the load imbalance in virtual machine clusters. The algorithm uses the prediction mechanism to eliminate unnecessary virtual machine migration caused by temporary cross-border of host resource utilization. It dynamically adjusts the weights of various resources through real-time monitoring of the load of the nodes. It can select the virtual machine which will reduce the maximum degree of the host load to migrate according to the weight of the resources. In selecting the target node, it combines the multi-objective decision method with the multi resource matching rate, SLA (service level agreement) violation rate and other management objectives. Experimental results shows that the algorithm proposed enjoys smaller number of migration and lower rate of SLA violation in the premise of load balancing than other load balancing algorithms of the same type.

cloud computing; migration of virtual machine; load balancing

10.16180/j.cnki.issn1007-7820.2016.08.034

2015-11-23

季莉莉(1991-)，女， 碩士研究生。研究方向：控制工程。李燁(1974-)， 男，高級工程師，碩士生導(dǎo)師。研究方向：信息融合，機(jī)器學(xué)習(xí)。

TP301.6

A

1007-7820(2016)08-117-04