佘名高 張 顏

(武漢理工大學計算機科學與技術(shù)學院 湖北 武漢 430070)

對延遲敏感型應(yīng)用的虛擬機調(diào)度算法

佘名高 張 顏*

(武漢理工大學計算機科學與技術(shù)學院 湖北 武漢 430070)

針對Credit調(diào)度算法不能保證實時性的不足提出兩點改進。首先，當有大量I/O任務(wù)時對BOOST態(tài)虛擬CPU進行負載均衡來縮短系統(tǒng)響應(yīng)時間。其次，利用動態(tài)時間片代替原來的固定時間片去適應(yīng)虛擬CPU的動態(tài)變化。通過檢測系統(tǒng)對任務(wù)的平均響應(yīng)時間和周轉(zhuǎn)時間來評估改進前和改進后對I/O任務(wù)的響應(yīng)的影響。實驗研究表明，改進之后的Credit調(diào)度算法平均響應(yīng)時間與改進前相比降低了102.3%，可以顯著提高I/O延遲敏感型應(yīng)用的性能。

Xen Credit調(diào)度算法 虛擬化 負載均衡

0 引 言

隨著近年來云計算的興起，虛擬化技術(shù)也成為企業(yè)和學者研究的熱門領(lǐng)域之一。大量企業(yè)利用Xen虛擬化技術(shù)管理自己的應(yīng)用服務(wù)，通過虛擬化技術(shù)可以方便實現(xiàn)資源的充分利用，資源的快速重分配，以及增加系統(tǒng)的靈活性。這些都是影響應(yīng)用服務(wù)成功交付的關(guān)鍵因素[1]。

當應(yīng)用采用Xen虛擬化技術(shù)進行管理，Xen調(diào)度虛擬機會造成額外的開銷，對某些應(yīng)用程序的整體性能會造成一定的影響。一個典型的例子，如基于流的音頻/視頻服務(wù)是對延遲敏感的I/O密集型應(yīng)用。通常情況下，這些應(yīng)用不需要消耗大量的CPU計算資源，但是對服務(wù)響應(yīng)的實時性要求較高。然而，Xen虛擬化技術(shù)缺省的Credit 調(diào)度算法針對延遲敏感型應(yīng)用的性能還不夠理想。改進Credit調(diào)度算法，使I/O延遲敏感型應(yīng)用得到及時響應(yīng)一直是虛擬化研究的熱點領(lǐng)域。當前，Govindan等提出了一種在計算密集型應(yīng)用中，通過犧牲短期的公平，來優(yōu)先調(diào)度面向通信域的通信感知調(diào)度算法[2]。同樣的，Ongaro等主張利用Boost/Tickle機制去提升I/O域的調(diào)度優(yōu)先級[3]。

為了進一步探尋這些改進算法的性能。在本文中提出的改進算法可以看作是前人想法在多處理器平臺上的一個拓展。首先，在多核系統(tǒng)中，通過均衡I/O密集型任務(wù)的優(yōu)先級(即BOOST態(tài)虛擬CPU的優(yōu)先級)來盡量減少系統(tǒng)的響應(yīng)時間。其次，通過利用動態(tài)時間片而不是固定時間片來優(yōu)化CPU切換的頻率。

1 Xen虛擬機管理器以及Credit調(diào)度算法

Xen虛擬機管理器VMM是一個開放源代碼的虛擬化管理軟件，它工作在底層硬件資源之上，為上層虛擬機實例(又稱為域，Domain)提供服務(wù)[4]。Xen的默認調(diào)度算法是Credit調(diào)度算法。

1.1 Credit調(diào)度算法的基本原理

Credit調(diào)度算法是公平共享的非搶占式調(diào)度算法[5]。它可以為每一個域分配Credit值，Xen按照Credit值公平調(diào)度各個域。

Xen-4.1之前的版本，Credit調(diào)度算法在調(diào)度時，Domain有兩種優(yōu)先級狀態(tài)：UNDER狀態(tài)和OVER狀態(tài)。每個物理CPU都管理一個可運行的隊列，根據(jù)VCPU的優(yōu)先級將其進行排列入隊。調(diào)度器會優(yōu)先調(diào)度處于UNDER狀態(tài)的VCPU，當發(fā)現(xiàn)虛擬CPU對應(yīng)域的Credit值小于零時，就將VCPU的狀態(tài)轉(zhuǎn)化為OVER狀態(tài)。當處于UNDER狀態(tài)的虛擬機全部都調(diào)度完之后，處于OVER狀態(tài)的虛擬機才會得到調(diào)度的機會。此時，Credit調(diào)度算法將重新為每個域賦予Credit值，然后把相應(yīng)的VCPU調(diào)整為UNDER狀態(tài)，如此周期循環(huán)。由于系統(tǒng)總是優(yōu)先調(diào)度處于UNDER隊列頭的VCPU。此Credit調(diào)度算法僅適合于工作負載為計算密集型應(yīng)用，卻不適合I/O延遲敏感型應(yīng)用。為了盡量減小I/O敏感型事件的響應(yīng)延遲，Ongaro等提出在Credit調(diào)度算法中引入BOOST機制[3]。通過在系統(tǒng)中添加一個新的BOOST優(yōu)先級，允許一個為BOOST狀態(tài)的VCPU(即BOOST態(tài)VCPU)去搶占一個正在運行的UNDER態(tài) VCPU。

加入BOOST機制的Credit調(diào)度通過事件信道接收事件，當有I/O操作的任務(wù)時，系統(tǒng)會將處于阻塞狀態(tài)的UNDER態(tài)VCPU優(yōu)先權(quán)提升到BOOST狀態(tài)并將其喚醒。喚醒的VCPU立即搶占CPU資源而不是進入運行隊列與其他域競爭。因此，I/O密集型任務(wù)響應(yīng)時間減少。圖1顯示了Credit調(diào)度算法的結(jié)構(gòu)圖，其中四個域位于同一臺機器上，以有效利用底層物理資源。

圖1 Credit調(diào)度算法的結(jié)構(gòu)圖

1.2 Credit調(diào)度算法的性能分析

在這一部分，分析當前Credit調(diào)度算法中可能導致I/O延遲敏感型應(yīng)用性能不足的兩個問題，并把他們稱為多BOOST態(tài)問題以及固定時間片問題。

1) 多BOOST態(tài)問題:是指多個域同時提升到BOOST狀態(tài)導致調(diào)度算法性能降低的現(xiàn)象，這種情況通常在處理I/O密集型任務(wù)中時有發(fā)生。由于處于UNDER狀態(tài)的虛擬CPU在隊列中等待被調(diào)用，可能導致的響應(yīng)延遲，通過加入BOOST狀態(tài)，使得具有BOOST狀態(tài)的虛擬機能立即被調(diào)度，以減少調(diào)度的響應(yīng)時間。但是，當大量I/O應(yīng)用并發(fā)執(zhí)行時，這些應(yīng)用對應(yīng)域的VCPU都會進入BOOST狀態(tài)，導致BOOST態(tài)的VCPU負載失衡，某些應(yīng)用仍不能及時得到調(diào)度。如圖2所示，在四核平臺下的32個非特權(quán)域均勻分為四組，每組各8個域同時運行在Xen-4.4.2的虛擬機管理器上，測試兩個程序(Ping和Zip)在物理CPU上運行BOOST態(tài)VCPU的時間。從圖中數(shù)據(jù)可知BOOST 態(tài)VCPU分布不均。

圖2 BOOST態(tài)VCPU在物理CPU上的分布

2) 固定時間片問題：當PCPU調(diào)度處于UNDER狀態(tài)的VCPU時,允許相應(yīng)的VCPU運行一個為30 ms的固定時間片，這個時間片的設(shè)置一方面獨立于VCPU數(shù)量，另一方面還得確保域間調(diào)度的公平。因此這可能導致兩個問題：當運行隊列的VCPU數(shù)量小，固定時間片將導致在運行隊列中的VCPU之間頻繁切換，增加系統(tǒng)開銷。當VCPU數(shù)量較多，固定時間片的設(shè)置將導致在隊列的尾部VCPU響應(yīng)時間過長。理論上，在一個固定的時間間隔內(nèi)，時間片越長，表示越少的VCPU切換和越短的調(diào)度平均周轉(zhuǎn)時間。對于一個延遲敏感型任務(wù)，響應(yīng)時間與運行隊列中等待任務(wù)的數(shù)量是密切相關(guān)的。因此，根據(jù)等待隊列中VCPU的數(shù)量動態(tài)的調(diào)整調(diào)度時間片可能是更理想的方式。

2 改進調(diào)度算法的設(shè)計與實現(xiàn)

上文論述了Credit調(diào)度算法存在的不足，在這一節(jié)中，首先提出了Credit調(diào)度算法的改進算法，然后，描述算法的核心實現(xiàn)步驟。

2.1 對BOOST態(tài)的域進行負載均衡

在第1節(jié)中提到，Credit調(diào)度算法可能引起多BOOST態(tài)同時存在的問題，導致在PCPU之上的BOOST 域分布不均。雖然Credit調(diào)度算法可以實現(xiàn)全局負載均衡，但是當BOOST域較多時，會使得整個系統(tǒng)的響應(yīng)速度降低。為了解決這個問題，實驗中將物理機上每個PCPU對應(yīng)運行隊列的中BOOST態(tài)VCPU進行負載均衡，改進VCPU的響應(yīng)速度。實驗使用的負載均衡算法如下所示：

在BOOST域被喚醒并插入運行隊列之后，VMM會給調(diào)度器一個與該PCPU調(diào)度相關(guān)隊列的反饋。在這個操作被執(zhí)行之前，先執(zhí)行一個簡單的負載平衡算法：

1) 檢查相應(yīng)PCPU上正在運行的VCPU是否是BOOST狀態(tài)。

2) 如果是，基于下文提出的標準選擇目標PCPU，其中VCPU應(yīng)該是可轉(zhuǎn)移的。如果目標PCPU和源PCPU是相同的，那么就退出。否則，將VCPU插到目標PCPU的運行隊列中。

3) 如果當前運行的VCPU不是BOOST態(tài)，那么就觸發(fā)缺省的PCPU調(diào)度策略，然后退出。

在多核系統(tǒng)中，目標PCPU是根據(jù)以下標準選擇：

1) 按照相同的內(nèi)核，相同Socket的順序搜索閑置的PCPU。如果找到，則返回的PCPU的數(shù)量。

2) 找到運行隊列中包含BOOST 態(tài)VCPU最少的PCPU，然后返回PCPU數(shù)。

該標準背后的基本原理是計算的空間局部性。例如，如果兩PCPU共享相同的內(nèi)核，那么，它們也可以共享相同的本地緩存。

2.2 動態(tài)時間片

在Credit調(diào)度算法中，30 ms固定時間片的設(shè)置獨立于VCPU狀態(tài)。BOOST態(tài)VCPU時間片的運行分為兩個階段。在第一階段，VCPU將在BOOST 狀態(tài)下運行10 ms，然后切換到UNDER狀態(tài)，進入第二階段。BOOST狀態(tài)下的時間長度是VCPU調(diào)度的關(guān)鍵。如果這個長度太長，其他相同優(yōu)先級的VCPU可能被延遲，增加I/O響應(yīng)時間。另一方面，如果太短，BOOST態(tài) VCPU在被其他BOOST態(tài)VCPU搶占之前無法獲得充分的執(zhí)行時間。為了均衡系統(tǒng)的平均周轉(zhuǎn)時間和I/O敏感型應(yīng)用的平均響應(yīng)時間，本文提出動態(tài)時間片，時間片的長度根據(jù)運行隊列中VCPU的數(shù)量進行動態(tài)調(diào)整。時間片的優(yōu)化算法是在選定VCPU之后進行以下步驟：

改變的BOOST第一階段的運行時間片長度為2 ms，約為I/O程序運行在BOOST 態(tài)VCPU的時間長度，將它插入到運行隊列，然后改變其優(yōu)先級為UNDER。因此，被選定的VCPU在隊列中將位于所有UNDER 態(tài)VCPU之前，所有BOOST 態(tài)VCPU之后。如果隊列中沒有其他的BOOST態(tài) VCPU，那么剛插入的VCPU就可以繼續(xù)調(diào)度執(zhí)行。

根據(jù)隊列中UNDER態(tài)VCPU的數(shù)量，計算UNDER態(tài) VCPU 的時間片，通過以下公式得出：

(1)

式中，avg_length為運行隊列的缺省長度，在Credit調(diào)度算法中一般缺省設(shè)置為4。qlen指在計算時間片時隊列中UNDER態(tài)VCPU的數(shù)量。

這個改進基于兩點考慮。首先，在BOOST階段，I/O密集型程序經(jīng)常進入阻塞狀態(tài)，基本不消耗VCPU。因此，該VCPU通常不需要分配很長的時間片。另一方面，如果除了阻塞I/O程序之外其他的程序同樣運行在BOOST態(tài)VCPU中，這些應(yīng)用程序還將繼續(xù)運行在BOOST 態(tài)直到時間片結(jié)束。它將延遲其他BOOST態(tài)VCPU被調(diào)度的時間。因此需要先分配一小段時間片(2 ms)進行處理。其次，在UNDER階段，又分為兩種情況。其一，由于VCPU關(guān)聯(lián)關(guān)系項很小，在隊列中UNDER態(tài)VCPU的數(shù)量基本不變。如果有相當多的VCPU，可以增加時間片來減少調(diào)度開銷。正如前面所討論的，事實上，UNDER態(tài) VCPU的數(shù)量與PCPU的數(shù)量關(guān)聯(lián)性通常很小，改進算法應(yīng)該優(yōu)化這種常見的情況。其二，增加的時間片不應(yīng)該在很大范圍內(nèi)變化，否則，它可能會損害Credit調(diào)度算法的目標公平性原則。因此，在本文提出的改進算法中，使用了兩個固定值(30 ms和60 ms)優(yōu)化調(diào)度器的運行隊列，來實現(xiàn)調(diào)度算法公平的目標。

使用動態(tài)時間片來改進算法是比較容易實現(xiàn)的。首先，添加顏色屬性到VCPU的數(shù)據(jù)結(jié)構(gòu)中，當VCPU插入運行隊列時設(shè)置為紅色，當它從隊列中出來重新計算時間片時設(shè)置為黑色?；谶@個屬性，改進算法執(zhí)行以下步驟：

1) 檢查選定的VCPU的狀態(tài)。如果是在BOOST狀態(tài)，那么時間片直接設(shè)置為30 ms。

2) 如果選定的VCPU不在BOOST狀態(tài)，那么檢查該VCPU的顏色。如果它是黑色的，時間片將設(shè)置為一個值，根據(jù)式(1)計算得出。否則，如果它是紅色的，表示之前計算的時間片已經(jīng)過期，算法需要重新計算它。

3) 鎖定整個運行隊列，計算VCPU的數(shù)量并根據(jù)式(1)重新計算時間片，然后設(shè)置所有的VCPU為黑色，存儲時間片到每個PCPU的局部結(jié)構(gòu)。

4) 計算下一個VCPU時間片的值。

3 實驗與評估

在這一部分中，通過大量的實驗來評估提出的改進算法。首先介紹實驗裝置，之后通過測量延遲敏感型應(yīng)用的響應(yīng)時間來評估提出的改進算法。實驗數(shù)據(jù)表明，所提出的改進算法可以顯著提高延遲敏感型任務(wù)的性能。

3.1 實驗裝置

實驗所使用的設(shè)備包括兩個物理機和32個虛擬機(不包括驅(qū)動域)。兩個物理機的通過100 Mbps以太網(wǎng)連接，它們的配置如表1所示，所有的虛擬機安裝在一臺物理機器之上是通過Xen-4.4.2管理的，另一臺物理機作為遠程主機與這些虛擬機通信。實驗中每個域的配置如表2所示，Domain0以CentOS-5.2作為客戶操作系統(tǒng)。本研究的主要目的是通過優(yōu)化Credit算法減少延遲敏感型應(yīng)用的響應(yīng)時間。實驗選擇Ping和一個基本的搜索程序作為實驗測試的程序，這兩種程序在此類研究中被廣泛采用。具體地講，一個遠程系統(tǒng)發(fā)送Ping命令到客戶操作系統(tǒng)，客戶操作系統(tǒng)只確認收到Ping數(shù)據(jù)包不做任何其他的計算。通過網(wǎng)絡(luò)延遲的時間作為參照，來評估本文提出的算法的性能。

表1 硬件配置

表2 虛擬機的配置

3.2 將BOOST 態(tài)負載平衡后的算法評估

在實驗中，為了評估在BOOST 態(tài)虛擬機的負載情況，首先創(chuàng)建20個客戶域平均分為兩組，各有10個虛擬機。然后，讓在第二組的虛擬機每隔一秒去Ping第一組的虛擬機，以產(chǎn)生大量BOOST 態(tài)VCPU。然后，通過計算每一個Ping的響應(yīng)時間。算法改進前和改進后比較結(jié)果如圖3所示。很明顯優(yōu)化之后數(shù)據(jù)包的響應(yīng)時間不僅顯著降低而且也更穩(wěn)定。這表明對BOOST態(tài)VCPU進行負載平衡能有效提高系統(tǒng)性能。這種現(xiàn)象不難理解，BOOST態(tài)VCPU在運行隊列中是有組織的等待，這將導致在隊列前面的VCPU能更快地獲得調(diào)度，從而縮短了Ping的響應(yīng)時間，但在隊列后面的VCPU他們會較慢獲得調(diào)度，使Ping的響應(yīng)時間較長，從而導致不穩(wěn)定。與之相反，在改進負載平衡后，BOOST態(tài) VCPU被均勻分布到每個PCPU的運行隊列中，在每個運行隊列中BOOST態(tài)VCPU平均增加的數(shù)量相應(yīng)的降低。因此，即使BOOST態(tài)VCPU在運行隊列的后端也不會等待太久。因此，Ping的響應(yīng)時間波動較小(約在0.08 ms)，平均響應(yīng)時間與改進前相比降低了102.3%且更穩(wěn)定。

圖3 Boost態(tài)負載均衡前和改進后運行Ping程序響應(yīng)時間的比較

3.3 改進動態(tài)時間切片算法的評估

為了全面評估改進算法，在實驗中，我們集中評估了算法對延遲敏感型應(yīng)用平均響應(yīng)時間的影響和系統(tǒng)平均周轉(zhuǎn)時間的影響。研究結(jié)果表明，改用動態(tài)時間片的算法，可以明顯降低平均響應(yīng)時間和平均周轉(zhuǎn)時間。

VCPU的平均響應(yīng)時間：在這個實驗中，對基本搜索服務(wù)進行壓力測試來測量VCPU平均響應(yīng)時間。為此，首先配置一臺作為搜索服務(wù)器的測試機，其中包括四個客戶操作系統(tǒng)，并觀察在不同強度搜索請求下客戶操作系統(tǒng)中的響應(yīng)情況。然后，使用四個客戶操作系統(tǒng)的平均響應(yīng)時間來度量評估改進動態(tài)時間片算法的性能。

如圖4所示，隨著請求數(shù)量增多，改進動態(tài)時間片后算法平均響應(yīng)時間和改進之前相比要短。這是由于搜索服務(wù)器部署在虛擬機中，它可能發(fā)生多個進程在同一個VCPU中運行。算法改進前，當VCPU 進入BOOST狀態(tài)，除了I /O進程，其他的計算密集型進程也會使BOOST態(tài)VCPU長時間執(zhí)行，在對延遲敏感型任務(wù)較多時此方案不合理。改進后，時間片調(diào)整為

2 ms，只允許I/O程序的VCPU有BOOST狀態(tài)而其他的VCPU只能處于UNDER狀態(tài) 。在圖4中，當請求強度較低時，改進前和改進后的平均響應(yīng)時間幾乎相同。這是因為在這種情況下，只有很少BOOST態(tài)VCPU在隊列中等待。而隨著請求強度的增加，BOOST態(tài)VCPU的數(shù)量不斷增長，改進之后進行了BOOST態(tài)VCPU的負載均衡，結(jié)果顯然是比改進之前的平均響應(yīng)時間要低。

圖4 優(yōu)化動態(tài)時間片之前和之后的平均響應(yīng)時間比較

平均周轉(zhuǎn)時間：在Credit調(diào)度中，UNDER態(tài)的VCPU時間片設(shè)置為30 ms。而在改進的算法中，當?shù)却\行隊列長度小于缺省值時進行優(yōu)化。表3顯示了算法改進前和改進后在運行隊列中VCPU數(shù)量從1到8時平均周轉(zhuǎn)時間的對比，Credit算法缺省設(shè)置隊列長度為4。隨著VCPU的數(shù)量增多，可以觀察到調(diào)度算法改進后的平均周轉(zhuǎn)時間比改進前要低。并且，他們之間的差值隨著執(zhí)行時間的變化在逐漸增加，如圖5所示。原因是當UNDER態(tài)VCPU數(shù)量小于預(yù)設(shè)值，該算法為了減少調(diào)度開銷設(shè)置時間片為60 ms。然而，當UNDER態(tài) VCPU隊列長度大于預(yù)設(shè)值，改進前和改進后的兩個算法具有相同的時間片30 ms。因此，它們表現(xiàn)出大致相同的周轉(zhuǎn)時間。這些結(jié)果表明，當UNDER VCPU在隊列中的數(shù)量較少時，增加時間片可以明顯提高系統(tǒng)的性能。

表3 使用Benchmark工具，測試運行隊列中VCPU數(shù)量和周轉(zhuǎn)時間的關(guān)系

圖5 隨著Benchmark運行時間的延長，改進前與改進后平均周轉(zhuǎn)時間的差值

4 結(jié) 語

本文分析了Xen缺省調(diào)度算法Credit算法的基本原理。研究了Credit調(diào)度算法對延遲敏感型應(yīng)用存在的兩個性能不足之處：多BOOST態(tài)導致CPU調(diào)度的負載不均衡以及固定時間片導致調(diào)度算法性能未能達到最優(yōu)的情況。針對這兩個不足給出改進算法的基本思想。實驗結(jié)果表明，本文提出的改進算法與默認的Credit調(diào)度算法相比，在延遲敏感型應(yīng)用中VCPU的平均響應(yīng)時間更小且響應(yīng)時間更加穩(wěn)定，調(diào)度算法的性能相較于改進前有顯著提升。

[1] Wu S,Zhou L,Sun H,et al.Poris:A Scheduler for Parallel Soft Real-Time Applications in Virtualized Environments[J].IEEE Transactions on Parallel and Distributed Systems,2016,27(3):841-854.

[2] Govindan S,Nath A R,Das A,et al.Xen and co.:communication-aware CPU scheduling for consolidated xen-based hosting platforms[C]//International Conference on Virtual Execution Environments,VEE 2007,San Diego,California,Usa,June.2007:1111-1125.

[3] Ongaro D,Cox A L,Rixner S.Scheduling I/O in virtual machine monitors[C]//International Conference on Virtual Execution Environments,VEE 2008,Seattle,Wa,Usa,March,2008:1-10.

[4] Wu J,Wang C Y,Li J F.LA-Credit:A Load-Awareness Scheduling Algorithm for Xen Virtualized Platforms[C]//Big Data Security on Cloud (BigDataSecurity),IEEE International Conference on High Performance and Smart Computing (HPSC),and IEEE International Conference on Intelligent Data and Security (IDS),2016 IEEE 2nd International Conference on.IEEE,2016:234-239.

[5] Zhou L,Wu S,Sun H,et al.Virtual Machine Scheduling for Parallel Soft Real-Time Applications[C]//2013 IEEE 21st International Symposium on Modelling,Analysis and Simulation of Computer and Telecommunication Systems.IEEE Computer Society,2013:525-534.

[6] Wang K,Hou Z.A relaxed co-scheduling method of virtual CPUs on Xen virtual machines[J].Journal of Computer Research & Development,2012,49(1):118-127.

[7] Xu C,Gamage S,Rao P N,et al.vSlicer:latency-aware virtual machine scheduling via differentiated-frequency CPU slicing[C]//International Symposium on High-Performance Parallel and Distributed Computing.ACM,2012:3-14.

[8] Xi S,Wilson J,Lu C,et al.RT-Xen:Towards Real-time Hypervisor Scheduling in Xen[C]//International Conference on Embedded Software,EMSOFT,2011:39-48.

[9] Seo J,Kim K H.A Prototype of Online Dynamic Scaling Scheduler for Real-Time Task based on Virtual Machine[J].International Journal of Electrical and Computer Engineering,2016,6(1):205-211.

[10] Cheng K,Bai Y,Wang R,et al.Optimizing Soft real-time scheduling performance for virtual machines with SRT-Xen[C]//Cluster,Cloud and Grid Computing (CCGrid),2015 15th IEEE/ACM International Symposium on.IEEE,2015:169-178.

[11] Venkatesh V,Nayak A.Optimizing I/O Intensive Domain Handling in Xen Hypervisor for Consolidated Server Environments[M].Green,Pervasive,and Cloud Computing. Springer International Publishing,2016:180-195.

VIRTUALMACHINESCHEDULINGALGORITHMFORLATENCY-SENSITIVEAPPLICATIONS

She Minggao Zhang Yan*

(SchoolofComputerScienceandTechnology,WuhanUniversityofTechnology,Wuhan430070,Hubei,China)

This paper proposes two improvements to the problem that the Credit scheduling algorithm can not guarantee the real-time. First, we can shorten the system respond time by loading balancing about the virtual CPU in BOOST state when it has a lot of I/O tasks. Second, we can use dynamic time slice instead of the former fixed time slice to adapt to the dynamic change of the virtual CPU. The impact of the improvement on the I/O task is evaluated by detecting the average response time and turnaround time of the task. The experimental results show that the average response time of the improved Credit scheduling algorithm is 102.3% lower than that before improvement, which can significantly enhance the performance of I/O latency-sensitive applications.

Xen Credit scheduling algorithm Virtualization Load balancing

TP3

A

10.3969/j.issn.1000-386x.2017.09.006

2016-11-28。佘名高，副教授，主研領(lǐng)域：計算機體系架構(gòu)。張顏，碩士生。