基于變化周期和事件驅(qū)動的云計算資源監(jiān)測模型

郭 平，馮婷瑩

（重慶大學計算機學院軟件理論與技術(shù)重慶市重點實驗室 重慶400044）

1 引言

云計算是一種新興的商業(yè)計算模型，它將計算任務(wù)分布在資源池上，使各種應用系統(tǒng)能夠根據(jù)需要獲取計算力、存儲空間和各種軟件服務(wù)[1～3]。

為有效管理云計算系統(tǒng)中的資源并發(fā)揮其效率，資源監(jiān)測是必不可少的。資源監(jiān)測不僅可以及時發(fā)現(xiàn)云計算系統(tǒng)中節(jié)點或者節(jié)點上運行的虛擬機出現(xiàn)的故障，為解決故障贏得時間從而及時恢復系統(tǒng)的性能；而且能夠及時發(fā)現(xiàn)資源使用的變化，為任務(wù)調(diào)度和負載均衡等提供可靠數(shù)據(jù)保障；同時為資源的使用計費提供準確的數(shù)據(jù)支持。因此，研究云計算環(huán)境下的資源監(jiān)測，對云計算的發(fā)展有著舉足輕重的作用。

對計算系統(tǒng)中資源監(jiān)測的研究起始于20世紀60年代。隨著分布式計算和網(wǎng)格計算的發(fā)展，資源監(jiān)測的技術(shù)與方法取得了很大的發(fā)展。例如，PAPI[4]是一種硬件性能計數(shù)器，當產(chǎn)生特定信號或相關(guān)狀態(tài)時對事件進行計數(shù)，對這些事件進行檢測可以獲取代碼和體系結(jié)構(gòu)映射效率的相關(guān)性，以便在性能上進行分析和調(diào)整；Ganglia[5]通過對集群進行監(jiān)測獲取包括內(nèi)存、操作系統(tǒng)、處理器負載等基本主機數(shù)據(jù)；Autopilot[6]是一個分布式性能測量和資源控制系統(tǒng)，提供在分布式系統(tǒng)中捕獲的網(wǎng)絡(luò)和操作系統(tǒng)數(shù)據(jù)；Virtue[7]從 Autopilot接收實時數(shù)據(jù)并允許用戶改變軟件行為和資源策略；MDS[8]是一種基于網(wǎng)格計算環(huán)境的信息服務(wù)框架，包括資源的發(fā)現(xiàn)、描述、監(jiān)視以及更新，可以幫助網(wǎng)格應用程序進行自我調(diào)整和配置，也可以幫助用戶了解所搭建網(wǎng)格系統(tǒng)。這些研究對于分布式系統(tǒng)與網(wǎng)格系統(tǒng)中的資源監(jiān)測有重要的作用，但如果直接用于云計算環(huán)境下，則會有一些不足。一方面，云計算環(huán)境下的資源是高度虛擬化和彈性化的，同時云計算向外提供如IaaS、PaaS、SaaS等不同層次的服務(wù)，除了對物理服務(wù)器的資源需要進行監(jiān)測外，對運行在其上的虛擬機也需要進行監(jiān)測。另一方面，云計算資源主要分為計算資源和存儲資源，對不同類型的資源所需監(jiān)測的信息也是不同的。例如，對計算資源主要監(jiān)測CPU、內(nèi)存，而對存儲資源則主要監(jiān)測硬盤、內(nèi)存。因此，在云計算系統(tǒng)中，不僅監(jiān)測對象發(fā)生了變化，而且監(jiān)測環(huán)境也發(fā)生了變化。

目前，針對云計算環(huán)境中的資源監(jiān)測，主要集中在數(shù)據(jù)傳輸安全性以及用戶信息服務(wù)上[9]。如使用SLA（service level agreement，服務(wù)等級協(xié)議）加強用戶交互時間和安全性[10]以及使用面向方面編程的方法來監(jiān)測云服務(wù)數(shù)據(jù)[11]。本文提出的云計算中資源監(jiān)測系統(tǒng)模型是對云計算環(huán)境中資源使用情況進行監(jiān)測。

2 云計算環(huán)境中的資源

云計算一般分為3層：硬件層、虛擬化層和服務(wù)提供層。硬件層就是傳統(tǒng)意義上的硬件資源，再加上云計算資源池的控制軟件、操作系統(tǒng)和中間件等。虛擬化層主要是由虛擬化資源、虛擬化映像管理、網(wǎng)絡(luò)和資源存儲等模塊組成，在該層可利用虛擬化技術(shù)擴展每一個服務(wù)器的能力，將各自的資源通過云計算平臺結(jié)合起來，提供超級計算和存儲能力。服務(wù)提供層是云計算和用戶的交互界面，用戶能夠通過該界面使用后臺強大的資源，該層提供的服務(wù)方式包括 SaaS、PaaS和IaaS等。

對云計算中的資源監(jiān)測主要集中在硬件層和虛擬化層。此外，需要監(jiān)測的云計算資源可以分為計算節(jié)點、存儲節(jié)點以及管理節(jié)點。由于各個節(jié)點的特性不同，所以要監(jiān)測的對象也不同。計算節(jié)點主要處理計算服務(wù)，存儲節(jié)點主要處理用戶數(shù)據(jù)資源的存取工作以及應用的存放與處理，管理節(jié)點則是對其他服務(wù)器進行任務(wù)分配以及管理的節(jié)點。

對云計算資源的監(jiān)控，能夠掌握系統(tǒng)實時情況以便對系統(tǒng)進行管理。對云計算資源監(jiān)控為負載均衡提供了可靠的數(shù)據(jù)基礎(chǔ)。對云計算資源數(shù)據(jù)進行分析有助于掌握云計算系統(tǒng)的薄弱環(huán)節(jié)以便進行分析。

3 資源監(jiān)測模型

3.1 監(jiān)測對象與監(jiān)測參數(shù)

云計算系統(tǒng)中的監(jiān)測對象，從功能角度分為存儲服務(wù)器、計算服務(wù)器和管理服務(wù)器；從虛擬化角度分為物理服務(wù)器和虛擬服務(wù)器；而更細的方面，監(jiān)測對象就是操作系統(tǒng)、CPU、內(nèi)存、硬盤、I/O 等。

因為服務(wù)器的功能不同，所以各服務(wù)器所需要監(jiān)測的對象也就不同。表1給出了針對不同的監(jiān)測對象需要監(jiān)測的主要參數(shù)。

3.2 監(jiān)測方法

計算機系統(tǒng)資源監(jiān)測的方法主要分為周期監(jiān)測和事件驅(qū)動監(jiān)測兩種。

周期監(jiān)測是指監(jiān)測服務(wù)器按照一定的規(guī)律周期地發(fā)出監(jiān)測請求，如每隔5 s發(fā)送一次請求，采集器采集各被監(jiān)測對象的資源使用相關(guān)數(shù)據(jù)后向監(jiān)測服務(wù)器反饋監(jiān)測數(shù)據(jù)。監(jiān)測服務(wù)器負責監(jiān)控本地服務(wù)器上各虛擬機對于CPU、內(nèi)存和網(wǎng)絡(luò)帶寬的使用情況，并通過綜合獲得當前服務(wù)器的整個資源使用情況。周期監(jiān)測是為了能夠更加及時地獲取經(jīng)常變化的對象數(shù)據(jù)，如內(nèi)存的使用情況。

周期監(jiān)測又分為固定周期監(jiān)測和動態(tài)周期監(jiān)測。固定周期是指監(jiān)測的間隔完全相同，動態(tài)周期則是指根據(jù)一定的規(guī)律來調(diào)整周期。固定周期監(jiān)測方便監(jiān)測的統(tǒng)一管理，但沒有根據(jù)所要監(jiān)測資源的實時情況進行監(jiān)測；動態(tài)周期監(jiān)測能夠根據(jù)監(jiān)測情況實時調(diào)整周期的變化，但如果周期變化規(guī)律過于復雜又會給服務(wù)器過重的負擔。因此，服務(wù)器需要能夠根據(jù)監(jiān)測對象情況合理調(diào)整周期。

事件驅(qū)動監(jiān)測是指當被監(jiān)測對象產(chǎn)生特定事件時，對其進行監(jiān)測并將監(jiān)測結(jié)果反饋給監(jiān)測系統(tǒng)。事件驅(qū)動監(jiān)測的發(fā)生時間具有不確定性，沒有特定的規(guī)律，通常與系統(tǒng)中運行的應用以及系統(tǒng)的狀態(tài)相關(guān)。

表1 監(jiān)測對象和監(jiān)測參數(shù)

一般情況下，通過周期監(jiān)測來監(jiān)測服務(wù)器就足夠了。但當監(jiān)測對象發(fā)生特定事件時，如更換操作系統(tǒng)，監(jiān)測對象就需要給監(jiān)測系統(tǒng)發(fā)送其所在服務(wù)器的最新信息，以便監(jiān)測服務(wù)器能夠得到最新的監(jiān)測數(shù)據(jù)。

3.3 監(jiān)測模型

本文基于對云計算下資源監(jiān)測的分析，并結(jié)合云計算自身的特點，建立如圖1所示的監(jiān)測模型。

監(jiān)測服務(wù)器是用來管理監(jiān)測事務(wù)的，其主要功能包括發(fā)送監(jiān)測請求、接收監(jiān)測數(shù)據(jù)、存儲監(jiān)測數(shù)據(jù)、動態(tài)調(diào)節(jié)監(jiān)測周期和更新資源狀態(tài)表等。監(jiān)測服務(wù)器的數(shù)據(jù)庫存儲發(fā)送的監(jiān)測請求數(shù)據(jù)、接收的監(jiān)測數(shù)據(jù)以及服務(wù)器的一些處理數(shù)據(jù)。監(jiān)測周期模型模塊是對服務(wù)器的檢測周期進行處理的模塊，能夠根據(jù)監(jiān)測數(shù)據(jù)實時調(diào)整監(jiān)測周期。狀態(tài)表包括周期狀態(tài)表、監(jiān)測請求狀態(tài)表等。

被監(jiān)測對象包括物理的或虛擬的計算、存儲和管理服務(wù)器，其主要功能有接收監(jiān)測請求、獲取監(jiān)測數(shù)據(jù)、發(fā)送監(jiān)測數(shù)據(jù)以及當特定事件發(fā)生時主動進行監(jiān)測等。其中，監(jiān)測請求是由周期監(jiān)測發(fā)送的；監(jiān)測數(shù)據(jù)既包括周期監(jiān)測的數(shù)據(jù)也包括事件驅(qū)動監(jiān)測的數(shù)據(jù)。對象監(jiān)測數(shù)據(jù)包括系統(tǒng)數(shù)據(jù)、網(wǎng)絡(luò)數(shù)據(jù)、應用數(shù)據(jù)等。

數(shù)據(jù)的使用者是指將監(jiān)測數(shù)據(jù)作為原始數(shù)據(jù)以進行后續(xù)工作的功能模塊或人員，如負載均衡模塊、服務(wù)器管理人員等。

4 監(jiān)測模型的關(guān)鍵技術(shù)

4.1 周期的調(diào)整

假設(shè)以監(jiān)測服務(wù)器的時鐘為標準，監(jiān)測服務(wù)器的最小周期單位為t0。監(jiān)測周期狀態(tài)表中保存的數(shù)據(jù)包括服務(wù)器標識、服務(wù)器類型、資源情況、時間差、服務(wù)器狀態(tài)、監(jiān)測時間、監(jiān)測周期等。監(jiān)測周期存放著還需要過多少個t0就需要對服務(wù)器發(fā)送監(jiān)測請求。

在調(diào)整周期之前，先將監(jiān)測資源分為3組，分別為計算、存儲和管理3類。每一類又分成若干個隊列，隊列的數(shù)量取決于具體的云環(huán)境。假設(shè)分為3個隊列，分別為qA、qB和qC。qA為資源使用情況超過某一指標v1的服務(wù)器所組成的隊列，qB為低于v1但高于另一指標v2的服務(wù)器所組成的隊列，其他小于v2的則組成qC。

在這3個隊列中，qC是三者中運行情況最穩(wěn)定也是負載最低的，通常情況下這種狀態(tài)的服務(wù)器也是最多的，因此整個qC可以采用共同的監(jiān)測周期進行監(jiān)測，這樣發(fā)送監(jiān)測請求也可以減輕監(jiān)測服務(wù)器的負擔。

qA則是三者之中最危險的，因此需要對其進行嚴格的監(jiān)測。對于這一隊列的節(jié)點需要進行負載均衡使其擺脫危險狀態(tài)。每隔t0就對這個隊列的監(jiān)測狀態(tài)表進行如圖2所示的更新。

qB是介于qA和qC二者之間，可以采取類似qC的方法，即整個隊列使用共同周期，但這個周期又比qA的周期要小。如果qA為空，可以將qB中個別長時間在qB中且資源使用率比較高的移至qA中進行負載均衡調(diào)節(jié)。

不同的監(jiān)測對象類型所需要的監(jiān)測周期不同。數(shù)據(jù)波動大的資源需要較高的采樣頻率，如CPU；數(shù)據(jù)波動小的使用較低的采樣頻率就可以滿足，如磁盤。由此可得，管理服務(wù)器、存儲服務(wù)器以及計算服務(wù)器3個組的周期的變化規(guī)律是不同的。將它們分為不同的組，在各個組里使用若干個隊列進行動態(tài)周期的調(diào)節(jié)由此來實時獲取資源信息以及減輕監(jiān)測服務(wù)器負擔。

4.2 事件的選擇

周期監(jiān)測能夠滿足大部分監(jiān)測要求，但仍然有一些資源使用情況會發(fā)生突然的變化，這時如果仍采用監(jiān)測周期方法將影響資源監(jiān)測的實時性。產(chǎn)生資源使用突然變化的事件就是事件驅(qū)動監(jiān)測要關(guān)注的事件。

云計算環(huán)境中，事件驅(qū)動監(jiān)測的事件主要包括新建虛擬機、刪除虛擬機、啟動新應用、結(jié)束應用、改變操作系統(tǒng)、服務(wù)器啟動等。

4.3 監(jiān)測時間同步

在資源監(jiān)測中，監(jiān)測服務(wù)器的時鐘與監(jiān)測對象的時鐘往往是不同的，這種差異使監(jiān)測服務(wù)器不能確定被監(jiān)測對象的實時狀況。為此，通過定期在監(jiān)測服務(wù)器與被監(jiān)測對象之間傳送時間戳來計算它們的時鐘差。

基于監(jiān)測服務(wù)器的時鐘，假設(shè)監(jiān)測服務(wù)器向被監(jiān)測對象發(fā)送時鐘同步請求的時間戳為t1，被監(jiān)測對象接收請求的時間戳為t2，被監(jiān)測對象回傳同步請求的時間戳為t3，監(jiān)測服務(wù)器接收請求的時間戳為t4。另外，由于在監(jiān)測服務(wù)器與被監(jiān)測對象之間傳輸?shù)膬H時鐘同步請求和時間戳（數(shù)據(jù)量小），可假設(shè)數(shù)據(jù)的雙向傳輸?shù)臅r延是相同的，即：

假設(shè)被監(jiān)測對象的時鐘比監(jiān)測服務(wù)器的時鐘慢δ，那么就有：

其中，t2′是被監(jiān)測對象接收同步請求的實際時間戳，t3′是被監(jiān)測對象向監(jiān)測服務(wù)器回傳同步請求的實際時間戳。結(jié)合式（1）和式（2），有：

即：

由式（2）可知，當δ>0時，被監(jiān)測對象的時鐘比監(jiān)測服務(wù)器的時鐘慢δ；當δ=0時，被監(jiān)測對象的時鐘與監(jiān)測服務(wù)器的時鐘是一致的；當δ<0時，被監(jiān)測對象的時鐘比監(jiān)測服務(wù)器的時鐘快|δ|。通過δ就可以實現(xiàn)監(jiān)測服務(wù)器與被監(jiān)測對象間的時鐘同步，它為云系統(tǒng)內(nèi)部網(wǎng)絡(luò)的優(yōu)化提供了基礎(chǔ)。

5 結(jié)束語

資源監(jiān)測是云計算環(huán)境中必不可少的組成部分。根據(jù)云計算資源的特性，本文提出了基于動態(tài)周期和事件驅(qū)動的資源監(jiān)測模型。周期監(jiān)測對于大多數(shù)常規(guī)監(jiān)測是足夠的，但在某些特殊情況下事件驅(qū)動監(jiān)測對于獲取實時數(shù)據(jù)可以發(fā)揮重要作用。本文提出的資源監(jiān)測模型結(jié)合了動態(tài)周期和事件驅(qū)動監(jiān)測，具有良好的時效性；接收的數(shù)據(jù)都以最原始的狀態(tài)保存至數(shù)據(jù)庫，具有良好的魯棒性；監(jiān)測者與被監(jiān)測者不需要相互了解其內(nèi)在結(jié)構(gòu)，具有松耦合性；同時本模型具有可擴展性。

1 Hayes B.Cloud computing.Commun ACM,2008,51(7):9～11

2 Milojicic D.Cloud computing:interview with RUSS daniels and franco travostino.IEEE Internet Computing,2008,12(5):7～9

3 Armbrust M,Fox A,Griffith R,et al.Above the clouds:a berkeley view of cloud computing.Communications of the ACM,2010,53(4):50～58

4 Wolf F,Mohr B.Hardware-counter based automatic performance analysis of parallel programs.Proceedings of the Conference on Parallel Computing,Dresden,Germany,2003:753～760

5 Massie M L,Chun B N,Culler D E.The ganglia distributed monitoring system:design,implementation,and experience.Parallel Computing,2004,30(7):817～840

6 Vetter J S,Reed D A.Real-time performance monitoring,adaptive control,and interactive steering of computational grids.The InternationalJournalofHigh Performance Computing Applications,2000,14(4):357～366

7 Shaffer E,Reed D A,Whitmore S,et al.Virtue:performance visualization ofparalleland distributed applications.IEEE Computer,1999,32(12):44～51

8 Diaz I,Fernandez G,Martinm M J,et al.Integrating the Common Information Model with MDS4.Proceedings of 2008 9th IEEE/ACM International Conference on Grid Computing,Tsukuba,Japan,2008:298～303

9 楊剛，隨玉磊.面向云計算平臺自適應資源監(jiān)測方法.計算機工程與應用，2009，45(29)：14～17

10 Daniel D,Lovesum S P J.A novel approach for scheduling service request in cloud with trust monitor.Proceedings of 2011 International Conference on Signal Processing,Communication,Computing and Networking Technologies (ICSCCN 2011),Thuckalay,India,2011:509～513

11 Mdhaffar A,Ben Halima R,Juhnke E,et al.AOP4CSM:an aspect-oriented programming approach for cloud service monitoring.Proceedings of2011 11th IEEE International Conference on Computer and Information Technology,Pafos,Cyprus,2011:363～370

12 Mei Yiduo,Liu Ling,Pu Xing,et al.Performance measurements and analysis of network I/O applications in virtualized cloud.Proceedings of 2010 IEEE 3rd International Conference on Cloud Computing(CLOUD),Miami,FL,USA,2010:59～66

13 Fang Haifeng,Zhao Yiqiang,Zang Hongyong,et al.VMGuard:an integrity monitoring system for management virtual machines.Proceedings of 2010 IEEE 16th International Conference on Parallel and Distributed Systems (ICPADS),Shanghai,China,2010:67～74

14 Samba A.Logical data models for cloud computing architectures.IT Professional,2012,14(1):19～26

15 Wei Yi,Blake M B.Service-oriented computing and cloud computing: challenges and opportunities. IEEE Internet Computing,2010,14(6):72～75

16 De Chaves S A,Uriarte R B,Westphall C B.Toward an architecture for monitoring private clouds.IEEE Communications Magazine,2011,49(12):130～137

17 Meng Shicong,Liu Ling,Wang Ting.State monitoring in cloud datacenters.IEEE Transactions on Knowledge and Data Engineering,2011,23(9):1328～1344

18 Goscinski A,Brock M.Toward dynamic and attribute based publication,discovery and selection for cloud computing.Future Generation Computer Systems,2010,26(7):947～970

19 Marston S,Li Zhi,Bandyopadhyay S,et al.Cloud computing-the business perspective.Decision Support Systems,2011,51(1):176～189

20 Taylor M,Haggerty J,Gresty D,et al.Digital evidence in cloud computing systems.Computer Law&Security Review,2010,26(3):304～308

21 Morrell R,Chandrashekar A.Cloud computing:new challenges and opportunities.Network Security,2011(10):18～19