云計算的虛擬化框架測試研究

庾邦

（廣西經(jīng)濟管理干部學院，廣西 南寧 530007）

云計算的虛擬化框架測試研究

庾邦

（廣西經(jīng)濟管理干部學院，廣西 南寧 530007）

針對云計算測試技術，設置虛擬化框架，運用自適應空閑時間預測策略，在虛擬機管理功能、信息收集模塊和負載均衡等技術的基礎上進行測試。測試結果表明：自適應空閑時間預測策略能在整體上提高預測的準確率，縮短響應速度，并且在測試參數(shù)的收集方面也相對簡單，為云計算測試提供可行性解決方案。

云計算；虛擬化；平臺即服務；框架測試

0 引 言

云計算是將計算機硬件資源和軟件資源以服務方式出售給用戶的技術，不僅能更好地滿足用戶需求，而且能夠根據(jù)資源實際消耗進行動態(tài)分配。國內(nèi)外對其研究大多集中在物理資源方面[1]，對于虛擬化資源的研究較少；但是，虛擬化技術是連接系統(tǒng)上下層中間件，增加耦合性和靈活性的關鍵架構，所以，對其的研究非常重要。基于此，本文從虛擬化框架角度，對云計算的測試進行了研究。

1 云計算體系中的虛擬化技術

虛擬化資源是云計算一個非常重要的技術特征，虛擬化資源主要是根據(jù)用戶實際需求動態(tài)分配硬件資源和軟件資源[2]，虛擬化技術可以在計算機底層硬件資源（磁盤、CPU、電源等）上建立一個抽象層，通過該抽象層為上層應用提供服務，該層主要起到了平衡利用硬件資源的作用。常見的資源虛擬化技術有存儲虛擬化、網(wǎng)絡虛擬化、計算虛擬化[3-4]。

2 云計算虛擬化框架測試設計思路

要實現(xiàn)資源負載變化自動分配資源需要用到預測技術。預測技術主要是指通過一定的原則與計算方法預先對目前應用程序運行情況以及資源使用情況做評估分析，從而預測下一個時間段資源消耗情況，其預測過程如圖1所示。

對于云計算能耗管理主要有4種策略[5]：貪婪策略、超時策略、自適應預測策略、指數(shù)平均策略。超時策略是指通過預測idle區(qū)間時間長度來判斷是否進行主機狀態(tài)切換的策略，即通過設置idle區(qū)間閥值來切換主機狀態(tài)；指數(shù)平均策略則指通過上一次預測空閑時間值和實際空閑時間值（平均值）來預測下一次空閑時間大小并進行主機狀態(tài)切換；自適應預測策略是引入動態(tài)調(diào)節(jié)因子來調(diào)整預測空閑時間與實際空閑時間之間的差異，實現(xiàn)預測時間段與實際空間時間段一致，該方法是對指數(shù)平均算法的改進[6-7]。

圖1 資源預測流程框架圖

3 云計算虛擬架構測試

3.1 云計算平臺部署

本云計算平臺主要由計算節(jié)點、控制器和客戶端組成?？蛻舳擞删钟蚓W(wǎng)中的主機群組成；控制器主要由計算服務、存儲服務、鏡像服務和WEB服務組成，且把控制器部署在同一臺機器上；計算節(jié)點則負責把控制器中的服務進行虛擬化和對外提供服務。

3.2 云計算平臺主要測試項目

平臺測試項目主要包括虛擬機管理功能、信息收集模塊、負載均衡、用戶定義負載上限和服務器功耗測試，并對測試結果進行分析[8]。

3.2.1 虛擬機管理功能測試

本文提供給用戶的管理頁面采用Horizon進行部署，首選輸入賬號和密碼登錄虛擬機管理頁面；在Web管理頁面中的Image中選擇launch按鈕創(chuàng)建虛擬機，系統(tǒng)會自動彈出輸入虛擬機名稱、用戶數(shù)據(jù)、鏡像類型的配置窗口，填寫完畢后系統(tǒng)自動啟動實例，完成實例啟動測試；接著對剛才創(chuàng)建的虛擬機（Ubuntu-test）進行詳細配置。

3.2.2 信息收集功能測試

信息收集測試主要是對傳感器信息、負載均衡信息、功耗信息的收集測試。傳感器采集的信息主要包括傳感器名稱、數(shù)值和單位，系統(tǒng)根據(jù)這些數(shù)值信息進行工作狀態(tài)合理性判斷，當傳感器采集到的數(shù)值顯示系統(tǒng)異常運行則進入判斷錯誤狀態(tài)；負載均衡信息收集是在Web管理Power Monitor頁面中，通過ospc-cc工具顯示Power和CPU Util參數(shù)變化情況。

3.2.3 負載均衡功能測試

啟動多臺虛擬機實例，將其分配到不同物理服務器上，通過性能最優(yōu)算法和節(jié)能最優(yōu)算法進行云計算負載均衡測試。若采用節(jié)能最優(yōu)算法時，虛擬機負載將集中在幾臺主機上，其他幾臺處于關機狀態(tài)；若采用性能最優(yōu)算法則各個物理主機負載基本接近。通過測試的服務器在工作時段基本處于運行狀態(tài)，而在夜間的7臺物理服務器中有4臺服務器處于關閉狀態(tài)，到了工作時段則自動開啟。

3.2.4 預測錯誤率測試與分析

1）預測算法參數(shù)設置。能耗測試目的是驗證自適應空閑時間預測策略在能耗中的作用，在進行能耗測試前需要搭建該測試的仿真環(huán)境。該仿真環(huán)境采用eclipse開發(fā)環(huán)境和Java開發(fā)編程語言，使用Random（）函數(shù)產(chǎn)生隨機空閑時間序列（包含：空閑時間的起始時間和持續(xù)時間），通過AdaptiveExponentialAverage（）函數(shù)和Greedy（）、Timeout（）、ExponentialAverage函數(shù)實現(xiàn)自適應空閑時間預測策略和結果比對策略，同時系統(tǒng)測試需要用到物理主機相關功耗參數(shù)。

在測試中采用N為5～30的步長來分別計算預測準確率，滑動窗口依次從5增加到30，使系統(tǒng)總時長為5000ms算出預測準確率，其平均結果如表1所示。

表1 兩次平均結果值

從表1可以看出，滑動窗口大小為15時，其預測準確率變動較小，能耗也是如此，這是由于N≤15時，基礎數(shù)據(jù)還不夠，預測不準確。因此，當滑動窗口大小為15時，既能保證預測準確率，又不占用太多的能耗。

2）預測錯誤率與性能分析。預測算法錯誤率是表征預測算法性能的重要指標，實驗采用一組隨機空閑時序，每個時間范圍控制在[1，100]中，預測初始值設置為10ms，窗口大小則采用N=15，根據(jù)預測錯誤率公式[9-10]：

式中：Rrate——預測錯誤率；

從圖中可以看出，自適應空閑時間預測策略錯誤率比較低，當空閑時序比較平穩(wěn)時自適應空閑時間預測策略和指數(shù)平均預測策略錯誤率都比較低，如空閑時間序列在17～28時，兩者的錯誤率都在20%以下；但當錯誤序列出現(xiàn)較大波動時，如在11～51時，兩者的錯誤率立即從10%上升到70%以上，然而，自適應空閑時間預測策略的錯誤率到一定值后又趨于平衡。

圖2 預測錯誤率對比

圖3 系統(tǒng)響應時間對比

圖4 系統(tǒng)總耗能對比

3.2.5 系統(tǒng)響應時間測試

系統(tǒng)響應時間反映的是云計算平臺執(zhí)行效率，是從提交請求到執(zhí)行結束所用的總時間。系統(tǒng)響應時間測試方法主要有自適應空閑預測策略、貪婪策略、超時策略、指數(shù)平均預測策略。本文對這些策略下的系統(tǒng)響應時間進行對比分析，分析這些策略在請求隊列長度分別為1 000，2000，5 000，10 000，20 000，50 000 ms下的性能情況，時間序列則采用Random（）函數(shù)生成，其范圍在[1，100]。4種策略仿真測試結果如圖3所示。

從圖3可以看出，貪婪策略比其他3種策略的系統(tǒng)響應時間更高，這與該策略處理機制有關：當系統(tǒng)沒有任何請求時會自動轉(zhuǎn)入休眠狀態(tài)，當出現(xiàn)一個請求，系統(tǒng)將從休眠狀態(tài)轉(zhuǎn)換到運行狀態(tài)，所以系統(tǒng)響應時間中包含了休眠狀態(tài)轉(zhuǎn)換為運行狀態(tài)轉(zhuǎn)換的時間。

3.2.6 系統(tǒng)節(jié)能效果測試

采用6種不同的請求隊列長度環(huán)境進行仿真測試，測試4種策略工作狀態(tài)轉(zhuǎn)為空閑狀態(tài)的耗能情況，結果如圖4所示。

從圖4可以看出，自適應預測策略的總耗能最低；超時策略進行超時閥值檢測后，主機需要一段時間從工作狀態(tài)轉(zhuǎn)換為休眠狀態(tài)；指數(shù)平均策略由于當預測空閑時間過短時不進行主機狀態(tài)切換，從而中間出現(xiàn)能耗浪費現(xiàn)象；貪婪策略在系統(tǒng)不存在請求時直接進入休眠狀態(tài)，若出現(xiàn)一個請求則立即轉(zhuǎn)入運行狀態(tài)，其運行耗能較低，但它是以犧牲系統(tǒng)響應時間作為代價進行節(jié)能。而自適應預測策略是根據(jù)歷史空閑時間動態(tài)分析與預測下一次空閑時間，能準確預測進行主機狀態(tài)轉(zhuǎn)換的時間，從而實現(xiàn)節(jié)能效果。

4 結束語

本文在討論云計算服務層、應用層、基礎實施層層級結構和虛擬化技術相關理論的基礎上，重點對虛擬化資源管理中的服務-資源映射模型、底層物理資源分配中的預測技術、虛擬機工作做了深入分析，然后通過部署具體云計算虛擬平臺進行虛擬環(huán)境下的虛擬機管理功能、主機預測錯誤率、主機系統(tǒng)響應時間、主機耗能等測試與分析，最終實現(xiàn)云計算的虛擬化框架測試，其測試結果達到了預期目的。

[1]Oluwaranti A， Onime C， Kehinde L，et al.A user identity management protocol for cloud computing paradigm[J].Int’l J.ofCommunications，Network and System Sciences，2011，4（3）：11-16.

[2]吳朱華.云計算核心技術剖析[J].人民郵電，2011，12（9）：32-35.

[3]Kitazume H，Koyama T，Kishi T，et al.Network virtualization technology to support cloud services.[J].IEICE Transactions，2012（8）：2530-2537.

[4]Padala P，Shin K G，Zhu X Y，et al.Adaptive control of virtualized resources in utility computing environments[C]∥Proceedings of EuroSys’07，2010：289-302.

[5]高翔.基于Xen的虛擬機動態(tài)遷移算法優(yōu)化[J].哈爾濱工業(yè)大學學報，2010，9（12）：4-10.

[6]Horvath T，Tarek F A，Skadron K，et al.Dynamic voltage scaling in multitier Web servers with end-toend delay control[C]∥.IEEE Transactions on Computers，2007：444-458.

[7]宋可為.云計算在電信業(yè)務平臺[J].北京郵電大學學報，2008，11（12）：20-40.

[8]鮑凌云，劉文云.云計算在電子政務系統(tǒng)中的應用研究[J].現(xiàn)代情報，2011（4）：170-173.

[9]黃琳娜，劉春立，唐麗芳，等.基于云計算的信息資源共享與測試[J].滄州師范學院學報，2012（6）：60-62.

[10]張新宇，羅賢春.基于協(xié)同學的信息資源共享與業(yè)務協(xié)同的協(xié)同模型及其測試[J].圖書情報工作，2011（1）：89-91.

Research of cloud computing virtual STC

YU Bang
（Guangxi Economic Management Cadre College，Nanning 530007，China）

In order to test cloud computing，virtualization framework was set up，and adaptive free time prediction strategy was used.It was tested on the basis of virtual machine，information collection module，and the load balancing technology.Results show that this testing method is more successful in the test parameter setting，energy consumption prediction accuracy，response time and it provides feasibility test solution for cloud computing related testers.

cloud computing；virtualization；PaaS；STC

TP301.6；TP311.5；TK012；TN911.7

：A

：1674-5124（2014)06-0117-03

10.11857/j.issn.1674-5124.2014.06.030

2014-01-07；

：2014-03-05

庾 邦（1980-），男，廣西桂林市人，高級講師，研究方向為云計算、網(wǎng)絡和教育管理。