基于綠色云計算的能耗優(yōu)化與資源分配研究

林天高 馬景奕

摘要：任務調(diào)度和資源分配是云計算的兩大關(guān)鍵技術(shù)，資源分配決定著資源使用規(guī)則，關(guān)系到云計算的執(zhí)行效率和并發(fā)處理能力。針對綠色云計算中的資源管理與調(diào)度過程，在Map Reduce調(diào)度模型基礎上，設計一種并行Map Reduce資源分配算法。實驗結(jié)果表明，該算法在能耗優(yōu)化和執(zhí)行時間方面都優(yōu)于Map Reduce算法。

關(guān)鍵詞：綠色云計算； 能耗優(yōu)化；動態(tài)資源分配

DOIDOI：10.11907/rjdk.161149

中圖分類號：TP303

文獻標識碼：A 文章編號：1672-7800（2016）005-0007-03

0 引言

近年來，物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、量子通信、深度學習等新技術(shù)層出不窮[1]。據(jù)權(quán)威雜志統(tǒng)計，數(shù)據(jù)中心的能耗成本已經(jīng)占到運營成本的50%[2]。云計算數(shù)據(jù)中心設施具有高彈性和虛擬化等特征。數(shù)據(jù)中心能量消耗嚴重，已經(jīng)成為影響云計算技術(shù)大面積推廣的主要障礙和難題[3]。通過應用云計算虛擬化技術(shù)，可以極大降低主要設備能耗[4]。

云計算平臺是一種基于云計算基礎設施和并行架構(gòu)、通過互聯(lián)網(wǎng)部署的、以服務形式交付的IT資源池[5-6]。云計算用戶可以在任何時間、任何地點，隨時隨地按需獲取計算、存儲、軟件、應用、網(wǎng)絡等各種IT資源。

1 云計算基本特征及應用

云計算是在網(wǎng)格計算技術(shù)的基礎上逐漸發(fā)展起來的，在全球范圍內(nèi)已經(jīng)得到廣泛應用。云計算是大數(shù)據(jù)在21世紀的典型應用，其以IT資源交付、共享為核心，是一種IT資源配置、交付和管理模式的創(chuàng)新，其資源的匯聚、交付、共享、管理都是基于云計算平臺展開[7]。 云計算技術(shù)是以服務為導向的商業(yè)模式創(chuàng)新，以服務模式創(chuàng)新為核心理念和發(fā)展模式。

云計算若按照行業(yè)應用分類可以歸納為：教育云、醫(yī)療云、金融云、工業(yè)云、政務云等[8]。教育云是指在教育領(lǐng)域，以云計算技術(shù)為依托，在現(xiàn)代遠程網(wǎng)絡教育的基礎上，通過構(gòu)建區(qū)級/縣級數(shù)據(jù)中心，而構(gòu)建起來的一種新型泛在學習模式。教育云通過有效整合軟硬件教育資源，對教師的教學能力和學生的學習方式都是一個巨大的變革。醫(yī)療云是在醫(yī)療護理領(lǐng)域采用云計算相關(guān)技術(shù)和服務理念構(gòu)建醫(yī)療保健服務系統(tǒng)。政務云是云計算在政府門戶網(wǎng)站建設、政務領(lǐng)域應用的系統(tǒng)建設 [9]。金融云是指利用云計算技術(shù)將金融機構(gòu)的數(shù)據(jù)中心與客戶端應用整合到云計算體系架構(gòu)之中，達到降低運營成本的目的[10-11]。

2 能耗優(yōu)化與資源分配

云計算的對象規(guī)模大，資源與用戶需求各異，且數(shù)量巨大，所以系統(tǒng)每時每刻都要處理海量數(shù)據(jù)，任務調(diào)度和資源分配是云計算的重點和難點，更是云服務質(zhì)量高低的重要影響因素。云計算中的資源分配和調(diào)度是云計算研究的關(guān)鍵問題之一。

云計算資源調(diào)度通常根據(jù)一定的資源使用規(guī)則，在不同資源使用者之間進行資源調(diào)度和任務分配。目前，資源調(diào)度策略大多數(shù)通過虛擬機級別上的調(diào)度技術(shù)結(jié)合一定的調(diào)度策略為虛擬機內(nèi)部應用作資源調(diào)度。由于這些調(diào)度算法的時間復雜度和空間復雜度比較高，導致算法運行效率比較低，算法整體性能不理想。傳統(tǒng)資源分配方法大都采用預分配的靜態(tài)資源調(diào)度算法，這種算法已經(jīng)不適應云計算資源的異構(gòu)性、動態(tài)性等特征，而且資源負載能力是動態(tài)變化的。國內(nèi)外云計算資源分配領(lǐng)域研究主要集中在啟發(fā)式仿生算法、負載均衡機制與時間跨度最小化原則、能耗最小化與能耗均勻化管理等方面。圖1為 Map Reduce 調(diào)度模型。

（1）Job Tracker 兩個主要的功能分離成單獨的組件，分別用來進行資源管理和任務調(diào)度/監(jiān)控。

（2）資源管理器將系統(tǒng)調(diào)度過程中的所有資源進行全局管理，并對所有資源進行分配，每一個應用的 Application Master 主要負責相應的資源調(diào)度和協(xié)調(diào)等基本工作。一個應用程序是一個單獨的傳統(tǒng)的 MapReduce 任務或者是一個 DAG（有向無環(huán)圖）任務。

（3）每一個應用的 Application Master 是一個詳細的框架庫，它結(jié)合從 Resource Manager 獲得的資源和 Node Manager 協(xié)同工作來運行和監(jiān)控任務。

（4）Resource Manager 支持分層級的應用隊列，這些隊列集群一定比例的資源，根據(jù)資源的計算能力和動態(tài)負載能力分配適量的計算任務到該節(jié)點上，分配結(jié)束后將自動從任務等待隊列中刪除任務。同樣，它不能重啟因應用失敗或者硬件錯誤而運行失敗的任務。Resource Manager 是基于應用程序?qū)Y源需求進行調(diào)度，每一個應用程序需要不同類型的資源，因此需要不同的容器。

3 實驗測試與結(jié)果分析

針對綠色云計算中資源管理與調(diào)度過程，在Map Reduce 調(diào)度模型基礎上，本文設計了一種并行Map Reduce資源分配算法（Parallel Map Reduce Resource Allocation Algorithm， PMRRAA）。PMRRAA算法的實現(xiàn)步驟如下：

步驟1：獲取云計算系統(tǒng)中計算節(jié)點相關(guān)性能參數(shù)；

步驟2：根據(jù)用戶訪問請求獲取資源需求參數(shù)；

步驟3：利用Map Reduce資源分配過程，并發(fā)訪問云計算系統(tǒng)各個計算節(jié)點；

步驟4：在云計算系統(tǒng)中選擇計算節(jié)點參數(shù)符合資源需求參數(shù)的計算節(jié)點，并將所選計算節(jié)點的資源分配給所述用戶，用于執(zhí)行相應的訪問請求。

步驟5：將用戶請求從等待隊列中刪除，資源分配結(jié)束。

本文利用CloudSim澳大利亞墨爾本大學網(wǎng)格實驗室云計算仿真軟件CloudSim，對PMRRAA算法和Map Reduce算法者性能進行比較。

圖3為兩種算法的能耗對比，圖4為兩種算法系統(tǒng)執(zhí)行時間比較。通過圖3實驗結(jié)果，不難看出：本文設計的PMRRAA算法的能耗少于Map Reduce算法。圖4中，PMRRAA算法的執(zhí)行時間也比Map Reduce算法少，當系統(tǒng)的任務數(shù)量急劇增大后，這種優(yōu)勢表現(xiàn)得更加明顯。