云環(huán)境下基于遷移的虛擬機集群優(yōu)化算法

季莉莉，李　燁

(上海理工大學 光電信息與計算機工程學院，上海200093)

?

云環(huán)境下基于遷移的虛擬機集群優(yōu)化算法

季莉莉，李燁

(上海理工大學 光電信息與計算機工程學院，上海200093)

針對云環(huán)境中虛擬機集群負載不均衡問題，提出一種基于虛擬機遷移的集群優(yōu)化算法。通過對節(jié)點負載的實時監(jiān)測，動態(tài)調整各種資源的權重，根據資源權重選擇可最大程度降低主機負載的虛擬機進行遷移。該算法利用預測機制，消除主機資源利用率的臨時越界引起的不必要的虛擬機遷移。在選擇目標節(jié)點時，采用多目標決策法，兼顧多資源匹配率，服務級目標違背率(SLA)等多種管理目標。實驗結果表明，與同類型的負載均衡算法相比，該算法能減少遷移次數，降低SLA違背率。

云環(huán)境；虛擬機遷移；負載均衡

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

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

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

虛擬機遷移過程主要涉及觸發(fā)遷移、選擇遷移虛擬機以及安置虛擬機3個過程。傳統(tǒng)的虛擬機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遷移；(2)在對負載建模時，傳統(tǒng)算法通常會按CPU利用率、內存利用率以及帶寬利用率三者的乘積進行建模。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；(3)在選擇目標節(jié)點時，傳統(tǒng)的方法是選擇負載最輕，性能最佳的物理機作為宿主機。這種方法管理起來比較方便，但現(xiàn)實中主機的各種資源利用率差異較大且隨時間不斷波動。當虛擬機遷移到目標節(jié)點時可能導致目標節(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)匹配的虛擬機遷移算法。

目前已有很多有關負載均衡的研究。VMWare的DRS是系統(tǒng)均衡度觸發(fā)虛擬機遷移的一種動態(tài)調度算法，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)情況導致的SLA違例場景處理時間長。傳統(tǒng)負載均衡算法采用門限觸發(fā)能夠減少SLA(Service Level Agreement)違例，它在構建虛擬機負載時會給虛擬機的CPU、內存和帶寬分配固定的權重。主機負載為其上虛擬機負載的疊加，當主機負載到達設定的門限值時觸發(fā)遷移算法，將虛擬機從高負載節(jié)點遷移至低負載節(jié)點。然而，首先這種方法忽略了云計算環(huán)境下主機資源是隨時間動態(tài)變化的，不同主機過載情況不一致等因素。文獻[6]提出的一種虛擬機遷移調度策略，實時采集各種資源利用率作為性能參數，與其對應閾值進行對比，避免單一參數造成的誤差。文獻[7]采用多閾值的方式，兼顧了負載均衡及節(jié)能省電。文獻[8]提出一種基于網絡拓撲感知的并行遷移法，能有效縮短負載均衡響應時間。文獻[9]在觸發(fā)遷移后采用概率轉發(fā)方式選擇目的節(jié)點，解決群聚沖突問題。文獻[10]在虛擬機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行虛擬機遷移。文獻[11]借鑒蟻群算法中的信息素思想進行主機搜索，設計信息素更新規(guī)則，得到虛擬機列表及目的主機列表，從而進行匹配遷移。

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

1　遷移算法設計

1.1觸發(fā)遷移

采用門限觸發(fā)結合預測機制的方式，當主機的負載到達設定門限時，對其未來多個負載值進行觀測。若觀測值中絕大多數都達到門限值則對其下一個負載值進行預測。當預測值高于門限值時，觸發(fā)遷移算法，這有效減少了遷移次數，降低遷移成本。

1.2選擇待遷移虛擬機

當主機節(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進行遷移，直到節(jié)點pi不滿足遷移觸發(fā)條件。由于主機節(jié)點上各種資源的利用率各不相同，因此，根據主機節(jié)點資源利用率的動態(tài)變化對每種資源分配對應的權重，用權重矩陣來表示

W=(wC,wM,wB)

(1)

(2)

其中，source表示CPU、內存及帶寬資源中的一種。

構造理想遷移虛擬機

Videal={rCPU,rMEN,rBW}

(3)

(4)

公式表示結合各種資源的權重，尋找最接近Videal的虛擬機vij進行遷移。若主機節(jié)點仍處于過載狀態(tài)則重復以上過程，直到該節(jié)點不再過載。

1.3遷移放置方案設計

找到待遷移虛擬機后，要根據該虛擬機的負載特征為其尋找最佳宿主機。這里兼顧服務質量以及資源匹配度兩種目標選擇目標節(jié)點。將兩種指標統(tǒng)一為增益型指標。主機CPU使用率越高，其SLA違背率就越大。定義服務質量指標為

(5)

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

(6)

(7)

(8)

其意義即尋找接近Pbest且遠離Pworst的物理機Pi進行虛擬機放置。

2　實驗分析

為驗證本算法的有效性，設計了對比仿真實驗。首先建立一個有多臺主機和虛擬機數據中心。主機CPU、內存和帶寬配置統(tǒng)一參數，虛擬機采用不同資源種類規(guī)格。

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

2.1實驗參數選定分析

選取VMware DRS算法作為對比算法，對兩種算法的均衡度、遷移次數與服務級目標違背率進行對比分析。VMware DRS算法根據系統(tǒng)實時監(jiān)控的各個主機節(jié)點資源利用率信息，計算整個集群范圍內的不均衡度并與遷移門限比較，若達到遷移門限則進行下一步的遷移安置。本文提出的算法是根據實時監(jiān)測的各個主機節(jié)點的資源利用率與設定門限值作比較，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)門限值的設定，圖1為VMware DRS算法的系統(tǒng)均衡度門限設定與最終均衡度和遷移次數之間的關系。

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置為0.12，某一類資源的負載均衡度為

(9)

(10)

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

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%時已經明顯優(yōu)于VMware DRS算法。圖3為兩種算法在遷移次數上的比較。

圖3　不同算法的遷移次數對比

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

圖4　不同算法的服務級目標違背率對比

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

綜合負載均衡度、遷移開銷和服務質量，當門限值設定在75%左右時，本算法相較于DRS算法在多種指標值上性能均有所提升。

3　結束語

本文設計的虛擬機遷移算法通過對主機資源的實時監(jiān)測，動態(tài)調整資源權重，根據不同資源的權重進行虛擬機的選擇和放置，大幅提高了資源利用率。采用雙重目標決策的方法在實現(xiàn)負載均衡的同時兼顧服務質量的提升，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)定結合，進一步優(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)境下的虛擬化技術探析[J]. 華中科技大學學報:自然科學版,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]劉進軍,陳桂林,胡成祥. 基于負載特征的虛擬機遷移調度策略[J]. 計算機工程, 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.基于虛擬機遷移的虛擬機集群負載均衡策略研究[J]. 微電子學與計算機,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)境下面向負載均衡的分布式虛擬機遷移研究[J].計算機應用與軟件,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，碩士生導師。研究方向：信息融合，機器學習。

TP301.6

A

1007-7820(2016)08-117-04