一種混合云環(huán)境下SLA約束的云資源調度方法

徐曉峰，徐勁松

（1.中國移動通信集團江蘇有限公司，江蘇南京210003；2.南京郵電大學通達學院，江蘇南京210003）

運營技術廣角

一種混合云環(huán)境下SLA約束的云資源調度方法

徐曉峰1，徐勁松2

（1.中國移動通信集團江蘇有限公司，江蘇南京210003；2.南京郵電大學通達學院，江蘇南京210003）

混合云提供了一種本地資源不足以向公有云申請資源的靈活做法，但使用哪一個公有云服務或者如何選擇公有云服務需要仔細斟酌。提出一種基于SLA約束的云資源調度方案。該方案將向外部云調度的關鍵SLA度量看作用戶的滿意度和最低代價，并將這些SLA分量進行量化比較，以動態(tài)調整內(nèi)部云資源無法服務而需要向外調度資源的情況。實驗結果表明，該方案能夠實現(xiàn)成本和實時性的最大滿意度。

云計算；資源管理；高效調度；服務等級協(xié)議

1 引言

互聯(lián)網(wǎng)上爆炸式增長的行業(yè)數(shù)據(jù)處理需求的出現(xiàn)，要求企業(yè)在軟硬件以及服務支持上做更大的投資。云計算提供了一種替代方案來取代企業(yè)自身購買軟硬件和基礎設施構建大型數(shù)據(jù)中心的傳統(tǒng)做法。但遷移到云計算環(huán)境并不意味著企業(yè)會拋棄原有的基礎設施投資，通常企業(yè)會將關鍵數(shù)據(jù)、關鍵應用任務部署到私有云環(huán)境中替代原有的架構。根據(jù)效益最大化的原則，當私有云不足以滿足企業(yè)計算需求時，有必要購買外部公有云的服務以滿足溢出的計算需求。這種包含私有云和公有云的混合模式稱為混合云（hybrid cloud）［1，2］。在這種情況下，可以將企業(yè)自有的私有云看作企業(yè)的固定成本，而即買即用的外部公有云服務就是企業(yè)可能支付的可變成本。為了達到企業(yè)收益的最大化，在私有云資源有空余的情況下，盡量將計算限定在私有云完成，只有自身資源不足以滿足現(xiàn)在計算需求時，才使用外部的公有云服務。

為了管理私有云與公有云組成的混合云，參考文獻［3］針對私有云與混合云提出了虛擬基礎設施管理的解決方案，其關鍵組件在混合云實現(xiàn)。參考文獻［4］將混合云中的負載分為基本負載和進入負載，基本負載是處理私有數(shù)據(jù)所產(chǎn)生的負載，使用公有云處理進入負載，將一般的負載問題轉化為一個超圖分割問題［5］進行求解。參考文獻［6］在Hadoop MapReduce中使用遺傳算法對任務進行調度。參考文獻［7］使用SOA架構的調度方法，通過定義成本函數(shù)實現(xiàn)最小代價的調度。參考文獻［8］著重于穩(wěn)定性、靈活性和安全的負載均衡實現(xiàn)。參考文獻［9］在網(wǎng)格中通過測量QoS來實現(xiàn)啟發(fā)式的調度。以上方法都具有一定的優(yōu)越性，但要么并不適合在混合云環(huán)境中應用，要么很難實現(xiàn)SLA約束。

本文提出一種稱為“混合云環(huán)境中SLA約束的自適應調度”（adaptive scheduling with SLA satisfaction in hybrid cloud environment，ASS）算法，以解決混合云的調度問題。通過執(zhí)行時間的預判和動態(tài)規(guī)劃的方法，調度算法可以實現(xiàn)SLA約束下對資源的最佳配置；算法試圖最大化私有云的資源利用率，僅在資源不足的情況下向公有云請求調度，實現(xiàn)該算法的經(jīng)濟性。實驗結果表明，該算法能夠有效降低子任務的等待、執(zhí)行時間，較好地保障了云資源調度的經(jīng)濟性。

2 ASS算法的設計和建模

2.1 混合云中SLA約束下的自適應調度

為保證混合云環(huán)境下請求的SLA，首先處理私有云的負載問題。算法試圖將最主要的工作交由私有云完成，也即在相同的條件和常規(guī)操作成本下，盡最大可能將工作部署給私有云，以避免額外費用的產(chǎn)生。為了最大化私有云的資源利用率，該問題可以看作一個NP完全的背包問題。使用執(zhí)行時間估計和動態(tài)規(guī)劃可以實現(xiàn)適當?shù)膿屨际秸{度，得到一個近似最優(yōu)解。

當私有云已經(jīng)達到最大負載時，新的計算請求將使用外部資源完成，這時混合云可以處理有限的SLA約束下的運算調度，避免SLA違約。新的請求將動態(tài)部署到公共云中，同時算法需要保證用戶支付的費用維持最小的代價。本文通過成本函數(shù)計算租用的公共資源代價，該問題也可以映射到一個NP完全問題，使用動態(tài)規(guī)劃，可以解出一個最小成本的近似最優(yōu)解。

該混合云環(huán)境下的調度系統(tǒng)架構如圖1所示。用戶通過代理或者其他方式向私有云請求資源，允許用戶對于應用的性能、成本等偏好進行選擇。調度系統(tǒng)部署在私有云中的主節(jié)點。

圖1 混合云環(huán)境調度示意

調度系統(tǒng)沿用Hadoop的做法，初始化可調度資源為固定大小的插槽（slot），這些插槽有一些共同的信息，如可用數(shù)據(jù)大小、可執(zhí)行代碼大小以及數(shù)據(jù)本地化等。當一個新的任務請求到達時，調度器就被觸發(fā)。調度器首先將請求的作業(yè)分為可并行執(zhí)行的任務，然后用插槽的大小來估算每個任務的執(zhí)行時間和調用外部云資源的代價，最后使用動態(tài)規(guī)劃的方法通過成本和調度時間的約束進行調度。調度算法試圖在滿足SLA約束的情況下實現(xiàn)成本最優(yōu)。子任務可能分配到私有云，也可能分配到公有云。

2.2 形式化描述

為了更好地說明該自適應調度算法，將具體的SLA目標抽取出來進行定義。

定義1定義用戶請求的任務i為Taski=｛Vi1，Vi2，…，Vin，…，Vij}，1≤n≤j，其中Vin表示任務i的第n個子任務。

定義2定義用戶請求的基本單位為子任務，第i個任務的第j個子任務表示為Vij=｛Ti，VCij，VDij，Ci}。其中，Ti表示子任務的時間約束，應用需要在此時間內(nèi)交付給用戶，否則將產(chǎn)生違約；VCij表示子任務的代碼大小，單位為MIS（百萬指令）；VDij表示子任務的數(shù)據(jù)大小，單位為MB；Ci表示租用公有云的代價，用戶可以在SLA中約束預算。

本文使用WFG［7］來描述子任務間的關系，子任務之間的關系可以看作一個DAG，其中頂點表示子任務，子任務間的優(yōu)先關系用有向線段表示。WFG使用4種狀態(tài)跟蹤調度的情況，分別為阻塞、準備、執(zhí)行、完成。

為了簡化子任務工作量的計算，將子任務分為同樣的大小，如果出現(xiàn)子任務過大不能分割的情況，可以將子任務理解為串行的幾個子任務。

定義3定義PrRk=｛Prμk，Lk，DSk}為編號為k的私有資源插槽。其中，Prμk表示虛擬資源插槽的計算能力，其單位為MIPS（百萬指令/s）；Lk=｛Vij}表示子任務Vij分配到私有插槽k中的信息副本，分配的過程是自動而隨機的，僅表示該資源插槽k可以查詢到Vij的信息；DSk表示私有插槽k的磁盤速度，其單位為MB/s，用來指示數(shù)據(jù)讀寫的速度，在調度數(shù)據(jù)分配的時候不可用。

在本系統(tǒng)模型中，規(guī)定一個資源插槽在同一時刻只能運行一個子任務，插槽是虛擬機組成的最小單位。因此，實體機形成的虛擬機包含的插槽數(shù)目由實體機的CPU核心數(shù)來規(guī)定。如實體機的CPU是4核的，則在該實體機上生成的每一個虛擬機盡量包含4個插槽。如果一臺機器生成的資源插槽超過了CPU的核心數(shù)目，該資源插槽的效率將迅速減弱。

定義4定義PuRq=｛Puμq，cCq，cDq，ctiq，ctoq，NB}為公有云提供的編號為q的資源插槽。其中，Puμq表示計算能力，單位為MIPS；cCq表示計算價格，單位是元/MIS；cDq表示存儲價格，單位是元/MB；ctiq表示數(shù)據(jù)復制到插槽的價格，單位是元/MB；ctoq表示數(shù)據(jù)從插槽復制出去的價格，單位是元/MB；NB表示網(wǎng)絡帶寬，其影響需要調度的子任務數(shù)據(jù)在插槽間的傳輸時間，其單位為MB/s。

從定義4可以看出，公有云用計算能力報價的形式給出了對計算單元的SLA約束。租用的公共資源可以定義為具有不同定價策略而形成的額外費用。實際上由于私有云的私有屬性，可以認為私有云的操作和維護成本一直固定。則混合云中的成本變化主要在租用公有云資源時產(chǎn)生。對于不同的公有云，雖然其SLA模板或者定價策略不同，但服務商不會隱藏其報價，可以較容易地構建成本函數(shù)。

定義3和定義4反映了私有云或公有云的不同計算能力，其取決于不同的CPU速度和內(nèi)存容量。

定義5定義為資源需求權重，表示任務i在資源槽中的分布率。其中，N為任務i的子任務數(shù)量。

調度器可以根據(jù)先算出的資源權重大小決定每個任務需要分配多少資源。

通過以上定義與描述，在IaaS層進行的混合云調度可以描述為規(guī)劃問題：在現(xiàn)有私有云資源和外部云資源使用價格可知的情況下，如何分配需要調度的子任務才可以使得私有云上的資源得到最大化利用，并且使用外部資源的代價最小。問題的目標是在滿足任務SLA的前提下，最大化任務完成的效用。

2.3 基于實時性和價格的調度

一般的SLA都會就執(zhí)行時間（execution time）、可靠性（reliability）、可用性（availability）、聲譽（reputation）、價格（price）等做出規(guī)定。在本文描述的混合云環(huán)境中，用戶應用是向私有云提交。雖然用戶也需要與該私有云進行SLA協(xié)商并簽訂協(xié)議，但服務選擇的過程已經(jīng)完成，用戶最終關心的是支付的價格和服務的滿意程度。而且由于該私有云在子任務路徑上已經(jīng)占有了關鍵節(jié)點——用戶接口，因此可以假設該私有云在盈利的情況下接受用戶請求，或者用戶不得不選擇該私有云完成應用。

在混合云環(huán)境下，普通用戶在選擇某一應用時其實已經(jīng)選擇了服務的關鍵節(jié)點，對可靠性、可用性、聲譽等都做了經(jīng)驗判斷并選擇接受，而對于價格，可能選擇包月等套餐形式支付，執(zhí)行時間也僅以用戶體驗為主。而在私有云通過自身調度就能完成應用的情況下，可靠性、可用性、聲譽等都是有保證的，代價是私有云支付的固定成本，從投資角度看不需要考慮，用戶僅需要考察是否能保證應用的實時性。當私有云需要調度外部的公有云共同完成應用時，需要選擇支付成本最少的公有云進行調度。因此，混合云環(huán)境下的SLA約束主要體現(xiàn)在應用對私有云的實時性要求和私有云調度公有云資源的代價問題。

混合云調度問題簡化為一個背包問題，該問題已被證明是一個NP完全問題。以下根據(jù)定義1～定義4列出調度的模型為：

以上的規(guī)劃問題可以看作一個0-1背包問題，可以使用啟發(fā)式貪婪算法來求得一個近似的最優(yōu)解。

2.4 調度步驟

以上問題中，私有云和公有云的調度有不同的目標。對私有云而言，如何最大化利用現(xiàn)有資源是最值得關心的問題；而公有云的問題是如何最小化租用的成本。

當新的任務到達調度器時，將所有未完成的任務放置到調度池中等待調度，而執(zhí)行完的任務需要移出調度池，具體調度步驟如下。

（1）基于權重的子任務分配

當新的任務到達調度器時，使用Facebook的公平算法將調度請求分配到資源插槽，其方法是將剩余的資源平均分配給同時到達的資源請求。但這種方法可能會導致需要資源多的請求不能獲得更多資源，因此需根據(jù)資源需求權重，計算每一個任務需要分配多少資源到插槽上。分配步驟假設任務全部分布在私有資源插槽，計算將會產(chǎn)生多少子任務副本數(shù)量及分布情況，最后形成的分布記為集合NR（k）。

（2）計算不同插槽的估計完成時間

對每一個插槽k計算EEt［k，ij］+Est［k］。如果得到的估計完成時間已經(jīng)高于SLA給出的時間約束Di，則該插槽將不運行子任務Vij。所有滿足子任務Vij時間約束的插槽形成一個候選集U，這個候選集成為以后確定是否需要調度公有云資源的依據(jù)。如果候選集的插槽數(shù)目少于調度池中需要調度的子任務數(shù)量，為滿足SLA中的時間約束，需要調度公有云的資源。

（3）用動態(tài)規(guī)劃方法進行候選插槽調度

在候選集確定的情況下，根據(jù)最小執(zhí)行時間的原則將子任務分配給資源插槽。受到分配的數(shù)據(jù)位置、網(wǎng)絡帶寬、插槽計算能力的影響，即使是相同的子任務和插槽，子任務分配位置的不同也會造成執(zhí)行時間的不同。如子任務Vij開始時分配到插槽k上，但插槽q計算出的估計完成時間比插槽k短，這時將子任務轉移到插槽q上運算會帶來傳輸時延。由于規(guī)劃的目的是使用最小的執(zhí)行時間完成子任務，因此在需要進行子任務遷移時需要計算傳輸時延。具體算法如下。

算法1最小完成時間約束的私有插槽選擇

輸入：分配Vij的插槽分布NR（k）

輸出：滿足最小完成時間的Vij與插槽對應關系Z

for each task Vij

for each k∈NR（k）

｛計算Est［k］←VCij［k］remain/Prμk；

if（Vij∈Lk）Dtt←0；

else Dtt←VDij/NB+2·VDij/DSk；

計算EEt［k，ij］=VCij/Prμk+Dtt；

if（Est［k］+EEt［k，ij］≤Di）U←NR（k）；}

for each k∈U

Est［k］←Est［k］-EEt［k，ij］；

Matrix Z［N·M］←Min｛Est［k］}；

（4）在插槽的等待隊列中選擇可以轉移的運算子任務

私有資源插槽中被選擇但還沒執(zhí)行的子任務也可以在公有云中執(zhí)行。每一個任務有其不同的特點，有的任務需要處理大量數(shù)據(jù)，但執(zhí)行程序很短，有的任務執(zhí)行程序很長，但只要處理很少的數(shù)據(jù)。當新的任務需要調度而私有云資源緊張時，對步驟（3）已安排的子任務進行重新檢查，也許可以找出既滿足SLA時間約束，又有較少支出到公有云代價的子任務。判斷該隊列中的子任務是否能夠遷移到公有云的方法是計算隊列中每一個子任務從私有云到公有云的數(shù)據(jù)傳輸時間，看其是否滿足SLA的時間約束。具體算法如下。

算法2等待子任務隊列的重選擇算法

輸入：等待子任務隊列Q，公有云插槽集合PRq

輸出：可以轉移到公有云執(zhí)行的子任務集合P

for each task Vij∈Q｛

for each q∈PRq

｛計算Dtt←VDij/NB+2·VDij/DSk；

計算EEt［k，ij］=VCij/Prμk+Dtt；

if（EEt［q，ij］≤Ti）P←Vij；

}

}

（5）按最小代價的原則選擇公有云插槽

該步驟的算法類似于步驟（3），最小化時間換成最小化代價作為動態(tài)規(guī)劃的目標。首先用完成時間約束查找可選的公有云插槽集合PRq，然后針對該集合找出最小代價組合。具體算法如下。

算法3最小代價的公有插槽選擇

輸入：公有云執(zhí)行的子任務集合P，可選公有云插槽集合PRq

輸出：滿足最小代價的Vij與插槽對應關系R

for each task Vij∈P｛

for each q∈PRq｛

PRq←Vij；

Matrix R［N·M］←Min｛CostF}；

}

}

3 實驗結果與對比分析

為了驗證ASS算法的有效性，本文在CloudSim下設計實驗。使用的硬件環(huán)境為Intel酷睿2 Quad 3.2 GB CPU，二級緩存6 MB×2，4 GB內(nèi)存。軟件環(huán)境為Windows7，使用Eclipse 4.2下配置的ClousSim3.0.1完成實驗。為了驗證算法的有效性，將ASS算法調度與FIFO、公平調度算法進行比較。

首先在CloudSim環(huán)境下建立數(shù)據(jù)中心代表私有云，該數(shù)據(jù)中心設置為1 000 MIPS的計算能力，5 GB內(nèi)存，1 TB的存儲空間和10 Gbit/s的帶寬。以下實驗中，數(shù)據(jù)中心分布到100個插槽（VM）中，每個插槽有5 GB的存儲、512 MB內(nèi)存和1 Gbit/s的帶寬以及運算能力為10～50 MIPS的1個CPU核心。同時設置用戶提交的子任務有200～400 MB的文件、20～40 MB的輸出速度以及400～1 000 MIS的計算量。

3.1 時延評價

本實驗對使用ASS、FIFO調度和公平調度的執(zhí)行時間（指子任務從開始執(zhí)行到執(zhí)行完成的時間）、等待時間（指子任務從到達隊列等待到任務開始執(zhí)行的時間）、完成時間（指子任務從請求直到最后完成的時間）進行評價。設置需要調度的子任務分別為50個、100個、200個和500個，并不考慮公有云資源的參與情況。仿真結果如圖2所示。

從圖2中可以看出，申請子任務很多的情況下，ASS可以比FIFO和公平調度的等待時間、執(zhí)行時間和完成時間都更少。實際上，在計算資源需求和數(shù)據(jù)量相同的情況下，分配更多的計算資源能表現(xiàn)出更短的計算時間，而ASS方法使用估計最小完成時間的方法來分配更強大的資源給子任務，因此執(zhí)行時間較短。而對多個子任務請求的情況，ASS算法使用資源需求概率來克服等待時間的浪費，相對來說，資源插槽和子任務相同的情況下，執(zhí)行時間更短。ASS算法的完成時間更短，云資源供應商可以具備更多的盈利能力，對用戶來說，能得到更實時的反饋和響應。

圖2 子任務等待時間、運行時間和完成時間

3.2 SLA滿意度測量

定義SLA滿意度為SR=k/n，其中SR為調度的滿意度，k為在約定時間內(nèi)完成的子任務的數(shù)量，n為提交到資源的子任務數(shù)量。對幾個算法的調度效率和可靠性進行比較，假設在未完成全部子任務的情況下，仍供應資源直到所有子任務結束。圖3顯示了請求200個子任務，并人為設置30 s為調度的SLA約定時間，并在資源相同的情況下3種算法的比較情況。結果顯示，ASS的算法具有更好的調度滿意度。圖4設置500個子任務，SLA約定時間為170 s。圖5設置700個子任務，同時SLA約定的時間為250 s?？梢钥闯觯珹SS算法的滿意度明顯較其他算法更高。

實際上，由于ASS算法設計的目標是最大化利用私有云資源，具有最小任務執(zhí)行時間的子任務將被優(yōu)先選擇執(zhí)行，這里試圖最小化任務等待時間、執(zhí)行時間和數(shù)據(jù)傳輸間隔等不同類型的任務，以降低總的任務執(zhí)行時間，以達到更好的SLA滿意度。

圖3 200個子任務下的SLA滿意度曲線

圖4 500個子任務下的SLA滿意度曲線

圖5 700個子任務下的SLA滿意度曲線

3.3 成本分析

此實驗加入公有資源插槽的調度，以保證任務能在SLA約束下執(zhí)行。對公有資源插槽的代價是此實驗分析的目標。實驗設計了200個、500個、700個子任務，并通過改變SLA限制的方式進行測試。同樣將SLA限制表現(xiàn)為任務完成時間，并測試從寬松到嚴格的變化數(shù)據(jù)。實驗結果如圖6～圖8所示。

圖6 200個子任務下的成本比較

圖7 500個子任務下的成本比較

圖8 700個子任務下的成本比較

圖6、圖7和圖8反映出在嚴格限制SLA的情況下，3種算法的成本基本相同，這是由于在嚴格限制的情況下，私有云能完成的子任務數(shù)量相對有限，只能大量使用公有云資源進行計算，以便完成所有的計算需求，3種算法最終趨向于在沒有私有云資源的情況下，應用完全由公有資源完成。實際上ASS算法不僅會在資源過載的情況下選擇公有資源，在子任務被分配的情況下也會主動檢查是否可以調度一些低成本的任務到公有資源插槽上運行，以最大化利用私有云資源。

3.4 與其他調度方法的比較驗證

將ASS算法與其他調度方法的功能和特點進行比較，比較結果見表1。

選擇參考文獻［11］中的算法對3個實驗再進行對比，COS方法是使用二進制整數(shù)規(guī)劃的方式進行外部云資源的調度。實驗設置與以上3個實驗相同。實驗結果如圖9～圖11所示。

從圖9可看出，ASS算法較COS方法需要更多的代價來完成應用，這是因為ASS算法更側重響應時間的優(yōu)先，而COS方法考慮了整個SLA的其他因素。從圖10可以看出，ASS算法在運算和完成時間上較COS方法更優(yōu)。

實際上，圖9的比較本身隱含了ASS算法向外部資源請求的代價，由于ASS算法盡量保證內(nèi)部資源的分配優(yōu)先，在代價方面要比COS方法更多。從圖11可以看出，要達到同等滿意度，COS方法需要的執(zhí)行時間比ASS算法更長，而SLA滿意度是指任務在內(nèi)部資源被調度的比例，假設內(nèi)部資源和云代理處于同一私有云，而內(nèi)部資源的成本為固定成本的情況下，將內(nèi)部資源的代價相對于外部資源的代價取極小值，應該可以得到ASS算法的代價比COS方法代價更小的結論。

圖9 ASS與COS執(zhí)行代價的比較

圖10 不同子任務下執(zhí)行時間和完成時間的比較

圖11 ASS與COS的SLA滿意度比較

表1 ASS與其他算法的對照比較

以上實驗反映了ASS算法能夠以極小的外部資源代價更好地保障用戶應用的SLA約束，以保證應用完成的可靠性。

4 結束語

混合云結合了私有云安全、穩(wěn)定以及公有云靈活、安全、經(jīng)濟的優(yōu)點，是未來云計算的研究熱點。根據(jù)混合云的特殊性，使用SLA約束的自適應調度，實現(xiàn)對成本和響應時間的最大滿意度。算法使用估計執(zhí)行時間和動態(tài)規(guī)劃方法來實現(xiàn)私有云資源的最優(yōu)化分配，以最大化利用私有云資源并滿足SLA約束。實驗表明，相較于其他調度算法，該算法能夠較好地降低資源端的子任務等待、執(zhí)行和完成時間，最大程度滿足用戶的SLA約束，且降低應用完成的成本支出，可以有效保障應用的可用性和可靠性。

［1］PRAHALAD H A，TALUKDER A，PARDESHI S，et al.Phoenix：system for implementing private and hybrid cloud for OMIC sciences applications［C］/The Conference on 2010 Seventh International of Wireless And Optical Communications Networks（WOCN），September 6-8，2010，Colombo，Sri Lanka.Colombo：IEEE Press，2010：1-5.

［2］GOIRI I，GUITART J，TORRES J.Characterizing cloud federation for enhancing providers’profit［C］/The IEEE 3rd International Conference on Cloud Computing（CLOUD），May 4-7，2010，Miami，F(xiàn)L，USA.New Jersey：IEEE Press，2010：123-130.

［3］SOTOMAYOR B，MONTERO R S，LORENTE I M，et al.Virtual infrastructure management in private and hybrid clouds［J］.IEEE Internet Computing，2009，13（5）：14-22.

［4］ZHANG H，JIANG G，YOSHIHIRA K，et al.Intelligent workload factoring for a hybrid cloud computing model［C］/The 2009 World Conference on Services-I，July 6-10，2009，Los Angeles，CA，USA.New Jersey：IEEE Press，2009：701-708.

［5］KARYPIS G，KUMAR V.Multilevel k-way hypergraph partitioning［J］.VLSI Design，2000，11（3）：285-300.

［6］GE Y，WEI G.Ga-based task scheduler for the cloud computing systems［C］/The 2010 International Conference on Web Information Systems and Mining（WISM），October 23-24，2010，Sanya，China.New Jersey：IEEE Press，2010：181-186.

［7］GROUNDS N G，ANTONIO J K，MUEHRING J.Cost-minimizing scheduling of workflows on a cloud of memory managed multicore machines［C］/The 1st International Conference on Cloud Computing，December 1-4，2009，Beijing，China.New York：Springer-Verlag，2009：435-450.

［8］WU Z，LIU X，NI Z，et al.A market-oriented hierarchical scheduling strategy in cloud workflow systems［J］.The Journal of Supercomputing，2013，63（1）：256-293.

［9］WU Z，LUO J.The measurement model of grid QoS［C］/The 10th International Conference on Computer Supported Cooperative Work in Design，2006，Nanjing，China.New Jersey：IEEE Press，2006：1-6.

［10］BOSSCHE V，VANMECHELEN K，BROECHHOVE J.Online cost-efficient scheduling of deadline-constrained workloads on hybrid clouds［J］.Future Generation Computer Systems，2013，29（4）：973-985.

［11］FOX A，GRIFFITH R，JOSEPH A，et al.Above the clouds：A Berkeley view of cloud computing［J］.Dept Electrical Eng and Comput Sciences，University of California，Berkeley，Rep.UCB/EECS，2009（1）：28.

An SLA-based resource scheduling method in hybrid cloud environment

XU Xiaofeng1，XU Jinsong2
1.China Mobile Group Jiangsu Co.，Ltd.，Nanjing 210003，China 2.Tongda College of Nanjing University of Postsamp;Telecommunications，Nanjing 210003，China

Hybrid cloud provides a flexible approach to the application of local resources to the public cloud.A resource scheduling scheme with the minimum cost of external cloud resource constrained by SLA was presented.The key SLA measure of the outer part of the cloud was considered as the user’s satisfaction and the lowest cost.Then，the SLA component was quantized to dynamically adjust the internal cloud resource to be unable to service and need to dispatch resources.Experimental results show that the scheme can achieve the maximum satisfaction of cost and real-time performance.

cloud computing，resource management，efficient scheduling，service level agreement

s：The Natural Science Foundation of Jiangsu Province（No.BK2009426），The Natural Science Fund of Higher Education of Jiangsu Province（No.14KJD520005）

TP338.8

A

10.11959/j.issn.1000-0801.2016054

2015-11-20；

2016-01-07

江蘇省自然科學基金資助項目（No.BK2009426）；江蘇省高校自然科學基金資助項目（No.14KJD520005）

徐曉峰（1970-），男，中國移動通信集團江蘇有限公司工程師、項目主管，主要研究方向為云計算應用系統(tǒng)、IDC規(guī)劃建設、CDN及移動互聯(lián)網(wǎng)應用。

徐勁松（1975-），男，博士，南京郵電大學通達學院副教授、教研室主任，主要研究方向為信息安全、云計算及大數(shù)據(jù)應用。