云計算中虛擬機臟頁實時遷移的改進策略

曾少慧，邱 彬

（汕頭職業(yè)技術(shù)學院計算機系，廣東 汕頭 515078）

0 引言

虛擬化技術(shù)在提高資源利用率的同時，也帶來運算量不斷的增加，特別虛擬機遷移時大量運算加重了通信負擔，造成性能的巨額開銷.如何改善通信機制減少數(shù)據(jù)傳輸量、縮短遷移時間成為虛擬機實時遷移中迫切需要解決的問題.

虛擬機的遷移主要涉及存儲、網(wǎng)絡和內(nèi)存三種信息[1]，其中以內(nèi)存的遷移最為關鍵.由于虛擬機的遷移是一個動態(tài)的過程，在此過程中內(nèi)存始終處于被讀寫狀態(tài)，其存放的資源一直在不斷變化，且內(nèi)存遷移性能對虛擬機遷移時間和停機時間的影響十分突出[2]；同時，由于內(nèi)存遷移無法使用NFS 等技術(shù)，只能通過網(wǎng)絡進行，所以合理有效的內(nèi)存遷移算法能減少虛擬機總遷移時間、停機時間和網(wǎng)絡帶寬，對提高整個遷移性能起明顯作用.

目前虛擬機內(nèi)存遷移應用得最廣泛的是預拷貝（Pre-Copy）算法[3].它的機制是：首先進入迭代拷貝階段，首輪迭代必須傳遞所有內(nèi)存頁到目的虛擬機，之后每輪迭代只傳遞有變化的內(nèi)存頁，每次迭代完成后，判斷是否滿足執(zhí)行停機拷貝的條件，當?shù)螖?shù)到達一定量或傳遞頁面小于一定量時，就進入停機拷貝階段，停機拷貝階段將剩余的臟頁和未被拷貝但已經(jīng)更改的內(nèi)存頁傳遞到目的虛擬機，同時檢測源虛擬機和目的虛擬機內(nèi)存頁面是否同步，若是，則源虛擬機停止工作，進入等待狀態(tài)，最后啟動目的虛擬機并銷毀源虛擬機.虛擬機動態(tài)遷移機制如圖1 所示.

圖1 虛擬機動態(tài)遷移機制

近年來，許多專家學者對基于預拷貝的虛擬機內(nèi)存遷移機制進行了詳細的分析和研究，取得了若干研究成果[4-8].文獻[4]中對臟頁拷貝策略進行改進，將頻繁修改的臟頁在停機拷貝階段進行傳輸，從而有效地縮短總遷移時間.文獻[5]中，作者根據(jù)局部性原理提出了一種基于臟頁率預測的預拷貝機制，對虛擬機內(nèi)存頁的臟頁率做出預測，優(yōu)先傳輸臟頁率低的內(nèi)存頁，避免高臟頁的重傳.在保證遷移過程中可接受范圍內(nèi)QoS，同時減少迭代拷貝階段的持續(xù)時間，文獻[6]提出一種針對網(wǎng)絡負載型虛擬機的智能停機預拷貝遷移策略.文獻[7]提出了虛擬機的實時遷移對未來網(wǎng)絡中海量計算和存儲的有效性.文獻[8]研究了無線網(wǎng)絡環(huán)境下虛擬機在線遷移過程中的傳輸性能具有較低的延遲性.雖然上述研究成果對縮短虛擬機遷移總時間和減少總傳輸數(shù)據(jù)量起到一定作用，但對遷移過程中臟頁的判斷不足，傳輸策略的優(yōu)化不明顯，同時沒有考慮虛擬機內(nèi)存變化對停機時間的影響等因素.

本文利用馬爾科夫模型保存臟頁當前的修改狀態(tài)，通過當前的數(shù)據(jù)預測臟頁下次變臟的概率，同時兼顧了預測概率時臟頁的變化情況，得到有效的變臟率，由此實現(xiàn)對高臟頁傳送的有效控制，節(jié)省了總遷移時間.

1 預測變臟率的優(yōu)化策略

內(nèi)存預拷貝算法在中、低負載環(huán)境下表現(xiàn)不錯，但在高負載環(huán)境中，也就是面向內(nèi)存密集型業(yè)務時可能會失效[9]，隨著迭代輪數(shù)的增加，傳送的內(nèi)存頁反而增加，造成更大的開銷.針對以上問題，本文對判斷臟頁的算法進行優(yōu)化，當內(nèi)存頁在進行迭代拷貝時無需拷貝所有臟頁，因為當臟頁率比較高時，在后面的迭代拷貝過程中，臟頁很可能再次被修改，這樣就會提高臟頁重復傳輸?shù)母怕?另外，原工作集測定算法只關心臟頁上一次傳送的修改情況，判定周期短，無法較準確測定臟頁的變臟率.預測內(nèi)存頁變臟率優(yōu)化算法的思路是收集臟頁最近n 次的修改情況，對這n 個數(shù)據(jù)進行分析，計算出該臟頁下次傳送時再次變臟的概率，選擇概率低的即比較穩(wěn)定的臟頁進行傳送.對概率高的即高臟頁則不予傳送，從而降低內(nèi)存頁遷移數(shù)量.

高臟頁的反復傳送增加了遷移數(shù)據(jù)量，降低了遷移性能[10].如果每次傳送前都能判斷哪些頁屬于高臟頁，并且在下次傳送可能又會發(fā)生變化，則可以跳過本輪傳送，使遷移數(shù)據(jù)量降低，提高遷移性能.為了更準確地測定工作集，本文將內(nèi)存頁分為幾類，見表1.

表1 內(nèi)存頁類別

原虛擬機內(nèi)存預拷貝只有兩種內(nèi)存頁狀態(tài)，本文算法增加為3 種狀態(tài)，見表2.

表2 內(nèi)存頁狀態(tài)

增加了臟頁預測后，對工作集的測定實現(xiàn)流程如圖2 所示.

具體步驟如下：

（1）預遷移階段，當虛擬機接收到遷移信號后，開始對所有內(nèi)存頁的修改情況進行監(jiān)控，并把數(shù)據(jù)記錄到C-table 中；

（2）當遷移正式開始后，先對C-table 進行更新，判斷該內(nèi)存頁是否屬于第一次傳送，若是，則計算C-table 中所有內(nèi)存頁變臟的概率；

（3）對D-table 進行更新，把當前再次變臟的內(nèi)存頁信息傳送給Pro-table0，同時清空D-table 的數(shù)據(jù)；

（4）根據(jù)C-table 的狀態(tài)，計算Pro-table0 的臟頁再次變臟的概率；

（5）把上述臟頁和變臟率等信息存放在Pro-table 中，將變臟率大于等于預定概率閥值Pmax的臟頁設定為工作集；小于Pmax的臟頁設定為準備傳送的內(nèi)存頁，存放在Se-table里，同時清空Pro-table 的數(shù)據(jù)；

（6）再次更新D-table 的數(shù)據(jù)，并將其臟頁信息復制到Sk-table 中；

（7）跳過Se-table 和Sk-table 中相同的內(nèi)存頁，將Se-table 剩下的內(nèi)存頁進行遷移，并清空Sk-table 的數(shù)據(jù)；

（8）最后，判斷是否滿足結(jié)束迭代傳送的條件.若滿足，則凍結(jié)源虛擬機，復制剩下的內(nèi)存頁以及上次迭代產(chǎn)生的臟頁；若不滿足，則返回步驟（2）繼續(xù)判斷.

圖2 優(yōu)化后的工作集預測流程圖

2 臟頁實時遷移預測算法

上述變臟率的計算依據(jù)為臟頁現(xiàn)在的修改情況和貝葉斯條件概率.設定S1 表示內(nèi)存頁沒有被讀寫，S2 表示內(nèi)存頁只讀，S3 表示內(nèi)存頁被修改.默認遷移開始前內(nèi)存頁狀態(tài)為S1.使用的公式是：

（1）狀態(tài)轉(zhuǎn)移概率矩陣[11]：假定內(nèi)存頁有n 種可能的狀態(tài)，即S1，S2，…，Sn，本文中設定了3 種狀態(tài)，即n＝3.Pij 表示內(nèi)存頁狀態(tài)從Si 變成Sj 的狀態(tài)轉(zhuǎn)移概率.狀態(tài)轉(zhuǎn)移概率矩陣為：

（2）狀態(tài)概率[12]：表示內(nèi)存頁初始狀態(tài)己知，轉(zhuǎn)移了k 次后變?yōu)闋顟B(tài)Sj 的概率，且：

由馬爾科夫（Markov）假設和貝葉斯的條件概率公式，有以下狀態(tài)概率的公式：

馬爾科夫預測模型首先記錄了臟頁最近N 次的修改狀態(tài)，然后依據(jù)這N 次的數(shù)據(jù)預測臟頁下次變臟的概率，并且還兼顧了預測概率時臟頁的變化情況，對這些數(shù)據(jù)進行統(tǒng)計分析，從而比較可信地得到變臟率.該模型簡易且參數(shù)少，不會造成太大的網(wǎng)絡開銷，容易實現(xiàn)并有重要的應用價值，因此，在虛擬機動態(tài)遷移過程中，提前對臟頁的狀態(tài)轉(zhuǎn)移狀況進行預測是非常有必要的，降低了臟頁的反復傳送，節(jié)省了總傳送時間.

3 實驗測試與性能分析

3.1 實驗配置

本文構(gòu)建一個小型局域網(wǎng)作為實驗環(huán)境，且在這個局域網(wǎng)中配置了一個同構(gòu)的測試環(huán)境.硬件配置上，使用三臺2.4 GHz 雙核Intel 處理器，2 GB 內(nèi)存的PC，分別做為虛擬機遷移的源主機和目的主機，以及NFS 服務器，并通過一臺100 M 的交換機連接起來.軟件配置上，所有PC 機上裝的操作系統(tǒng)為Linux 的版本Ubuntu 14.04.虛擬平臺為Xen 4.4.2.

實驗環(huán)境的構(gòu)建由以下幾部分組成：

（1）在Host A、Host B 上安裝修改過源碼的Xen 4.4.2.實驗過程中，可用vi 編輯Xen的源文件，然后通過編寫make file 重新編譯并安裝Xen；

（2）開啟Xen 的動態(tài)遷移功能，并設置虛擬機動態(tài)遷移的遷移端口，通過更改目錄/etc/xen/下面的配置文件xend-config，設置后重啟該進程；

（3）Host C 無需安裝和編譯Xen 4.4.2 源碼，將它作為NFS 服務器，存儲虛擬機的img鏡像.采用virt-install 命令在NFS 服務器上創(chuàng)建虛擬機，開啟NFS 服務，并把Host A、Host B 掛載到NFS 目錄下，目錄輸出到/mnt/images 上；

（4）在Host A 上編寫mount 安裝的虛擬機配置文件，并將鏡像文件存放到/mnt/images 下.通過配置文件可以修改虛擬機環(huán)境包括磁盤、網(wǎng)卡、內(nèi)存大小、CPU 個數(shù)等信息.

3.2 實驗數(shù)據(jù)

分別在低臟頁率和高臟頁率環(huán)境下[13]，對比原算法和優(yōu)化算法前后的實驗數(shù)據(jù).低負載環(huán)境中進行低臟頁率實驗，做法是不運行任何程序，在空負載下做實驗；高負載環(huán)境中進行高臟頁率實驗，做法是選擇在內(nèi)核編譯時進行.設置的內(nèi)存大小分別是256 MB，512 MB，1 024 MB 和2 048 MB.在系統(tǒng)目錄下的日志文件中，讀取每次遷移的數(shù)據(jù)記錄，主要包括迭代次數(shù)、停機時間和總遷移時間.每個實驗經(jīng)過反復20 次的測試，取其平均值作為實驗結(jié)果，對于本文中提出的Pmax值，為表示判斷內(nèi)存頁是否傳送的預定概率閥值，其值隨著迭代次數(shù)n 而線性增加.本文實驗中預定概率閥值Pmax選取n的線性函數(shù)，即Pmax＝P0/2＋nP0/N.其中P0表示內(nèi)存頁被改寫時變臟率的增量，N 表示臟頁最近修改情況的次數(shù)，結(jié)果如表3 和表4 所示.

表3 原算法與優(yōu)化算法在低負載環(huán)境下的遷移性能比較

表4 原算法與優(yōu)化算法在高負載環(huán)境下的遷移性能比較

根據(jù)原算法和優(yōu)化算法的實驗結(jié)果，得出算法優(yōu)化前后的IN 指標、DT 指標和TMT 指標比對情況，如圖3、圖4、圖5 所示.

圖3 優(yōu)化前后的IN 指標對比

圖4 優(yōu)化前后的DT 指標對比

圖5 優(yōu)化前后的TMT 指標對比

3.3 性能分析

圖3 顯示了不同負載環(huán)境下優(yōu)化前后的迭代次數(shù)的比較，可以看到，低負載的IN很少，優(yōu)化后IN 甚至比原算法略增，這是因為低負載中要傳送的內(nèi)存頁本來就少，而優(yōu)化算法本身也要消耗一定的CPU 資源，但在高負載下就不存在這個問題，高負載下臟頁量多，優(yōu)化算法的優(yōu)勢就體現(xiàn)出來了.圖4 顯示了不同負載環(huán)境下優(yōu)化前后的停機時間的比較，隨著內(nèi)存增大，DT 的值并沒有跟著改變，而不同負載環(huán)境下，DT 的值有明顯增長，說明DT 主要受高臟頁數(shù)量的影響，與虛擬機的內(nèi)存沒有明顯關系.低負載下，優(yōu)化前后的DT 值沒有明顯變化；高負載下，優(yōu)化后的DT 略有減少.圖5 顯示了不同負載環(huán)境下優(yōu)化前后的總遷移時間的比較，TMT 隨著虛擬機內(nèi)存的增大而增大，低負載下，TMT 變化不明顯，因為TMT 受IN 和DT 影響，某種情況下，IN 和DT 兩者成反比.高負載下，TMT 有明顯減少，從表4 中數(shù)據(jù)可以看出，不同內(nèi)存環(huán)境下虛擬機遷移時間降低的百分比都在10%左右.盡管優(yōu)化算法會消耗一定的CPU 資源，但足以抵消高臟頁反復傳送帶來的損耗，達到了優(yōu)化遷移性能的目的.

4 結(jié)論

內(nèi)存遷移的合理性對虛擬機的總遷移時間和停機時間有很大影響，是當前研究虛擬機動態(tài)遷移的重點.高臟頁的反復傳送增加了遷移數(shù)據(jù)量，降低了遷移性能.針對內(nèi)存遷移機制中傳統(tǒng)算法對臟頁判斷的不足，本文提出臟頁率預測優(yōu)化算法，計算臟頁下次傳輸時再次變臟的概率，將概率高的臟頁留在停機階段進行拷貝，這樣可以避免在迭代階段頻繁重傳高臟頁.實驗表明，本文算法在高負載環(huán)境下能使高臟頁的無效傳送次數(shù)明顯減少，同時縮短了10%的虛擬機遷移時間，優(yōu)化了遷移性能.