摘 要:针对混合云功能逐渐增大导致资源失效率增高的问题,根据资源失效特点,建立任务稳定性模型和资源有效利用率模型。为了同时保证任务稳定性和私有云资源利用率,建立基于失效感知的两层资源调度模型(2L-FARS)。该模型包括混合云调度器和私有云调度器,分别使用ST—LLF和DQPA调度算法完成资源调度。最后使用Fealure Traces和Workload Traces,对提出的策略进行验证。实验结果表明,该策略有效减少了任务截止期违约率,提高了资源利用率。9950
关键词:混合云;截止期约束;资源失效;资源调度;负载均衡
Failure-Aware Resource Scheduling Policy for Hybrid Cloud
Abstract: Aiming at increased opportunities for resource failure caused by increasing function in hybrid cloud, the task stability model was constructed according to the feature of failure. In order to evaluate resource utilization of private cloud, the effective utilization model of resources was built. In order to simultaneously ensure task stability and private cloud resource utilization, the two layers resource scheduling mode was proposed base on failure-aware. It included a hybrid cloud and private cloud scheduler, using ST-LLF and DQPA scheduling algorithm respectively. Finally, using real failure traces and workload traces, we evaluate the proposed resource provision policy to demonstrate their performance, Resource utilization and violation rate. Experimental results show that this strategy effectively reduces the task deadline delinquencies, improve resource utilization.
Key words: Hybrid cloud;Deadline;Resource failure;Resource scheduling;Workload model
目 录
摘 要 1
引言 1
1.研究现状及意义 2
1.1研究现状 2
1.2研究意义 2
2.相关定义与调度模型 2
2.1相关定义 2
2.2基于失效感知的两层资源调度模型 5
3.调度算法 5
3.1 ST—LLF 6
3.2 DQPA 7
4.实验仿真与结果分析 9
4.1系统设置 9
4.2应用程序负载 9
4.3结果分析 10
5.总结 11
参考文献 12
致谢 13
混合云环境下基于失效感知的调度策略引言
随着对混合云关注度的提高,混合云的功能性(functionality)和复杂性(complexity)也迅速增加,资源失效已不可避免。针对资源失效引起的系统性能降低,程序执行提前终止,数据丢失等问题导致更多的任务不能如期完成,违约率增高。因此,在混合云环境下,如何在不降低私有云的资源利用率的同时,为用户提供可靠资源,成为资源调度的关键。
1.研究现状及意义
1.1研究现状
随着对混合云关注度的提高,国内外针对混合云的资源调度问题进行了大量研究。但是提出的算法均未同时考虑资源失效事件、资源利用率和任务违约率三种要素对混合云环境下的资源调度的影响。
1.2研究意义
如何最大限度的提高混合云的性能是云计算领域研究的热点。研究基于失败感知的资源分配方案可以有效提高动态提供资源的有效性,从而达到提高云计算系统的性能。在相对的程度上提高了系统的性能,减少数据丢失,有效地保证了任务能在截止期间完成,提高企业的信誉和利润。
2. 相关定义与调度模型
2.1相关定义
定义1:任务集合 ,其中 表示第 个任务。本文假设 为包含很多子任务和需要大数据量的资源才可以在短时间内完成的高性能应用程序。以一文向量表示 的多文属性, , 其中: 表示任务请求(私有云中的)虚拟机类型; 表示任务请求虚拟机数量; 表示任务约束数据大小(GB); 表示任务完成截止时间; 表示任务实际完成时间; 表示任务在单个类型为 的虚拟机上估计执行的时间。