外文翻译——使用卡尔曼滤波器为虚拟服务器提供自适应和自配置的CPU资源配置摘要.docVIP

使用卡尔曼滤波器为虚拟服务器提供自适应和自配置的 CPU资源配置 摘要：数据中心虚拟化可以使用节约成本的服务器整合，服务器整合不仅能增加系统的吞吐量还能减少电力消耗。虚拟服务器的资源管理是一个重要和富有挑战的任务，特别是当负载变化很大，以及要处理复杂的多层服务器应用时。最近的将控制理论应用到资源管理显示了很好的效果。可以将控制理论应用到动态资源分配以匹配变化的负载。 本文提出了一种新的资源管理方案，将卡尔曼滤波器应用到反馈控制器，来动态地将CPU资源分配给运行着服务器应用程序的虚拟机。这个方法的创新点在于卡尔曼滤波器的使用——最优的状态滤波技术——通过追踪CPU的使用，来相应的更新资源的分配。我们的控制器通过持续的检测来自适应的预测工作负载强度的变化。 我们的控制器不需要任何先验知识。在我们Rubis基准程序来评估我们的技术。 分类和主题描述 C.4(系统性能):测量技术,建模技术。 一般术语：管理、测量 1、引言 由于硬件设施的虚拟化，数据中心的格局正在改变。一台物理服务器可以转成一台或多台虚拟机，这多台虚拟机共享提供的硬件资源，应用程序在这些相互隔离的虚拟机环境中运行。每台虚拟机都有生命周期管理，包括创建，删除，暂停，在物理服务器间迁移和运行时资源分配等管理操作。这些特征允许在应用程序和物理服务器之间资源任意组合，允许提供有效的服务器整合。然而，负载需求经常会随着时间变化，而使得其难以估计。 变化的工作负载会引起种类多样的变化的对于系统组件的资源需求。对于创造一个高性能的服务器整合环境，遵循变化的负载的动态资源分配显得十分重要。事实上，如果每个应用程序能被合理的提供资源，那么额外的资源可以被使用，比如去运行其他的应用程序，或者提高现有系统的吞吐量。 在本文中,我们提出一个创新的控制分配方法,集成卡尔曼滤波技术[7]到一组反馈控制器来动态地为多层虚拟化应用程序提供CPU资源。在仿真环境中卡尔曼滤波器之前已经使用来估计排队模型的参数[17],但是,据我们所知,这是第一次直接使用卡尔曼滤波器跟踪虚拟服务器的CPU利用率,来引导它们的资源分配。 我们将分配问题公式化为CPU利用率追踪问题,控制器旨在追踪和维持CPU资源分配高于CPU实际的利用一段范围。这是一个直观的方法,资源配置时为每个虚拟机分配其需要的资源。将CPU配置保持在一个可参考的输入已被商业产品(例如惠普工作负载管理器) 和其他研究原型[15、11]采纳。然而我们的控制器独有的非常强大的将过滤技术整合到线性反馈控制器。 本文如下部分组织如下。第二节进一步得激励资源配置和我们的方法和卡尔曼滤波器的使用。第三节介绍应用程序性能模型和控制器。第四节描述Rubis基准测试程序和我们的评估平台，并且 2、研究 资源配置虚拟化技术应用广泛属于两个主要类别:(a) (b)基于约束的 在基于约束的资源配置中,每个应用程序限制使用物理资源的一个子集,流行的方法包括基于限制的和自适应阈值上限的配置的方法。例如,VMware DRS资源管理工具[1]将CPU资源利用率限制在用户配置的上下限间。这种方法的优点是双重的。首先, 由于使用下限保证最低的应用程序的性能。其次,由于所有共存的虚拟机不能超过总资源利用上限,可以估计运行额外的应用程序需要的免费可用资源。虽然基于限制的整合配置是对于保证性能的一种简单而有效的机制,当应用程序运行不同的经常改变的工作负载它可能失效。性能违规行为发生在应用程序需要比上限更多的资源,而当应用程序需要甚至低于它的下限时资源被浪费。 基于自适应上限阈值的资源配置解决这些缺点。在这种情况下,一个VM不断更新可以使用的最大资源。为了总是满足应用程序的性能，为每个应用程序动态分配适应工作负载需求。这种机制允许其他应用程序基于可用的免费资源进行合并。也曾出现过一些系统, 通过控制理论使用这种基本方法 (例如[11])。 在本文中,我们提出一个新的基于理论的vm资源配置管理系统,使用一个简单的性能模型和卡尔曼滤波来跟踪有噪声的资源利用率和更新资源配置。我们的方法的创新点在于将过滤技术整合到反馈控制器。我们选择卡尔曼滤波器因为它是最优线性滤波技术，在一定条件下, 即使条件松弛仍具有良好的性能。使用过滤方法使我们的控制器在不同的工作负载下操作顺利。我们也加深了我们的工作，通过 3、系统 单输入单输出(SISO)卡尔曼基本控制器,以后记为KBC。这个控制器动态分配CPU资源给各个可以独立运行服务器应用程序,或者是多层应用程序的一部分的虚拟机。 多输入多输出(MIMO)过程噪声协方差控制器,记为PNCC。该控制器调整多层应用程序的所有虚拟机的分配,利用两两之间的协方差的VM资源利用率来捕获组件之间的相关性。与KBC控制器相比，PNCC的目的是给多层应用程序迅速分配资源