云计算环境下的负载运行问题研究.docxVIP

云计算环境下的负载运行问题研究 0 节点负载度调度算法 云计算是一种分布计算、并行计算和网格计算的综合开发。它的核心是将大型数据处理数据的计算资源虚拟化，并向用户提供以计算资源为形式的服务。云计算实现了按需计算,它的出现使普通用户也能使用高性能并行计算,提高了工作效率和计算资源的利用率。目前,大多数云计算环境根据用户的支付来分配资源,但调研结果显示,云平台在任务调度和资源分配的时候可能出现负载不均衡的情况。这主要是因为任务的多样性和调度算法没有处理好节点的负载和任务分配的关系。常用的调度算法有:Min-min(minimum-minimum completion time)、Max-min(maximum-minimum completion time)、TD_Min-min(trust-driven minimum-minimum)和TD_Max-min(trust-driven maximum-minimum)等,这些调度算法或者将最小最早完成时间的任务调度到对应的资源上、或者将最大最早完成时间的任务调度到对应的资源上、或者选择信任效益值最小的节点进行调度、或者选择信任效益值最大的节点进行调度。如果那些不能胜任的节点或者负载过重的节点被选中,会大大降低系统的执行性能。 本文针对云计算系统中可能因负载不均衡而造成的系统效率低下的问题,根据节点的负载度区分节点状态,划分为正常负载、轻度过载和重度过载3种状态。针对轻度过载和重度过载的情况,分别设计了相应的过载避免和快速均衡的策略,使轻度过载的节点能够尽量避免重度过载,重度过载的节点能够快速恢复到正常负载。每个节点定期检查自己的负载度并判断其负载度所处的状态,根据负载度的状态自适应地选择过载避免或快速均衡策略,这样能保证云计算系统的负载均衡和高效执行。 1 基于移动代理的负载均衡策略 云计算中的负载均衡策略大体可以分为静态和动态两种。静态均衡策略是利用简单的系统信息,例如子作业数量、平均作业执行周期等,通过数学函数调度算法来选择节点,从而分配、执行任务。这种策略实现简单,但不能够动态地调整系统中节点信息的变化,因此一些节点利用率很低。云计算中典型的静态负载均衡策略是基于预测的,如基于遗传算法的负载均衡策略,它根据节点的当前信息和历史信息对节点的未来进行预测,有选择性地进行节点调度和任务分配。但这种策略首先要给出合理的预测标准,并且对节点信息的收集也是一件繁琐和耗时的事情。文献针对云计算环境设计了一种基于回填策略的两级调度器,实现了负载均衡和服务质量保证。该算法提出元调度和回填策略两级调度,在不造成其他作业延迟完成的情况下,允许小作业在元调度队列中向前移动,即回填;并根据作业的服务质量要求和资源限制选择系统资源、安排任务的处理顺序实现负载均衡。文献在一个3级云计算网络中,融合OLB(opportunistic load balancing)和LBMM(load balance min-min)两种算法进行负载均衡,并利用移动代理来收集节点信息。 动态负载均衡策略根据系统当前状态或最近状态去决定如何给分布式系统的每个节点分配任务。如果系统的一些节点任务超载,这个超载任务将被转移给其它节点来处理,从而达到动态均衡的目的。但是,任务的转移将给系统带来额外的负担。云计算中典型的动态负载均衡策略是通过虚拟机的迁移来实现任务的转移。文献面向云计算提出一种基于虚拟机实时迁移的自适应负载均衡算法,通过共享存储降低虚拟机的迁移时间,并通过把虚拟机转换为集群服务实现零停机的虚拟机迁移。基于蚁群算法和网络的“小世界”特性的负载均衡策略,利用蚁群中的成员和网络的“小世界”特性去发现负载过重和负载较轻的节点,然后把负载过重的节点上的部分任务转移给负载较轻的节点。利用蚁群在网络中发现负载过重节点的算法,增加了系统的开销,而且是在负载已经过重的情况下才进行发现和解决的,这种较滞后的策略可能有时无法解决负载不均衡或网络不稳定的问题。文献提出基于负载均衡的两级任务调度算法,每次都将虚拟机调度或迁移到负载最轻的主机上去。另外,分布式系统中基于移动代理(agent)的负载均衡策略也可应用于云计算系统,通过设计出不同范例的移动agent,每种agent根据自己被分配的任务去解决负载不均衡的问题。这种策略需要不同范例的移动agent之间的通信和有效合作,比较繁琐且花费较高的代价。 本文通过节点负载度来判断节点的状态,利用自适应的负载均衡算法均衡云计算环境中节点的负载。自适应主要表现在两个方面:一是在节点即将过载,即处于轻度过载状态时,节点自发地启动过载避免方法;二是在节点负载过重,即处于重度过载时,自发地启动快速均衡方法,该策略能够保证云计算系统高效地运行。 2 节点效益度的概念 在Min-min、Max-min、TD_