網絡感知的虛擬機能效問題研究綜述

來源:用戶上傳      作者:

　　摘 要：網絡感知的虛擬機能效問題是云數據中心節能的重要部分。無論是虛擬機間的流量通信，還是虛擬機的調度與遷移，稀缺的網絡資源都是虛擬機節能需要考慮的重要因素。本文從基于新型網絡拓撲的虛擬機通信節能、虛擬機調度策略和虛擬機遷移策略三個方面對網絡感知的虛擬機能效問題進行深入研究。
　　關鍵詞： 網絡感知;能效;調度
　　文章編號： 2095-2163（2019）03-0273-03 中圖分類號： TP302  文獻標志碼： A
　　0 引 言
　　云計算作為一種新興的技術，可以靈活地使用強大的計算資源為租戶服務，得到政府、企業的高度重視和逐步認同，其技術和應用得到了飛速發展。云計算數據中心在全球范圍內普及開來。云供應商為了滿足各類用戶和企業的多種服務請求，不斷增加云數據中心的服務器數量和應用程序的種類，在這些服務器和應用程序增加的同時，也給寶貴的網絡資源帶來了不小的壓力。此外，網絡資源的高度消耗使得云數據中心的服務質量也將面臨一定考驗，在資源規模更新前，服務水平協議（SLA）的違反次數達到峰值狀態，而剛更新過網絡資源時的 SLA 違反次數處于最低值，但隨著時間推移，SLA 的違反次數逐漸遞增，最終出現網絡資源不足的情況。
　　而在當前，云數據中心大多使用虛擬化技術，使多臺虛擬機共享IT資源，提供資源整合與復用，這極大優化了IT資源使用和設備能耗[1-4]。網絡感知的虛擬機能效問題研究，即可通過利用不同的網絡拓撲結構，合理地優化虛擬機間的流量通信，對虛擬機進行針對性的調度以滿足合理資源利用等，都可以節省網絡資源以達到優化云數據中心能效的目的。
　　因此，對虛擬機能效問題進行全面探討是尤為必要的。本文即從新型網絡拓撲的虛擬機通信節能、網絡感知的調度與遷移策略的角度闡述虛擬機節能研究。
　　1 研究狀況
　　國內外眾多學者對網絡感知的虛擬機能效問題進行深入的研究，已有研究主要從網絡拓撲的虛擬機通信、虛擬機調度和虛擬機遷移角度進行論述，研究內容詳見如下。
　　1.1 基于新型網絡拓撲的虛擬機通信節能研究
　　不同網絡拓撲架構下的虛擬機間通信存在不同的能源消耗。文獻[5]提出一種可擴展、靈活的數據中心網絡VL2，VL2通過一種新的網絡架構解決傳統數據中心中存在的超額認購、資源利用率低、數據中心成本高等問題。增加數據中心內的帶寬，并用一種新的尋址方式解決資源分段問題，滿足了數據中心靈活性的需求。同時，研究又利用VLB、ECMP等算法實現負載均衡和多路徑傳輸，增加資源利用率，提高網絡穩定性。但VL2架構需要更改服務器的主機協議棧，并且亟需一個高性能、低時延的目錄系統提供映射查找服務，為數據中心帶來額外的開銷。文獻[6]設計了ElasticTree，即數據中心網絡的節能，ElasticTree以網絡冗余為代價節省數據中心網絡的能源。研究中使用OpenFlow等智能交換機持續監控數據中心的流量狀況，并選擇一組網絡元素，包括必須保持活動狀態以滿足性能和容錯目標的鏈路和交換機，未選擇的元素將關閉以節省電力?？偟卣f來，ElasticTree是以降低網絡冗余為代價進行節能，但是嚴格限制冗余要求的目的就是適應不斷變化的流量和網絡交換機的意外故障。文獻[7]分析了一種基于VM遷移的網絡拓撲結構在數據中心網絡中的節能。本文介紹了Honeyguide，這是一種高能效的網絡拓撲結構，用于在嚴格冗余要求下降低數據中心網絡的能耗。減少網絡能耗的方法是減少開啟網絡交換機的數量，就是如果沒有流量通過網絡交換機，可以將其關閉以達到節省能源的目的。在Honeyguide方法中，不僅關閉不活動的交換機，還嘗試著增加不活躍交換機的數量。為了增加非活躍交換機的數量，結合了2種技術，分別是：虛擬機和流量合并;添加一條旁路鏈路（對現有的基于樹的網絡拓撲進行略微的擴展）。分析可知，即具有以下特點：
　　（1）利用虛擬機的遷移。Honeyguide 使用虛擬機的遷移來增加未使用的網絡交換機的數量。
　?。?）容錯。數據中心網絡元素通常是冗余的，以承受網絡交換機和電纜切斷的意外故障。該方法保留原始樹形拓撲的容錯能力以及滿足虛擬機容錯的要求。
　?。?）容易部署?？梢栽诂F有數據中心網絡上部署，雖然Honeyguide采用了稍微擴展的現有基于樹的拓撲結構，但可以通過添加旁路鏈路，這些鏈路有助于在嚴格冗余要求下增加關閉網絡交換機的數量。
　　文獻[8]討論了Flattened Butterfly，這是一種適用于高速網絡的低成本拓撲結構。該拓撲利用全局自適應路由的發展，而且該文獻還給出了一種性能高效的網絡，這種Flattened Butterfly比多級交換網絡具有更低的跳數，比傳統的Butterfly具有更好的路徑多樣性選擇。同時，在流量的負載均衡上，Flattened Butterfly在代價上大約是容量相同的交換網絡的一半。但是，如果在傳統的拓撲結構上部署Flattened Butterfly，卻必須更改現有網絡拓撲的所有布線。最糟糕的情況下，還需要重建一個數據中心。
　　1.2 網絡感知的虛擬機調度策略研究
　　網絡感知的虛擬機調度策略就是在考慮網絡元素的情況下使用不同的調度以實現虛擬機節能。文獻[9]中提取、整理、并匯總了有關數據中心計算和通信元素消耗的能源信息。首先研究了數據中心架構，從2層數據中心架構到3層、以及3層高速的架構，剖析了各自的特點，然后介紹了仿真器GreenCloud的結構，為用戶提供了數據中心元素（如交換機、服務器和鏈路）所消耗能量的詳細建模。比較了該仿真器與CloudSim和MDCSim等模擬器的區別和優勢，從而展示了GreenCloud仿真器細粒度地測量大型數據中心能耗的能力。最后則是實驗績效評估階段，針對2層、3層和3層高速數據中心架構所獲得的仿真結果證明了應用不同電源管理方案（DVFS、DNS）的效果。以及在不同架構下測量的數據中心交換機在核心層、匯聚層、訪問層所消耗能量及服務器消耗能量?？傊珿reenCloud仿真器可以細粒度地模擬數據中心情況，避免了無法對大型數據中心直接測量能耗的困擾。 　　文獻[10]提出一種結合能源效率和網絡感知的數據中心調度方法，即數據中心節能網絡感知調度。這里的網絡感知是指DENS方法能夠接收和分析來自數據中心交換機和鏈路的運行時反饋，并根據網絡反饋采取決策和行動。DENS方法根據數據中心組件的負載水平和通信潛力選擇最適合作業并行的計算資源，從而最大限度地減少數據中心的總能耗。DENS方法旨在實現執行單個作業，服務水平協議（SLA）中定義的作業QoS要求、流量需求、數據中心的能源消耗之間的平衡。DENS方法在運行數據密集型作業的數據中心中尤為重要，數據密集型作業需要較低的計算負載，但會產生從數據中心以及相鄰節點輸出的大量數據流。例如，這種數據密集型作業通常由流行的視頻共享或地理信息服務產生。本文擬另外撰述提出的調度方法則致力于避免數據中心內的熱點，同時最大限度地減少作業執行所需的計算服務器數量。DENS指標的設計和規范對數據中心的架構是關聯緊密的，對數據密集型作業的要求高，需要數據密集型的作業做到優化配置，而非注重計算能力，從而產生針對最終用戶的大量數據流。
　　文獻[11]是針對具有流量負載平衡的云計算應用節能調度、即e-STAB調度程序。目標是優化云計算數據中心的能耗，如此一來就可平衡由作業產生的通信流，同時把作業整合在最少計算量的服務器上。研究可知，e-STAB調度程序將作業的通信需求與計算要求置于同等重要位置。e-STAB作為一個調度程序，分2步來展開調度過程。先選擇數據中心中的可用性最高的網絡帶寬，再選擇具有最小可用計算能力的計算服務器，但該服務器卻能充分滿足計劃任務的計算需求。e-STAB調度程序會分析網絡鏈路上的負載和網絡交換機輸出隊列的占用情況。并且該方案考慮了云應用程序的流量需求，從而在數據中心網絡中提供高能效的作業分配和流量負載均衡。網絡流量的有效分配通過減少與通信相關的延遲和與擁塞相關的分組丟失來提高云應用的服務質量。從GreenCloud模擬器獲取的仿真結果驗證了所提出的調度方法的優點和效率，并確認得知：在數據中心中通常的管理方案的能耗也未獲增加。但e-STAB算法是一個需要分2個步驟來定義的調度策略，而且需要實時地了解整個數據中心網絡使用率來選擇合適的服務器、機架、模塊。
　　1.3 網絡感知的虛擬機遷移策略研究
　　網絡感知的虛擬機部署遷移研究，旨在最小化數據中心的能源開銷和數據中心的網絡流量，其核心思想是將網絡資源作為虛擬機部署的關鍵因素。文獻[12]研究了基于網絡性能優化的資源重設置問題，發現通過虛擬機的在線遷移可以提高虛擬機的性能以及數據中心的網絡通信能力。文獻[13]通過研究真實數據中心的流量分布，發現虛擬機的流量分布是不均衡的，但虛擬機的流量在長時間的范圍內是趨于穩定的，據此提出了基于通信流量的虛擬機部署算法，將具有較大流量交互的虛擬機放置在相近的物理位置上，在最小化高層交換機工作負載的同時提高數據中心網絡的可擴展性。文獻[14]為了減少能源消耗和改善網絡性能，提出一種分階段的啟發式算法。首先將最小割的聚類算法和最佳適應算法相結合來達到能源效率優化的目的，然后使用局部搜索算法再次對虛擬機放置進行優化來最小化最大鏈路利用率。文獻[15]則基于物理主機的負載和虛擬機對資源的需求來估算開銷，用以保證將開銷最小的物理主機選為遷移的目標主機。
　　2 結束語
　　綜上所述，基于網絡拓撲，虛擬機調度與遷移等研究，根本上解決的是在保證性能的前提下提升資源的利用率問題，從而達到優化云數據中心節能的目標。然而仍存在不足，如滿足服務水平協議、負載均衡等目標未能同時考慮在內等，未來工作可從多目標、多角度研究虛擬機能效問題。
　　參考文獻
　　[1]BARHAM P，DRAGOVIC B FRASER K，et al. Xen and the art of virtualization[J]. ACM SIGOPS Operating Systems Review，2003，37（5）：164-177.
　　[2] WANG Lin， ZHANG Fa，ARJONA J A ，et al. GreenDCN： A general framework for achieving energy efficiency in data center networks[J]. IEEE Journal on Selected Areas in Communications 2014，32（1）：4-15.
　　[3] 林偉偉，吳文泰. 面向云計算環境的能耗測量和管理方法[J]. 軟件學報，2016，27（4）：1026-1041.
　　[4] HAMDI K，KEFI M. Network-aware virtual machine placement in cloud data centers： An overview[C]//2016 International Conference on Industrial Informatics and Computer Systems. Sharjah， United Arab Emirates： IEEE，2016：1-5.
　　[5] GREENBERG A G，HAMILTON J R，JAIN N，et al. VL2： A scalable and flexible data center network[J]. ACM Sigcomm Computer Communication Review，2009，39（4）： 51-62.
　　[6] HELLER B， SEETHARAMAN S， MAHADEVAN P， et al. ElasticTree： Saving energy in data center networks[C]//Proceedings of the 7th USENIX Symposium on Networked Systems Design and Implementation， NSDI 2010. San Jose， CA， USA：dblp，2017：1-17. 　　[7] SHIRAYANAGI H，YAMADA H KONO K . Honeyguide： A VM migration-aware network topology for saving energy consumption in data center networks[C]// 2012 IEEE Symposium on Computers & Communications. Cappadocia（ISCC）. Turkey：IEEE，2012：000460-000467.
　　[8] KIM J，DALLY W J，ABTS D . Flattened butterfly： A cost-efficient topology for high-radix networks[C]//34th International Symposium on Computer Architecture （ISCA 2007）. San Diego， California， USA：dblp，2007：1-13.
　　[9] KLIAZOVICH D，BOUVRY P，KHAN S U . GreenCloud： A packet-level simulator of energy-aware cloud computing data centers[J]. The Journal of Supercomputing，2012，62（3）：1263-1283.
　　[10]KLIAZOVICH D，BOUVRY P，KHAN S U. DENS： Data center energy-efficient network-aware scheduling[J]. Cluster Computing，2013，16（1）：65-75.
　　[11]KLIAZOVICH D，ARZO S T，GRANELLI F，et al. e-STAB： Energy-efficient scheduling for cloud computing applications with traffic load balancing[C]// IEEE International Conference on Green Computing and Communications and IEEE Internet of Things and IEEE Cyber，Physical and Social Computing （GreenCom）. Beijing， China： IEEE，2013：7-13.
　　[12]羅剛毅，錢柱中，陸桑璐. 一種基于網絡感知的虛擬機再調度算法[J]. 計算機學報，2015 38（5）：932-943.
　　[13]MENG Xiaoqiao，PAPPAS V，ZHANG Li . Improving the scalability of data center networks with traffic-aware virtual machine placement[C]// Proc. IEEE INFOCOM'10. San Deigo， CA， USA：IEEE，2010：1-9.
　　[14]董健康，王洪波，李陽陽，等. IaaS環境下改進能源效率和網絡性能的虛擬機放置方法[J]. 通信學報，2014，35（1）：72-81.
　　[15]秦華，閻鋼. 基于OpenFlow網絡的數據中心服務器負載均衡策略[J]. 計算機工程，2016 42（3）：130-137.
轉載注明來源:http://www.hailuomaifang.com/8/view-14888234.htm