云平台虚拟资源伸缩策略及负载预测探讨

《云平台虚拟资源伸缩策略及负载预测探讨》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、云平台虚拟资源伸缩策略及负载预测探讨通过分析当前流行的虚拟资源伸缩技术，文章提出基于需求预测机制和实时监测相结合的资源伸缩策略，能从一定程度上解决虚拟化资源在调度过程中造成的服务时效性差和资源利用率低的问题。己关键词：云平台；负责均衡；虚拟资源伸缩1研究意义云平台的优势是能提高资源的利用率，降低能源消耗，通过引入虚拟化技术等方式，来细化物理资源分配单元，从而提升系统分布的密度，提高系统使用效率，降低对物理设备的需求，从而降低IT设备投入，降低能耗节约成本。云平台中一个很关键的技术就是资源的虚拟化，并根据不同业务在不同时间对资源需求的不同特点，来动

2、态地调节平衡虚拟化资源的配置，从而实现在现有物理资源规模情况下资源的高效利用［1］。那么，虚拟化资源的分配调度策略便成为云平台技术研究的重点之一。虚拟化资源调度策略中研究的关键问题有两个，一是何时需要进行虚拟资源的扩充和伸缩，二是通过什么方式进行虚拟资源的伸缩。这两个问题的解决，使云平台能够在最佳时机以最优的策略进行资源的动态配置。2虚拟资源伸缩技术概述虚拟化资源的管理可以通过虚拟机管理程序来实现，随着虚拟化技术的不断发展，H前针对虚拟化资源的伸缩技术研究主要分为两个层面：一是基于水平层面的水平伸缩［2］，一是基于垂直层面的垂直伸缩。水平层面的伸

3、缩是基于虚拟机层面來实现资源的动态配置，通过增减虚拟机的数景来完成资源的补充和释放。水平伸缩是一种非常容易实现的虚拟资源伸缩方式，在目前的各种云平台中被广泛使用。通过这种方式可以调整的资源规模相对较大，但同时因调配基于虚拟机层面，会造成不必要的资源浪费。并且部署和启动虚拟机需要较长的时间才能完成，会造成服务等待的情况，对平台服务的实效性有一定的影响。垂直层面的伸缩是基于正在运行的虚拟机自身的资源层面来实现资源的动态调配。目前的技术己经可以做到在虚拟机正常运行的情况下完成在线虚拟机资源的动态调整。并且，基于该层面的资源伸缩过程很短，在毫秒级时间内即

4、可完成。垂直层面资源伸缩技术的实现方式有多种，可以是同一台物理机上的虚拟机之间进行资源调度，也可以将物理机上空闲的资源分配给该物理机上的其他虚拟机。这两种方式适用的应用场景不同，在进行伸缩方式选择时需要根据具体情况分析，综合考虑。(1)第一种方式是基于同一台物理机上不同虚拟机之间服务类型不同、服务请求分布不均、处理能力不同等因素为出发点，通过虚拟机之间的资源调配，实现在扩充虚拟机资源要求的情况下又不占用其他空闲资源。它的特点是资源调配时间短，但同时存在调配的资源规模相对较小的问题，不能满足较大规模的资源伸缩需要。(1)第二种方式是利用物理机的空闲

5、资源进行动态的调配，在虚拟机需要资源扩充时申请空闲资源完成资源的增加，在资源需求降低时释放部分空闲资源到物理机上。它的特点是充分利用物理机空闲资源，能够根据用户需求的变化做到快速响应，但同时也存在第一种方式中资源调度规模较小的问题。3资源伸缩策略探讨为了实现云平台虚拟资源的可伸缩性，平台应该能够根据服务所需资源的变化动态增加或者减少虚拟资源，当需要增加虚拟资源时，最简便的方式是当监测到虚拟资源利用率超过约定上限时启动虚拟机来满足资源扩充。但是虚拟机的启动会耗费一定的时间，在这段时间内，因虚拟机尚在调配过程中不能向用户及时提供服务，将会影响服务性能

6、，造成对用户服务请求响应的滞后。基于上述情况，人们对云平台的资源伸缩便有了具体的要求。云平台需要能够根据具体的服务请求来动态选择适合的方式进行虚拟资源的增减。可以通过两种方式来改善动态调配过程中存在的服务时效性和资源调度成本??题。（1）一是为不同的应用设定资源使用底限和上限，并加入对下一阶段资源需求预测机制，根据动态的预测结果来及时补充或释放虚拟资源。由于资源的调配是基于预测结果进行，这就给资源的调度时间提供了一个比较宽松的环境，基于该策略的调度可以在水平和垂直两个层面进行。（2）二是通过实时监控的方式进行资源的实时扩展和实时释放。因为实时扩展

7、过程中要尽量保证服务的实效性，那么就要求云平台能够较快地完成调度过程，我们可以选择基于垂直层面的第一种资源伸缩方式来实现。释放资源不存在影响服务时效性的问题，对调度时间的要求比较低，这使得预先释放资源的意义不大，所以可以在监测到资源使用率低于规定的下限吋进行实吋资源释放。为了进一步提高资源伸缩的实际效率，可以综合考虑以上两种方法，并在资源调度过程中引入基于预测伸缩和实时伸缩相结合的方法来解决实际问题。基于垂直层面进行资源仲缩的两种方式适合实时资源调整规模较小的情况，而虚拟机层面的水平伸缩适合对实时性要求不高的资源调整规模较大的场景。所以，在基于未

8、来资源需要预测的伸缩过程中，根据平台负载预测结果对平台进行基于水平伸缩（虚拟机层面）和基于垂直层面第二种伸缩方式进行资源的伸缩。在实时扩