一种适用于超融合IT基础设施的云计算资源池模型的资源调度方法与流程

本发明属于云计算资源池领域，具体涉及一种适用于超融合it基础设施的云计算资源池模型。

背景技术：

在超融合系统中，服务器硬件资源，如磁盘、内存以及网络需要集成虚拟化、云计算平台，而高负载业务系统需要较高的计算资源支撑高并发、大吞吐的业务需求。

虚拟化技术可以将物理服务器分割成若干个逻辑独立的虚拟机，每个虚拟机使用不同的操作系统、完成不同的任务，这为充分使用物理资源，提高资源利用率提供了强有力的技术保障。然而，在将虚拟化技术引入到基于云环境的超融合it基础设施环境时，当面对众多的相互独立的资源请求时，首先需要解决的是选择哪些物理服务器来提供这些资源请求，即：选择哪些物理服务器进行虚化，同时确定每台虚拟机应该分配的资源量。

不同于典型的静态虚拟机集成问题，持续性虚拟机迁移超融合环境过程中，用户对虚拟机的请求是随着时间连续性到达云平台的，而非如静态部署那样是事先给定的。虚拟机部署的基本目标是在保障虚拟机得到及时资源的情况下，使得所占用的物理机数量达到最低，以达到提高资源利用率，加强性能的目的。对于每台物理服务器或虚拟机而言，资源的种类是多维的，如cpu、内存、磁盘、i/o等。对于任一物理服务器而言，任何一种类型资源的耗尽都将导致该物理服务器无法满足新的资源请求，即便此时其他类型的资源尚有富余。

为满足多类型资源请求，现有的贪婪算法会导致多类型资源的使用不均衡，出现“资源泄漏”的现象；整体资源利用率较低，超融合架构集成性能较差，也增加了云平台的运维成本。

技术实现要素：

发明目的：为了解决现有技术存在的云计算资源池多类型资源使用不均衡的问题，本发明提供一种适用于超融合it基础设施的云计算资源池模型的资源调度方法。

本发明的另一目的是提供一种超融合it基础设施的云计算资源池模型。

技术方案：一种适用于超融合it基础设施的云计算资源池模型的资源调度方法，包括以下步骤：

(1)服务器将超融合it基础设施的云计算资源池抽象化，抽象化后的云计算资源池包括全局任务队列、调度器及虚拟机；

(2)服务器接收任务请求，并将所述任务依次序在所述全局任务队列中进行排队；

(3)服务器命令调度器对全局任务队列中的任务进行分配，将任务分配给虚拟机进行执行。

进一步的，步骤(3)中，服务器命令调度器根据负载情况、任务类型、任务到达时机对任务进行调度，将任务分配给虚拟机。

进一步的，步骤(3)中，服务器检查虚拟机的资源使用情况，如果虚拟机有空闲资源，则将任务分配给虚拟机并立即执行任务，任务执行完毕后将分配出去的资源收回至虚拟机；如果虚拟机无法提供执行任务所需资源，则将该任务丢弃。

进一步的，步骤(2)中，排队采用m/m/n排队模型的规则。

进一步的，步骤(2)中，任务到达时间间隔服从参数为λ的泊松分布，λ指单位时间间隔内到达的任务数量。

进一步的，步骤(3)中，各虚拟机对于每个任务的执行时间服从参数为μ的负指数分布，μ为单个任务的执行时间。

进一步的，λ、μ的取值满足

一种适用于超融合it基础设施的云计算资源池模型的资源调度装置，包括处理单元、接收模块及执行模块，

所述处理单元用于将超融合it基础设施的云计算资源池抽象化，抽象化后的云计算资源池包括全局任务队列、调度器及虚拟机；

所述接收模块用于接收任务请求，并将所述任务依次序在全局任务队列中进行排队；

所述执行模块用于命令调度器对全局任务队列中的任务进行分配，将任务分配给虚拟机进行执行。

进一步的，所述执行模块用于命令调度器根据负载情况、任务类型、任务到达时机对任务进行调度，将任务分配给虚拟机。

进一步的，所述执行模块用于检查虚拟机的资源使用情况，如果虚拟机有空闲资源，则立即执行任务，任务执行完毕后将分配出去的资源收回至虚拟机；如果虚拟机无法提供执行任务所需资源，则将该任务丢弃。

有益效果：本发明提供一种适用于超融合it基础设施的云计算资源池模型的资源调度方法及资源调度装置，将云计算资源调度系统与排队序列m/m/n模型相结合，实现了资源虚拟化，可以提供计算资源、存储资源和应用资源这种面向服务的特性，满足调度需求的多样性，对云计算的资源更好进行管理，对众多应用任务的调度更加合理，大大提高了各集群工作在云计算资源池中的工作效率，使资源能够更加高效、安全地为应用提供服务。本方法根据对物理服务器资源使用情况的分析，并对“资源泄漏”进行定量刻画，在选择物理服务器的过程中，避免物理服务器出现多类型资源使用不均衡的现象，从而减少“资源泄漏”现象的出现，进而提高整体资源利用率，提升超融合架构集成性能，可以有效降低云平台的运维成本。

附图说明

图1是本发明所设计的模型状态流图；

图2是基于m/m/n的云资源调度模型；

图3是m/m/n模型资源池中服务进程与作业等待时间对比图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

一种适用于超融合it基础设施的云计算资源池模型的资源调度方法，包括以下步骤：

(1)服务器将超融合it基础设施的云计算资源池抽象化。抽象化后的云资源池包括全局任务队列、调度器、虚拟机，多台服务器之间相互独立，一台服务器运行一个或多个虚拟机。抽象描述如下：

a、在云资源池的运行过程中，用户是随机的发出任务请求，同时在云资源调度系统中任务数量是没有限制的，任务之间是相互独立的，任务到达云资源调度系统的时间间隔也是随机的；

b、云资源调度系统是用虚拟机来为用户提供服务的，一个系统有多台服务器，一台服务器可运行一个或多个虚拟机，虚拟机之间任务的执行是独立的。这表明云资源调度系统是多服务台系统，并且为每个用户提供服务的时间是相互独立的；

c、用户发出资源请求时，如果服务器中的虚拟机无法提供运行任务所需资源，则用户的请求会被拒绝，这次任务将被丢弃，不保留；如果服务器中的虚拟机有空闲资源，则为用户提供服务，任务运行完毕后虚拟机收回分配出去的资源；

从以上抽象描述的特点可知，云资源调度系统符合m/m/n排队模型的规则，可以采用m/m/n排队模型来对云资源调度系统进行建模。排队模型由输入过程、排队规则和服务机构三方面组成。

(2)服务器接收任务请求，并将任务依次序在全局任务队列中进行排队，排队遵循m/m/n排队模型的规则；

输入过程涉及任务总数、任务到达方式及任务到达的时间间隔三个概念：

a、任务总数：在云计算环境中，只要能接入云计算系统的用户，都能作为要求服务的一方，而且每个用户都可随时、多次的发出资源请求，也就是提交任务，因此任务的总数是无限的。

b、任务到达方式：云计算系统服务的对象是用户提交的任务，它们是依次序、间隔时间随机到来的并且相互独立。

c、任务到达的时间间隔分布：通过任务的到达方式可以知道，可以把任务请求依次序到来形成的序列看成输入流。任务到达的数量和到达的时间是无关的，只和任务的间隔时间有关。假定任务到达时间间距在单位时间内遵循泊松分布的规律，并且单位间隔到达的任务数量为λ。

(3)服务器命令调度器根据各服务器的负载情况、任务类型、任务到达时机对全局任务队列中的任务进行分配，分配给虚拟机，然后服务器根据虚拟机的状态执行任务。

排队规则符合m/m/n排队模型的规则：如果服务器运行的虚拟机有空闲资源，则立即为用户提供服务，任务执行完毕后虚拟机收回分配出去的资源；如果服务器运行的虚拟机无法提供执行任务所需资源，则该任务被丢弃。

服务机构：云计算系统中有多台服务器，每台服务有多个虚拟机提供服务，并且各自独立工作，且各个虚拟机提供服务的能力是相同的。因此云计算系统有n个相互独立的服务机构。由于任务的多样性，因此服务时间是随机的，各个虚拟机执行单个任务的服务时间假设服从参数为μ的负指数分布，μ为单个任务的执行时间。

上述各个任务到达间距遵循参数为λ的泊松分布规律，各个任务的服务时间遵循参数为μ的负指数分布规律，因此给出云资源调度模型描述如下：

a、云计算资源池中每个任务工作相互独立，并且各个任务的到达时间间隔服从参数为λ的泊松分布，根据泊松分布的定义，在单位时间间隔内，平均有λ个任务到达；

b、任务到达云资源调度系统后，如果服务器的虚拟机有空闲资源，那么任务在云资源调度系统中被调度处理，任务运行完成后，虚拟机收回资源，反之，任务直接被丢弃。任务的服务次序可以有多种，比如先来先服务、后来先服务、最短任务优先、随机服务、循环服务等等，比较普遍的是采取先来先服务策略；

c、云资源调度系统中有n台服务器的虚拟机提供服务，每台服务器都维护了自己的局部任务队列，虚拟机对于每个任务的执行时间服从参数为μ的负指数分布。

当时，云计算资源池存在平稳分布。

下面从理论上对云计算资源池模型进行性能分析：

排队模型的有效性和利用率可以通过多种性能指标来描述，因此可以利用m/m/n排队模型来分析云资源调度系统，以此来衡量云资源调度系统的性能。

(1)模型的平稳分布

在云资源调度模型中，λ表示各个任务的到达速率参数，μ表示各个任务接受服务的服务速率，n表示系统中提供服务的服务器的数量。

云计算资源池中任务数量是无限的，因此云计算资源池作为一个生灭过程，其可能的状态集可以表示为由此云计算资源池的状态流图如图1所示

在图2的资源池状态流图中，k表示云计算资源池正在被作业使用或排队的服务进程数，n表示云计算资源池的总进程数。不难发现，云计算资源池模型分为两种状态：

1)当0≤k≤n时，表示云计算资源池内有k个服务进程正在被作业使用，其余n-k个服务进程空闲着；

2)当k>n时，n个进程都在被作业占用，而余下的k-n个作业排队等待服务。

假定此时只允许有一个排队等待队列，当服务进程资源服务完空闲时，排队等待的作业按先后顺序前往空闲的服务进程接受服务，由图1可得，当系统处于平衡状态时，可列出k式代数方程，并求出相应的平稳分布：

对0状态，有λp0＝μp1，故p1＝ρ1p0＝nρp0；

对1状态，有λp1＝2μp2，故

对n-1状态，有λpn-1＝nμpn，故

对n状态，有λpn＝nμpn+1，故

对n+r-1状态，有λpn+r-1＝nμpn+r，故

依此可得公式如下：

由正则条件当ρ<1时，有于是

在等待制中，请求云计算资源池服务的作业迟早会被服务进程服务，故p损＝0。

云计算资源池的相对服务能力q＝1-p损＝1(3)

云计算资源池的绝对服务能力a＝λq＝λ(4)

(2)请求队列分析

等待云计算资源池服务的平均排队队长

云计算资源池中平均忙着的服务进程个数

云计算资源池中作业数的均值

等待云计算资源池服务的平均排队队长方差

(3)响应时间分析

定义：对于一个排队系统，如果在它达到统计平衡状态后，系统中任一时刻的平均队长l、平均等待队长lq，与平均排队等待时间wq、每一个作业在系统中的平均使用时间ws之间有关系式：l＝λws，lq＝λwq成立，则称该排队系统满足little公式。

由little公式可得平均排队等待时间与作业使用系统时间

作业请求云计算资源池服务必须排队等待的概率

为证明m/m/n排队模型的效果，本实施例通过设计一个m/m/n排队模型与n个m/m1排队模型进行比较，来观察计算两种模型服务完整个系统所消耗的资源。

在本次实验中，设n＝3，λ＝0.3，μ＝0.4，计算结果如表1所示：

表1m/m/1与m/m/3模型目标参量比较

由表1可得，在设置有3个服务进程窗口但只有一个排队等候的队列m/m/3的排队系统要比3个m/m/1排队系统效率明显提高。

图3所示分别以不同的c、λ和μ值带入公式(10)，得到wq结果绘制的曲线。由图可见，云计算资源池中服务进程个数越多，对作业的服务越高效，服务的质量越高效。

本发明提出了基于排队论的m/m/n模型，验证了云计算资源池在只有一个排队队列时的工作效率要优于多个排队队列，最后得出云计算资源池中只需集成适当数量的资源就可以满足在作业可以承受的等待时间内，为用户提供云计算服务。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。