英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
清华科技ISSNll1007-0214 01/10 pp249–261 DOI：10。26599 / TST.2018 .9010069
2019年6月第24卷第3期
云计算中请求调度的可扩展性分析
赵超，庄琳和胡杰
摘要：分布式计算系统的快速发展使远程计算集群中的复杂服务成为可能。具有大规模和不同特性的大规模应用程序也对计算系统提出了很高的要求。云计算提供了一系列新颖的方法来满足新的趋势和需求。但是，在请求调度过程中必须解决一些可伸缩性问题，并且很少进行研究来解决这些问题。因此，本研究调查了云计算中请求调度过程的可伸缩性。我们提供了此过程可伸缩性的理论定义。通过将调度服务器建模为随机的抢先优先级队列，我们对不同结构和各种环境配置下的可伸缩性度量进行了全面的理论和数值分析。比较和结论有望为云计算中请求调度流程的未来设计和部署提供启发。
关键词：云计算；请求调度；可扩展性；模型评估
介绍
随着分布式系统的快速发展和对计算能力的要求， 将计算任务放置在远程计算集群中已成为一种趋势[1]。传统的通用独立计算范例正在向异构，透明和可扩展的范例[2]转移。云计算定义及其产业结构的发展改变了服务范式[3]。尽管SaaS，PaaS和IaaS技术使应用程序方便，但是云计算中的一个重要问题是如何实现不均衡的调节服务或用户，并使用户能够通过可用的设备或平台选择所需的服务级别[4]。专注于云计算平台的能力，以确保适当的评估和改进是必要的。
可伸缩性是设计人员在云计算[5–7]中应认真考虑的首要问题之一。可伸缩性用于确定云系统是否可以同时处理大量应用程序请求[8]。Hwang等人[9]强调了IaaS可伸缩性在云计算中的重要性。Chen等人
[10]讨论了多云环境下视频流技术中的可伸缩性问
题。Anandhi和Chitra[11]提供了云数据库中一致性属性的可伸缩性分析。Caceres等人[12]和Gao等人[10]
- 薛超，林闯和胡杰在清华大学信息科学与技术国家实验室
（TNList）和清华大学计算机科学与技术系，北京100084。电子邮件：xuec11@mails.tsinghua.edu.cn； chlin@tsinghua.edu.cn; j-hu11@mails.tsinghua.edu.cn.
*应与谁联系。
收到的稿件：2017-04-20;修订：2017-06-15;
接受：2017-06-16
讨论了多云环境下视频流技术中的可伸缩性问
题。Anandhi和Chitra[11]提供了云数据库中一致性属性的可伸缩性分析。Caceres等人[12]和Gao等人
[13]分别进行了服务和SaaS可伸缩性分析。Tian等
人[14]还将能耗作为瓶颈指标，通过随机服务决策网模型评估云计算的性能可扩展性。但是，不存在有效的统一形式模型来考虑先前工作中的可伸缩性挑战。在本研究中，我们从云计算中的请求调度过程的角度解决可伸缩性问题。
我们提出了随机的先占优先级队列为以下方面构建可伸缩性评估系统的模型云计算中的请求调度，并对其进行必要的理论推导和数值分析。我们讨论了不同结构和环境配置中的可伸缩性。我们还提供了有效的结论，可能有助于设计和优化云计算中的请求调度过程。
本文的其余部分安排如下。第2节介绍了典型分布式系统中的服务体系结构和有关可伸缩性问题的相关工作。还讨论了请求调度过程的可伸缩性。第3节中提出了可伸缩性评估模型的制定。第4节基于可伸缩性评估模型讨论了三种基本结构中的可伸缩性。第5节提供了对不同配置和环境中可伸缩性变化的数值分析。根据我们的理解，还进行了不同结构的可伸缩性比较。结论和未来的工作在第6节中介绍。
背景和初步
云计算中的请求调度
随着云计算环境需要扩展到大量的用户和任务，设计一种可以有效分配任务和资源的调度机制成为
研究的重点[15]。在云计算中，客户端生成对各种资源（例如计算和存储访问）的请求。给定设备的请求类型取决于其访问模式，并且可能与其他设备的请求不同。请求类型可以在无线环境中广播，也可以在配置的LAN中单播/多播。为了便于分析，我们将重点放在单播请求模式上，认为广播/多播实际上可以等同于来自某些同构虚拟设备的一组单播请求。客户端可以由请求调度层中的一台或多台服务器管理，以描述不同的环境。例如，给定的广播请求可以被视为该设备由请求调度层中的所有服务器管理，并且始终同时将请求传递给它们。考虑到到不同服务器的分集链路延迟和其他环境因素，我们假设此广播请求也可以等效于仅由一个服务器管理
的一组设备。
云或群集中的虚拟服务器可交付对客户的响应，提供密集的计算服务和虚拟资源管理。在请求调度后，客户端将根据其需求获得相对最佳的虚拟服务器以获取计算和存储服务。同时， 每个虚拟服务器都会更新其状态以请求调度层。当在给定时间内错过状态报告时，请求调度系统会将这种情况视为被动超时报告，这意味着唯一虚拟服务器发生故障。虚拟服务器将根据虚拟管理要求或请求调度层的建议触发实时迁移。前者通常是由于负载和电源管理问题而发生的。但是，后者受请求调度层的监督，以重建资源的分配，以满足客户的需求或更高的性能。
相关的可伸缩性问题
可伸缩性始终是每个大型分布式服务系统中评估成本和效率之间关系的必不可少的主题。针对每个独特的系统在此主题上进行了许多研究，但很少有研究涉及可扩展性本身的一般定义。Armbrust等人[16] 将可伸缩性分为放大弹性和缩小弹性。前者不是成本优化，而是将大规模计算，存储和网络资源集成在一起以实现用户需求的操作要求[17]，后者则使稳态支出与小规模情况下的稳态工作负载紧密匹配（通常是计算资源有限的中型企业和组织[18] 。Eager等人[19]提供了基于速度的效率定义的多处理器系统的可伸缩性。在大小为n和k的处理器上的系统的执行时间由Time(k,n)表示相应的加速和效率,,
。Jogalekar和Woodside[20]评估了分布式计算系统的可扩展性，并将f(k)定义为请求的服务质量，将lambda;(k)定义为吞吐量，将C(k)定义为整个分布式系统的成本，其中k表示系统规模。根据定义的生产率，相对可扩展性指标,因为k2始终是给定值。Hu人[21] 提出了集成的可扩展性.
该模型基于先前在软件定义的网络控制平面上的研究，并评估了控制器之间的平均距离。
请求调度层的可伸缩性
与Arpacioglu和Zygmunt[22]类似，我们分析了云计算中请求调度过程的参数，环境和可伸缩性指标。问题在于，随着参数在给定环境下的变化，定义的指标是否可以稳定或更好。该环境应该是固定的。请求调度过程中的参数包括请求特征，请求调度系统的复杂性以及服务器处理请求调度的能力。
请求字符包含客户端数量，平均请求负载，突发性和通信技术，例如单播，多播和广播。复杂性是指规模，分布和同步性。在本研究中，我们主要讨论请求调度过程的可伸缩性，该变化取决于客户端数量，服务器数量和网络结构的变化。
请求调度过程是云计算的基本功能。我们使用度量向量ɸm(p)来表示参数向量的可扩展性度量
p.可扩展性由综合了各种指标的综合表达式.
描述。 Hu等人[21]和伍德赛德[23]进行了评估哲学提到。我们将这种方法适合于请求调度过程的 评估。此外，我们将同步距离考虑到复杂性。请求调度层的可伸缩性语义定义如下:
定义1 如果综合表达式ɸm(p)与参数矢量p的变化大致相同,则云计算系统的请求调度层可在给定环 境中扩展。
问题表述
系统型号
整个系统由一个随机模型描述，该模型包含云环境中包含的四个组件（客户端，请求调度网络，虚拟服务器和网络OS），如下所述
服务请求
设是两个连续的时间间隔从客户端i到目标调度服务器j的独立完整操作请求。我们的随机模型假设该随机变量是独立的，并且服 从指数分布，平均值为
要求排程
我们假设时间间隔随机变量Tj是两次连续的状态与更新报告到请求调度层中的服务器之间的时间，服从指数分布，平均值为
此过程的详细信息如图1所示。1、客户端发送对唯一服务的请求。2、请求调度层中的服务器接收此请求并做出决定。3、客户生成真实的服务请求。4、目标虚拟服务器为客户端提供相应的资源响应
请求调度层
我们在具有足够内存和I/O能力的节点上对该层进行建模。参数为处理速率micro;b1 ；更新率micro;b2 ；节点集V，数量v由f0编号；{0,1,2,...,v-1}；和边缘集E 的量为e。给定服务器的CPU的处理时间和更新时间均假定为指数分布。虚拟服务器层中每台服务器上存储的状态表的规模为q。我们定义平均复杂度以计算出对客户的响应：因此，平均执行时间为/micro;b1.我们定义平均复杂度
图1
将表条目更新为。因此，平均更新时间为/mu;b2。请求调度服务器维护的状态表可以是其管理的服务器的一部分，也可以是虚拟服务器网络中的整个服务器。这种情况导致请求调度过程中的差异。令Tk 为请求调度服务器k的响应时间，Qk为请求调度服务器k相对于调度请求的..
抢先优先级队列。优先级是直观的，因为如果我们完成了所有状态更新，则请求调度的准确性和有效性将会提高。状态更新操作的复杂度意味着优先级持续时间不是很长。
(1)如果服务器维护着覆盖整个虚拟服务器层网络的状态表，即q是整个表，则服务器将在同步过程后做出请求调度决策；因此，它不仅处理其管理的虚拟服务器的状态更新请求，而且还处理其他虚拟服务器的请求
(1)
(2)如果服务器维护的状态表仅覆盖由其管理的服务器部分，即q是部分表，则服务器将在本地做出请求调度决定。如果所请求的虚拟服务器不在其管理中，则该服务器会将请求移交给邻居请求调度服务器以执行。同步过程仅包含来自虚拟服务器的状态更新请求
(2)
对于请求，请求调度服b务器应该找到最适的服务于客户端，而只需要找到最好的一个即可。因此， 完成这项工作的复杂度为O(q)。为了说明我们的计算和比较，我们的模型使用其中a表示一个常数。相应地，可以将哈希应用于状态更新过程以使复杂度为O(1)。因此，我们有与成比例；根据结论，独立泊松和分布是随机的,变量也受Poisson分布的影响，即请求到达指定服务器的总和请求调度层服从泊松分布。我们将此层中的每个服务器建模为抢先优先级队列。优先级是直观的，因为如果我们 完成了所有状态更新，则请求调度的准确性和有效 性将会提高。状态更新操作复杂度意味着 优先级持续时间不是很长。
请求调度层的拓扑实现具有三种典型结构：集中 式，分散式和分层式，分别如图2所示。集中式结 构在请求调度层中仅包含一个服务器。分散的结构 具有多个具有对等关系的服务器。层次结构在逻辑 上包含处于不同管理级别的不同类型的服务器。调 度请求在不同结构上的总计到达率的计算彼此不同， 并且根据服务器管理关系而定。详细的计算在第4 节中介绍。
可伸缩性定义
我们还使用吞吐量，平均响应时间和复杂性来评估此指标。客户数量是最重要的变量。这项工作中的可伸缩性定义如下。
定义2可扩展性公制的 具有拓扑的请求调度层；
(3)
可伸缩性定义是相对比率形式度量，表示当客户端的总数从N2扩展到N1时具有给定结构的请求调度层的可伸缩性。lambda;(N)表示吞吐量，它是单位时间内完成的调度请求的平均数量。T(N)表示每个请求的平均响应时间。
调度网络
投放网
络
调度网络
投放网
络
调度网络
投放网
络
图2不同结构的服务能力
可伸缩性评估
我们的工作需要评估和比较云计算中请求调度过程 的不同结构的可伸缩性。此外，我们分析了环境和 结构配置的变化将如何影响可伸缩性指标。在本节 中，我们将针对不同结构计算可伸缩性度量的组件。对于集中式结构，可以直接计算度量。对于分散式结构，每个请求调度服务器在可伸缩性度量标准中 具有相同的角色。对于层次结构，表达式根据不同要求的功能而变化调度服务器。
一个节点的队列模型
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[241039]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
