云计算可伸缩性的测试、评价和优化研究

Cloud computing aims to support an advanced level of massive scalability so that it can provide necessary resources on demand following a pay-per-use pricing model. Scalability (or elasticity) is one of the most promising benefits of Cloud computing, and a critical measurement of Cloud performance. However, Cloud introduces many new challenges to conventional scalability research, such as highly fluctuated internet workload, sharing and dynamic allocation of large-scale virtualized resources, and multi-tenancy architecture. To address the challenges, the research aims to investigate new methods and techniques from three perspectives: scalability measurement and evaluation, Cloud workload characterization, and dynamic reconfiguration and provisioning of Cloud resources. A multi-dimensional, cost-aware scalability model will be provided, considering heterogeneous resources and platforms. Workload models will be investigated based on performance data analysis using analytic techniques. It will also propose methods and algorithms for cloud resource configuration and provisioning, based on optimization theories like Game theory and linear programming. Well-design scalable architecture and efficient resource scheduling are critical to ensure system service level agreement. The project will research on the theory and innovative techniques on cloud performance engineering. It will be great beneficial to Cloud computing.

云计算已成为互联网环境下，计算机系统体系架构的一个主要发展趋势。可伸缩性（或弹性）关注计算资源动态调度的效率和性能，是云平台性能评价中的一个重要指标。但由于云计算系统的负载规模大且难以预测、多租户体系结构设计、按需动态资源分配等特性，给可伸缩性的评价、测试和优化带来了挑战。本项目旨在针对基于云平台、面向服务的互联网软件系统的特点，从可伸缩性度量和评价模型、典型负载模型、资源动态重构和优化部署几个方面开展相关研究。考虑异构资源、异构平台对性能的影响，兼顾性能的经济性等因素，研究多指标、多维度、综合化的系统评价方法；利用数据分析、机器学习等技术，建立负载时变性和波动性的模型，实现基于现实场景的负载模拟；基于博弈论、线性规划等优化分析方法，研究最优化资源配置选择推荐算法和动态部署技术。 具有良好可伸缩性的系统结构设计和高效的计算资源调度，对保证系统服务水平至关重要。本项目工作将为云计算性能研究探索新的理论、方法和技术，具有重要的意义。

云已成为互联网环境下主要计算平台。但由于云计算系统的负载规模大且难以预测、多租户体系结构设计、按需动态资源分配等特性，给云平台的评价、测试和优化带来了挑战。本项目从可伸缩性度量和评价模型、典型负载模型、资源动态重构和优化部署几个方面开展相关研究。主要工作包括：（1）负载模型分析与测试。从虚拟机、任务、应用程序等层面，研究云负载特征分析及建模方法，并基于API及场景建模构建负载模拟测试工具；（2）可伸缩性度量与测试。从效、生产力等方面定义云平台服务可伸缩性度量方法，采用多个基准测试集，对现有典型的云平台进行测试分析；（3）基于博弈的资源调度方法。从用户竞价模型、用户-服务商议价模型、服务商竞争模型、服务商合作模型四个方面，刻画了云计算市场中不同场景下的资源调度问题，并通过描述场景特点、建立数学模型、论述模型机理和关键问题，构建了基于博弈论的资源调度方法体系；（4）基于演化博弈理论的云资源调度。为了在高频的、多样化的资源请求中达到资源配置的动态平衡，研究探讨了一种演化博弈模型，即考虑异构资源多维度QoS需求、考虑中间状态的动态部署、可扩展到大规模应用的分布式调度方法、以及实现帕累托优化过程。.相关成果发表论文14篇，其中英文期刊1篇（TPDS），中文学报6篇（《计算机学报》、《计算机研究与发展》等），重要国际会议7篇（ICSE、ICST、COMPSAC等）。云平台测试工具，目前和企业合作，在中国云二期/三期项目、阿里云平台以及微众银行支付服务等实际的云平台上应用实践，具有很好的应用前景。