云计算中基于多维空间拓扑映射的资源机会复用技术研究

On-demand service requires the cloud platform providing suitable resource, while resource sharing is the basic method to consolidate the users' requests. Their essential goals are both reducing the running cost of resources through maintaining reasonable resource utilization. This project is to build an efficient resource sharing mechanism based on improving the resource utilization of cloud platform. We will investigate how to accurately represent the users' requests through resource model and request mapping mechanism including the resource topology. And we will investigate the opportunistic resource utility mode and collision restricted resource sharing mechanism. To reach the optimal resource utilization, we will then investigate the core resource allocation algorithms for the opportunistic resource sharing. From the view of pre-allocation resources to meet the requests, we will investigate multi-dimension topology mapping based balanced resource allocation technology to support time division multiplexing resource sharing, in order to maximum the resource utilization. From the view of running time resource adjusting, we will investigate self-adaption resource re-allocation that supporting scaling quickly of resources, so that it can adapt the load variation and maintain the high efficiency of the system. The above research results will be used in our cloud platform prototype to evaluate its efficiency. Such a systemized research on opportunistic resource sharing mechanism will improve the resource utilization, so that reducing the cost of both cloud providers and users.

"按需服务"要求云平台为用户提供数量适当的资源，而资源复用则是云平台整合用户需求的基本途径，两者的本质目标都是通过保持云端合理的资源利用率，满足需求并降低成本。本项目以提高云平台资源利用率为基本出发点，以建立高效资源复用机制为核心，拟以准确刻画用户需求出发，研究包括资源需求拓扑的资源模型和需求映射机制，确立资源的概率使用模式，由此研究冲突约束的资源机会复用机制。在此资源复用框架下，研究该机制的核心资源调度技术：从满足用户请求的资源预分配角度，研究基于多维空间拓扑映射的均衡资源配置技术，实现分时复用的可伸缩资源配置机制，以达到整体最小化资源占用；从运行态资源调整角度，研究支持快速伸缩的自适应资源重配置技术，以适应负载波动并能保持系统高效率运行。上述成果将运用于我们现有云平台原型，并验证其正确性和有效性。该系统化的资源机会复用机制研究将促进资源利用率的提升，为云服务用户与云平台降低成本。

“按需服务”要求云平台为用户提供数量适当的资源，而资源复用则是云平台整合用户需求的基本途径，两者的本质目标都是通过保持云端合理的资源利用率，满足需求并降低成本。本项目以提高云平台资源利用率为基本出发点，以建立高效资源复用机制为核心，研究了动态用户需求的描述模型，及基于动态需求模型的资源预留与配置技术；为进一步提高资源利用率并降低能耗，深入研究了面向低能耗与负载均衡的虚拟机整合策略；运行过程中，研究了为降低虚拟机间网络通信开销的虚拟机动态调整策略。本项目研究工作按照项目申报书所述研究计划展开，并取得了3个方面的成果，达到了预期研究目标。.1..基于机会共享的资源预留与配置技术.通过分析用户动态资源需求模式，针对网络通信资源的弹性需求，提出了资源概率需求模型，将资源配置问题转化为虚拟网络嵌入，并提出了基于机会共享的虚拟网络嵌入技术，在限定通信冲突阈值下，最小化网络资源的使用。进一步针对计算资源的动态工作负载，建立了基于马尔科夫过程的激增负载模型，并提出了相应的资源预留策略，通过冗余少量资源，能高效应对激增负载。.2..面向能耗感知和负载均衡的虚拟机整合策略.针对计算、网络等多类型资源，项目组提出了面向资源均衡性的虚拟机部署算法，有效利用物理服务器的各类型资源；并针对部署于不同云端的资源，提出了面向多服务处理流的资源稳定分配策略。而为了降低云端能耗，提出了基于动态调频技术的Web服务部署策略，根据工作负载，实时调整服务器频率，降低能耗。.3..基于网络感知的虚拟机动态调整策略.虚拟机之间通信的网络时延是影响性能的一个重要因素，为此项目组考察了通过虚拟机迁移达到优化系统配置的代价与收益，提出了面向机架的虚拟机整体聚集与网络感知的虚拟机整合算法，在控制代价的前提下，提升系统性能。.上述成果运用于项目组自行研制的云平台原型，验证了正确性和有效性。本项目所建立的系统化资源机会复用机制，对云端资源配置将是有力促进，能有效降低云服务用户与云平台成本。.基于项目研究成果，项目组发表相关学术论文16篇，申请发明专利8项，获得授权发明专利1项，获得软件著作权2项。项目组成员多次参加国内外学术会议，同加拿大滑铁卢大学、日本会津大学、香港科技大学等建立了长期科研合作，增强了学术交流，扩大了学术影响力。