登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
面向云存储的I/O资源效用优化调度算法研究
  • 摘要

    随着云计算的普及,越来越多的客户选择使用基于云的服务,以避免冗余的设施购买费用和繁杂的系统设计与维护,从而将精力集中在自己的专业领域.通常,云服务的客户从云服务供应商购买虚拟机,并根据双方商定达成的服务水平目标(service level objective,SLO)约束购买到的计算资源.分布式存储中大量的文件分布在不同的存储节点上,现有的CPU、内存以及带宽等资源的分配调度算法并不适用磁盘I/O资源.从云服务提供商的角度来说,高效用的I/O资源调度算法有利于提高其系统的利用率,节约资源开销并增加企业收益率.从云存储提供商为获取高效率高收益率的角度考虑,通过对用户的虚拟机在不同存储节点上的访问特性建模,提出了一个新的自适应分布式I/O资源调度算法,简称为PC算法.PC算法能够:1)根据用户与服务商之间制定的SLO,动态地在各个存储节点中为每个虚拟机制定适当的局部SLO,满足虚拟机对个体节点的访问需求;2)为各虚拟机提供高效健壮的资源分配策略,既能尽可能利用I/O资源,又避免由无序的I/O资源竞争导致的虚拟机I/O资源饥饿.PC算法能够根据不同的I/O资源供应状况在两种调度策略间自动切换,当系统I/O资源充足时,算法采用最早截止时间优先算法(earliest deadline first,EDF)方式提高I/O资源使用率;反之则根据每个I/O请求的预计效益来提高总收益率.实验结果表明,在不采用预先设定虚拟机对各个节点访问量的前提下,PC算法能根据访问模式制定合理的资源分配,提高系统的I/O资源利用率和收益.

  • 作者

    王健宗  谌炎俊  谢长生  Wang Jianzong  Chen Yanjun  Xie Changsheng 

  • 作者单位

    华中科技大学计算机学院 武汉430074;武汉光电国家实验室 武汉430074;信息存储系统教育部重点实验室(华中科技大学)武汉430074;网易公司 广州 510665/华中科技大学计算机学院 武汉430074;佐治亚理工学院 佐治亚州 亚特兰大30332/华中科技大学计算机学院 武汉430074;武汉光电国家实验室 武汉430074;信息存储系统教育部重点实验室(华中科技大学)武汉430074

  • 刊期

    2013年8期 ISTIC EI PKU

  • 关键词

    云存储  I/O资源调度  效用优化  服务水平目标  收益最大化  cloud storage  I/O scheduling  utility optimization  service level objective  revenue maximization 

参考文献
  • [1] Gulati A;Merchant A;Varman P. pClock:An arrival curve based approach for QoS in shared storage systems. New York:ACM, 2007
  • [2] Gulati A;Ganesha S;Irfan A. Pesto:Online storage performance management in virtualized datacenters. New York:ACM, 2011
  • [3] Gulati A;Merchant A;Varman P. mClock:Handling throughput variability for hypervisor I/O scheduling. Berkeley,CA:USENIX Association, 2010
  • [4] Hui W;Varman P. Nested QoS:Providing flexible performance in shared I/O environment. Berkeley,CA:USENIX Association, 2011
  • [5] Zhang J;Anand S;Wang Q. Storage performance virtualization via throughput and latency control. ACM Trans on Storage, 2006,03
  • [6] Zhang Q;Zhu Q;Raouf B. Dynamic resource allocation for spot markets in cloud computing environments. Los Alamitos,CA:IEEE Computer Society, 2011
  • [7] Zhang Q;Eren G;Raouf B. Dynamic resource allocation for spot markets in clouds. Berkeley,CA:USENIX Association, 2011
  • [8] Amazon Web Services Inc. Amazon Elastic Compute Cloud (Amazon EC2). http://aws.amazon.com/ec2/, 2011-11-11
  • [9] Ganger G. The DiskSim simulation environment (version 4.0). http://www.pdl.cmu.edu/DiskSim/, 2011-11-11
  • [10] Storage Performance Council (Umass Trace Repository). http://traces.cs.umass.edu/index.php/Storage/, 2011-11-11
查看更多︾
相似文献 查看更多>>
35.175.121.230