保证响应时间百分比下的云中心资源优化配置

doi:10.11959/j.issn.1000-0801.2015197

电信科学 ›› 2015, Vol. 31 ›› Issue (8): 91-98.doi: 10.11959/j.issn.1000-0801.2015197

保证响应时间百分比下的云中心资源优化配置

何怀文^1,²

¹ 电子科技大学中山学院计算机学院中山 528402
² 中山大学信息科学与技术学院广州 510275

出版日期:2015-08-27 发布日期:2015-08-27
基金资助:
国家自然科学基金青年科学基金资助项目;广东省自然科学基金博士启动项目基金资助项目;中山市科技计划基金资助项目;中山市科技计划基金资助项目

Optimal Resource Provision of Cloud Center with Guarantee Percentile Response Time

Huaiwen He^1,²

¹ School of Computer，University of Electronic Science and Technology of China Zhongshan Institute，Zhongshan 528402，China
² School of Information Science and Technology，Sun Yat-sen University，Guangzhou 510275，China

Online:2015-08-27 Published:2015-08-27
Supported by:
The National Natural Science Foundation of China;The Ph D Start-up Fund of Natural Science Foundation of Guangdong Province;The Science and Technology Project of Zhongshan;The Science and Technology Project of Zhongshan

摘要/Abstract

摘要：

为了保证响应时间百分比SLA的同时，最小化商用云中心资源配置成本，基于排队理论提出了云中心模型，从经济角度分析云中心资源配置成本，并推导出云中心响应时间百分比的数学表达式。给出了计算最小配置成本算法（MPCA），通过大量实验分析了负载流量、响应时间百分比和基准响应时间对配置成本的影响。实验结果表明，通过MPCA对云中心服务器数量和运行速率进行优化，可以使配置成本随着负载流量的增加而呈线性增长。

关键词: 响应时间百分比, 云中心, 资源配置, SLA

Abstract:

In order to minimize resource provisioning cost of commercial cloud center，while guarantee percentile response time SLA，a cloud center model based on queuing theory was proposed.Resource provisioning cost was analyzed from an economic point of view，and the mathematical expressions of cloud center percentile response time were deduced.Meanwhile the minimum provisioning cost algorithm（MPCA）was developed to calculate the minimum cost of cloud center，the affect on cloud center cost by load flow，percentile response time and based response time was analyzed via a large number of experiments.The results show that with MPCA to optimized server number and speed of cloud center，it can achieve cost linear increase with increasing traffic load.

Key words: percentile response time, cloud center, resource provision, SLA

何怀文. 保证响应时间百分比下的云中心资源优化配置[J]. 电信科学, 2015, 31(8): 91-98.

Huaiwen He. Optimal Resource Provision of Cloud Center with Guarantee Percentile Response Time[J]. Telecommunications Science, 2015, 31(8): 91-98.

图/表 6

表1

模型相关的符号描述"

符号	意义
λ	负载到达速率
r	完成请求所需的计算量
x	完成请求所需的时间
n	云中心服务器数量
ρ	服务器利用率，等于λ/（nμ）
s	服务器运行速率
μ	服务速率
$\hat{T}$	基准响应时间
ψ	单位能耗价格
k	能耗比例系数
γ%	响应时间百分比
$\bar{r}$	请求所需的平均计算量
$\bar{x}$	完成请求所需的平均时间
π_k	队长为k的概率
P*	服务器基本能耗
C	云中心配置总成本
C_r	能耗成本
C_e	服务器租用成本
ω	单位时间服务器租用价格
η	能耗比例因子

表1

图1

表2

云中心参数设置"

参数	数值
能耗比例系数k	1
能耗比例因子η	3
服务器租用价格ω/（〓·s^-1）	0.5
能耗价格ψ/（＄·kW·h ^-1）	0.06
服务器基本能耗P^*/W	2
基准响应时间 $\hat{T} / s$	0.8
响应时间百分比γ%	0.98
请求所需的平均计算量 $\bar{r} /$ 十亿级指令	1

表2

图2

表3

图3

参考文献 20

1	Armbrust M ， Fox A ， Griffith R ，et al. A view of cloud computing. Communications of the ACM， 2010，53（4）： 50～58
2	Bruneo D . A stochastic model to investigate data center performance and QoS in IaaS cloud computing systems. IEEE Transactions on Parallel and Distributed Systems， 2014，25（3）： 560～569
3	Wang S ， Munawar W ， Liu J ，et al. Power-saving design for server farms with response time percentile guarantees. Proceedings of the 18th Real-Time and Embedded Technology and Applications Symposium（RTAS）， Beijing，China， 2012
4	Xiong K Q ， Perros H . QRP01-6：resource optimization subject to a percentile response time SLA for enterprise computing. Proceedings of Global Telecommunications Conference， San Francisco，CA，USA， 2006
5	Decandia G ， Hastorun D ， Jampani M ，et al. Dynamo：amazon’s highly available key-value store. SIGOPS Oper Syst Rev， 2007，41（6）： 205～220
6	Khazaei H . Performance modeling of cloud computing centers （doctor dissertation）. The University of Manitoba， 2012
7	Zhuravlev S ， Saez J C ， Blagodurov S ，et al. Survey of energy-cognizant scheduling techniques. IEEE Transactions on Parallel and Distributed Systems， 2013，24（7）： 1447～1464
8	Deng W ， Liu F ， Jin H ，et al. Reliability-aware server consolidation for balancing energy-lifetime tradeoff in virtualized cloud datacenters. International Journal of Communication Systems， 2014，27（4）： 623～642
9	Berl A ， Gelenbe E ， Di Girolamo M ，et al. Energy-efficient cloud computing. The Computer Journal， 2010，53（7）： 1045～1051
10	Bilal K ， Malik S U R ， Khalid O ，et al. A taxonomy and survey on green data center networks. Future Generation Computer Systems， 2014，36（7）： 189～208
11	Cao J ， Li K ， Stojmenovic I . Optimal power allocation and load distribution for multiple heterogeneous multicore server processors across clouds and data centers. IEEE Transactions on Computers， 2014，63（1）： 45～58
12	Cao J W ， Kai H ， Li K Q ，et al. Optimal multiserver configuration for profit maximization in cloud computing. IEEE Transactions on Parallel and Distributed Systems， 2013，24（6）： 1087～1096
13	Xiong K Q ， Perros H . Service performance and analysis in cloud computing. Proceedings of 2009 World Conference on Services-I， Los Angeles，CA，USA， 2009： 693～700
14	Xiong K Q ， Suh S . Resource Provisioning in SLA-Based Cluster Computing Job Scheduling Strategies for Parallel Processing. Berlin： Springer Berlin Heidelberg, 2010： 1～15
15	陆传赉 . 排队论. 北京：北京邮电学院出版社， 1994 Lu C L . Queuing Theory. Beijing： Beijing University of Posts and Telecommunications Press， 1994
16	唐应辉，唐小我 . 排队论：基础与分析技术. 北京：科学出版社， 2006 Tang Y H ， Tang X W . Queuing Theory：Basic and Analysis. Beijing： Science Press， 2006
17	Gross D ， Shortle J F ， Thompson J M ，et al. Fundamentals of Queueing Theory. Hoboken： John Wiley ＆ Sons, 2013
18	Zhai B ， Blaauw D ， Sylvester D ，et al. Theoretical and practical limits of dynamic voltage scaling. Proceedings of the 41st Design Automation Conference， San Diego，USA， 2004
19	Mazzucco M ， Dyachuk D . Balancing electricity bill and performance in server farms with setup costs. Future Generation Computer Systems-The International Journal of Grid Computing and Escience， 2012，28（2）： 415～426
20	Altiok T ， Melamed B . Simulation modeling and analysis with Arena. New York： Academic Press, 2010

λ	s	n	C	C_e	C_r	ρ
45	4.914 27	14.264 89	74.049 40	66.916 95	7.132 44	0.641 92
55	4.912 12	16.761 26	90.017 52	81.636 87	8.380 63	0.668 02
65	4.910 46	19.218 55	105.954 93	96.345 65	9.609 27	0.688 76
75	4.909 13	21.645 46	121.868 51	111.045 78	10.822 72	0.705 81

[1]	肖子玉, 吕红卫, 赵存, 韩研, 苏坚. 面向垂直行业的5G网络规划设计方法论及产品化解决方案[J]. 电信科学, 2021, 37(6): 143-149.
[2]	祖立军,袁航. 金融骨干网的SRv6 Policy研究与应用[J]. 电信科学, 2020, 36(8): 53-65.
[3]	刘义亮,李鑫,薄开涛. 5G端到端网络协同关键技术[J]. 电信科学, 2020, 36(3): 144-155.
[4]	殷洁,包晶晶,申文俊,彭志婷. 有线接入型业务资源配置规则及技术实现方法研究[J]. 电信科学, 2014, 30(10): 143-150.
[5]	李攀攀,张宏莉,邓会敏,周志刚. 一种面向云平台的虚拟机内存SLA审计机制[J]. 电信科学, 2013, 29(6): 72-81.
[6]	殷洁,申文俊. 接入型服务资源配置研究[J]. 电信科学, 2013, 29(6): 158-163.
[7]	李艳,张治中. LTE网络SlAP监测方案的研究与实现[J]. 电信科学, 2013, 29(1): 31-38.
[8]	钱琼芬,李春林,熊家军,李强. 云计算中的SLA管理技术研究[J]. 电信科学, 2012, 28(10): 38-45.
[9]	王翠娥,顾永跟,吴小红,陶杰. 基于机制设计理论的云计算SLA响应时间优化[J]. 电信科学, 2012, 28(1): 46-50.
[10]	王翠娥,顾永跟,吴小红,陶杰. 基于机制设计理论的云计算SLA响应时间优化[J]. 电信科学, 2012, 28(1): 42-46.
[11]	盖玲. 基于云计算的安全服务研究[J]. 电信科学, 2011, 27(6): 97-100.
[12]	张军. 论ASON技术的应用和实践——上海电信建成全球最大智能光网络[J]. 电信科学, 2011, 27(12): 1-5.
[13]	何峣,郭茂文,覃宝灵. DSLAM端口汇聚器技术及应用[J]. 电信科学, 2009, 25(5): 98-101.
[14]	张中荃,谢国益. 基于QoS实现EPON上行动态带宽分配的一种有效算法[J]. 电信科学, 2006, 22(3): 63-65.
[15]	何苗. ATM技术在MSTP中的应用[J]. 电信科学, 2004, 20(6): 37-41.

保证响应时间百分比下的云中心资源优化配置

Optimal Resource Provision of Cloud Center with Guarantee Percentile Response Time

在线阅读

PDF下载

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 20

相关文章 15

Metrics

推荐阅读 0