面向云存储的I/O资源效用优化调度算法研究
作者机构：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 佐治亚理工学院佐治亚州亚特兰大30332
基 金：国家自然科学基金项目(60933002) 国家"九七三"重点基础研究发展计划基金项目(2011CB302303) 湖北省武汉市青年科技晨光计划基金项目(201050231073) 国家"八六三"高技术研究发展计划基金项目(2013AA013203)
出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)
年 卷 期：2013年第50卷第8期
页 码：1657-1666页
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.
主 题 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
学科分类：08[工学] 081201[081201] 0812[工学-测绘类]
核心收录：
馆 藏 号：203448754...
