CN102902344A - 基于随机任务的云计算系统能耗优化方法 - Google Patents

Abstract

本发明涉及一种基于随机任务的云计算系统能耗优化方法，其特征在于，该方法包括以下步骤：1)监测大量达到云计算系统的随机任务的到达时刻，得到随机任务到达时刻的经验分布；2)确定该经验分布的理论分布类型，并估算其参数；3)根据计算特征对达到系统的任务进行分类，并测量每类任务执行时的期望响应时间和期望能耗；4)测量云计算系统中所有计算节点的负载量；5)任务到达时，判断任务队列是否为空，若为是，则根据云计算系统中计算节点的负载状况进行任务调度；若为否，则进入等待状态。与现有技术相比，本发明降低系统能耗的同时，也兼顾了系统的性能，反映出了云计算系统中任务的动态特性。

Description

基于随机任务的云计算系统能耗优化方法

技术领域

本发明涉及一种用于云计算机系统的信息处理方法，尤其是涉及一种基于随机任务的云计算系统能耗优化方法。

背景技术

目前，高能耗是云计算系统最为严重的问题之一。例如，谷歌数据中心产生的能耗可相当于一个小型城市的总能耗。目前，分布式并行计算系统的能耗优化管理技术主要包括三类：关闭/休眠技术(Resource Hibernation)，电压动态调整技术(Dynamic Voltage Scaling，DVS)和虚拟化技术(Virtualization)。这三种能耗优化管理技术有不同的应用场景和缺点。其中，关闭/休眠技术的相关研究通常主要是针对计算机或处理部件的关闭/休眠时机进行设定或预测。但是对于包含有众多计算资源的云计算系统，如何根据单位时间到达的任务量决定要关闭的计算机数量，以及关闭哪些计算机等问题，都给关闭/休眠技术赋予了新的研究难题。例如，由于传统调度策略的缺陷，会导致计算机负载不平衡，甚至计算机出现空闲的情况，此时如果再调用关闭/休眠技术，显然会严重影响整个系统性能。电压动态调整技术的核心思想是：通过动态调整电压来使同一处理器具有不同的功率/性能“档位”，用不同的“档位”来处理不同类型、不同计算量的任务，在降低执行能耗的同时又保证了执行性能。但是云计算系统中，电压动态调整技术遇到了以下几个问题：(1)计算任务到达的随机性，导致很难预测下一个到达的计算任务的类型；(2)即使知道了任务类型，也很难准确分析所适合的电压“档位”；(3)电压动态调整技术主要是用来降低计算机中处理器的能耗，对整台计算机或整个云计算系统的能耗优化存在一定的局限性。虚拟化技术实现了计算机资源从物理实体向虚拟实体的迁移，提高了计算机的资源利用率。但虚拟化特别是深层次的虚拟化本身也要付出高昂的效能代价，因为虚拟化技术通过对底层硬件部件到高层服务应用的层层虚拟，每一级的虚拟都造成了效能的损失。

由于用户提交服务请求在时间上是不确定的，导致任务到达云计算系统是随机的。例如，任务的到达间隔可能服从负指数分布、Erlang分布等其它随机分布。用户的服务请求具有一定的趋同性，例如，大量用户同时对一些网络新兴事物的关注，会导致短时间内涌现大量任务，即任务量具有“激增”的现象。

现有云计算平台的硬件基础设施通常是架构在大规模廉价服务器集群之上，系统中的不同服务器或计算机通常是由不同公司生产，有不同的硬件配置。这些计算机不仅有不同的功能和性能，其耗电的功率也不同，具体可表现为：(1)功能异构。根据体系结构的不同，计算机可分为不同的类型，例如PC，向量机、SIMD、MIMD计算机、GPU、DSP等。(2)性能异构。计算机硬件配置不同，同样导致不同计算机执行不同任务的性能不同。(3)空闲和峰值功率异构。由于计算机体系结构或硬件配置的不同，导致不同计算机处于空闲或峰值性能状态时的耗电功率不同。(4)执行功率异构。不同类型任务在同一计算机上的执行功率不同。究其原因是不同类型任务的执行特征不同，导致对计算机各种硬件资源的需求和需求程度不同。另外，同一任务在不同计算机上的执行功率也不同。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于随机任务的云计算系统能耗优化方法，该方法可以兼顾云计算系统的能耗和性能。

本发明的目的可以通过以下技术方案来实现：

一种基于随机任务的云计算系统能耗优化方法，该方法包括以下步骤：

1)监测达到云计算系统的随机任务的到达时刻，得到随机任务到达时刻的经验分布；

2)确定该经验分布的理论分布类型，并估算其参数；

3)根据计算特征对达到系统的任务进行分类，并测量每类任务执行时的期望响应时间和期望能耗；

4)根据任务的期望响应时间和期望能耗，测量云计算系统中所有计算节点的负载量；

5)任务到达时，判断任务队列是否为空，若为是，则根据云计算系统中计算节点的负载状况进行任务调度；若为否，则进入等待状态；

所述的步骤3)中的计算特征包括计算模式和计算需求。

所述的步骤5)中任务调度的策略为：

若云计算系统中存在空载或轻载的节点，将任务优先调度至空载或轻载的节点，并将大能耗的任务优先映射到节点进行处理，降低云计算系统的空闲概率；

若云计算系统中所有的节点负载量均在空载与重载之间，则各个节点优先映射小能耗任务进行处理，降低云计算系统的能耗；

若云计算系统中仅存在重载的节点，将任务优先映射到负载量最小的节点进行处理。

与现有技术相比，本发明具有以下优点：

1.采用了一种新的评价指标——期望能耗，对云计算系统的能耗开销进行分析，不同于传统的基于单指标的能耗评价指标，例如功率或总能耗。由于不同的计算机系统之间存在较大的差异性，单指标不能很好的反映系统的能耗情况，而期望能耗则是同时考虑了能耗和性能的因素。

2.客观的反映了云计算系统中计算任务的到达规律和任务类型的异构性，传统能耗优化问题的研究都是假设任务是任务池的形式，属于静态的描述，而本发明通过动态的调度过程，没有反映云计算系统中任务的动态特征。

3.采用性能约束的能耗优化策略，在对能耗进行优化的同时还兼顾考虑了系统的性能。

附图说明

图1为本发明的流程图；

图2为本发明任务调度的示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

一种基于随机任务的云计算系统能耗优化方法，该方法的流程如图1所示，包括以下步骤：

步骤S1：由于任务的到达时间间隔可能服从负指数分布、Erlang分布等随机分布，而且可能存在一定的趋同性，因此需要监测大量达到云计算系统的随机任务的到达时刻，得到随机任务到达时刻的经验分布。

步骤S2：采用统计学的方法，如χ²检验法，确定出属于哪种理论分布，并估计其参数值。

步骤S3：根据计算需求、执行模式等计算特征对达到系统的任务进行分类，并测量每类任务执行时的期望响应时间和期望能耗。由于不同任务之间、不同节点之间存在差异，导致不同的调度方式会影响系统的期望响应时间，因此不同任务将以不同的概率调度到不同的节点上，根据不同节点对不同任务的平均响应时间，可计算得到云计算系统中每个节点对所有类型任务的期望响应时间，然后计算得到整个云计算系统对某一类任务的期望响应时间。期望能耗可通过同样的方式计算得到。

步骤S4：根据任务的期望响应时间和期望能耗，测量云计算系统中所有计算节点的负载量。

步骤S5：任务到达时，判断任务队列是否为空；若为是，则执行步骤S6；若为否，则执行S7。

步骤S6：根据云计算系统中计算节点的负载状况(负载量0％为空载，30％以下为轻载，70％以上为重载)进行任务调度。任务调度的策略如图2所示，其中λ_m表示任务，t_m表示任务的期望响应时间，w_m表示任务的希望能耗。

若云计算系统中的各节点C₁、C₂……C_n中存在空载或轻载的节点C₁和C₂，则任务优先调度至该负载量较小的节点C₁或C₂，并将大能耗的任务优先映射到节点中进行处理，从而降低云计算系统的空闲概率，在控制能耗的同时兼顾系统性能；

若云计算系统中所有的节点C₁、C₂……C_n的负载量均在空载与重载之间，则各个节点优先映射小能耗任务进行处理，以降低云计算系统的能耗；

若云计算系统中各个节点均处于重载的状态，若此时C₁节点的负载相对较小，则将任务优先映射到负载量最小的节点C₁进行处理。

通过该调度策略在降低系统能耗的同时，也兼顾了系统的性能，反映出了云计算系统中任务的动态特性。

Claims (3)

1.一种基于随机任务的云计算系统能耗优化方法，其特征在于，该方法包括以下步骤：

1)监测达到云计算系统的随机任务的到达时刻，得到随机任务到达时刻的经验分布；

2)确定该经验分布的理论分布类型，并估算其参数；

3)根据计算特征对达到系统的任务进行分类，并测量每类任务执行时的期望响应时间和期望能耗；

4)根据任务的期望响应时间和期望能耗，测量云计算系统中所有计算节点的负载量；

5)任务到达时，判断任务队列是否为空，若为是，则根据云计算系统中计算节点的负载状况进行任务调度；若为否，则进入等待状态。

2.根据权利要求1所述的一种基于随机任务的云计算系统能耗优化方法，其特征在于，所述的步骤3)中的计算特征包括计算模式和计算需求。

3.根据权利要求1所述的一种基于随机任务的云计算系统能耗优化方法，其特征在于，所述的步骤5)中任务调度的策略为：

若云计算系统中存在空载或轻载的节点，将任务优先调度至空载或轻载的节点，并将大能耗的任务优先映射到节点进行处理，降低云计算系统的空闲概率；

若云计算系统中所有的节点负载量均在轻载与重载之间，则各个节点优先映射小能耗任务进行处理，降低云计算系统的能耗；

若云计算系统中仅存在重载的节点，将任务优先映射到负载量最小的节点进行处理。