CN111970383B - 数据中心网络的多租户共享方法、系统及存储介质 - Google Patents
数据中心网络的多租户共享方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111970383B CN111970383B CN202011123533.0A CN202011123533A CN111970383B CN 111970383 B CN111970383 B CN 111970383B CN 202011123533 A CN202011123533 A CN 202011123533A CN 111970383 B CN111970383 B CN 111970383B
- Authority
- CN
- China
- Prior art keywords
- tenant
- bandwidth
- placement
- application
- demand
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45595—Network integration; Enabling network access in virtual machine instances
Abstract
本发明提供了一种数据中心网络的多租户共享方法、系统及存储介质,在所述多租户共享方法中,引入进度这一性能指标,并通过联合优化应用程序的放置位置和带宽分配的过程,以最大化所有租户的所述进度,并在优势资源公平性限制下最大化网络利用率,实现了提高应用程序性能和网络利用率的长期目标。
Description
技术领域
本发明属于面向云的网络共享技术领域,具体是涉及到一种数据中心网络的多租户共享方法、系统及存储介质。
背景技术
在基础架构即服务(IaaS,即“云”)数据中心内,租户(Tenant)按固定费率租赁虚拟机(Virtual Machine, VM)并在其上部署自己的应用程序。在这种模式下,租户的计算和存储资源与云中的其他租户之间是隔离使用的,相反数据中心网络的资源以“尽力服务”模式由租户之间共享。因此,租户可获得的网络带宽受限于一系列复杂的因素,如网络负载、虚拟机的放置以及数据中心网络的超额预定比率等。这造成了租户间网络性能的显著差异,从而严重损害应用程序的性能,不仅使租户成本变得不可预测,同时也造成云服务提供商的收入损失。
因此,针对多租户数据中心内部网络的共享研究已成为数据中心资源管理和分配的重点方向。由于租户期望保证其应用程序的最低带宽,也就是隔离保证(IsolationGuarantee),以实现性能可预测性,而云提供商则追求网络高利用率和策略安全性。现有的数据中心网络的多用户共享方法大多数的目标是实现网络共享的公平性、可预测性和效率之间的权衡,却忽略了提高应用程序性能和网络利用率的长期目标。
发明内容
有鉴于此,本发明提供了一种数据中心网络的多租户共享方法、系统及存储介质,以实现提高应用程序性能和网络利用率的长期目标。
一种数据中心网络的多租户共享方法,包括:
执行应用程序放置算法,以多个租户中的第个租户的计算和存储资源需求量以及带宽需求量作为输入,以获得所述数据中心网络中的瓶颈链路带宽需求量的最小值为优化目标,输出位置放置量,使得根据所述位置放置量将所述第个租户的各个应用程序放置在候选物理机中的相应候选虚拟机后,所述瓶颈链路带宽需量的值最小,并输出最小值的所述瓶颈链路带宽需量,
其中,在所述带宽分配算法的第一执行阶段,根据最小的所述瓶颈链路带宽需量计算获得所述数据中心网络的最大进度,并根据所述最大进度和所述带宽需求量计算获得所述保证带宽分配量,所述所述数据中心网络的进度为所述第个租户的应用程序在所述数据中心网络的所有链路上经需求标准化后的最小带宽分配量,
在所述带宽分配算法的第二执行阶段,根据所述保证带宽分配量计算所述所述候选物理机在进行保证带宽分配后的剩余带宽,并将所述剩余带宽按最大最小公平性分配给各个租户,以获得所述实际带宽分配量。
优选地,在所述数据中心网络的多租户共享系统执行所述应用程序放置算法和执行所述带宽分配算法之前,还包括:
初始化所述多租户共享系统中的各个所述租户的计算和存储资源需求量、带宽需求量,
监控并获取当前所述多租户共享系统中的各个虚拟机的可用计算和存储资源容量以及网络资源资源容量,
将各个所述物理机按照其可用计算和存储资源容量以及网络资源资源容量的大小进行从大到小的倒叙排序,
选取所述候选物理机上所有属于所述第个租户的虚拟机作为所述候选虚拟机。优选地,在执行所述应用程序放置算法和执行所述带宽分配算法之前,还包括构建所述应用程序放置算法对应的放置模型所述放置模型的建模步骤包括:
构建所述位置放置量的放置函数,以根据所述放置函数获得所述位置放置量,
将所述放置模型的约束条件设置为:所述应用程序必须放置且唯一放置在一台所述候选虚拟机上,且所述第个租户的应用程序只能放置在所述第个租户租赁的虚拟机上,所述候选虚拟机上的累积计算和存储资源使用量不能超过所述候选虚拟机的计算和存储资源容量。
优选地,在执行所述应用程序放置算法和执行所述带宽分配算法之前,还包括构建执行所述带宽分配算法对应的分配模型,
所述分配模型包括保证带宽分配模型和最大最小公平性带宽分配模型,所述保证带宽分配模型用于构建所述保证带宽量和所述最大进度以及所述带宽需求量之间的关系,以获得所述保证带宽分配量,
所述最大最小公平性带宽分配模型用于确定所述剩余带宽的分配策略,以获得所述实际带宽分配量,且使得所述实际带宽分配量不小于所述最大进度。
优选地,所述放置模型的模型公式组中的公式包括:
其中,为所述候选虚拟机的编号,所述为所述候选物理机的编号,为所述瓶颈链路带宽需求量,分别为所述第个租户的第个应用程序对应的计算和存储资源需求量,分别为第个租户在编号为的候选物理机上的上行带宽需求量和下行带宽需求量,分别为编号为的候选物理机上的上行带宽需求量和下行带宽需求量,为位置放置量,用于所述第个租户的第个应用程序是否放置在编号为的所述候选虚拟机上,若是,否则否则,为第个租户所租的虚拟机的集合,为的放置向量集合。
优选地,执行所述应用程序放置算法的步骤包括:
通过松弛变量将所述放置模型的模型公式组转换成线性规划公式组,
采用线性规划求解器求解所述成线性规划公式组,以计算获得所述瓶颈链路带宽需求量的最小值,
初始化所述位置放置向量集合,
优选地,执行所述带宽分配算法的步骤包括:
根据所述应用程序放置算法获得的所述瓶颈链路带宽需求量的最小值计算获得所述最大进度,
计算各个所述物理机的剩余带宽,并将所述剩余带宽按照最大最小公平性分配方式分配给各个所述租户,以获得各个所述租户的实际带宽分配量,
确保各个所述实际带宽分配量不超过所述最大进度。
优选地,各个所述租户在获得所述剩余带宽的分配量后,采用公平分配方式或最短优优先流调度分配方式将各自获得的所述分配量分配给各自的应用程序,
所述多租户共享方法为基于应用感知的数据中心网络的多租户共享方法。
一种执行所述的多租户共享方法的数据中心网络的多租户共享系统,包括:应用程序接口、中央控制器、多个局部控制器、多个物理机和多个虚拟机,
各个租户的存储和计算资源需求量以及带宽需求量通过所述应用程序接口传输至所述中央控制器中的所述信息采集模块,以请求所述中央控制器对各个所述租户的应用程序的放置位置进行部署,
所述多个局部控制器分别用于控制所述多个物理机,每一个所述物理机中至少包括一个所述虚拟机,各个所述局部控制器将对应的物理机和所述对应物理机里的虚拟机的可用计算和存储资源容量传输至所述信息采集模块,
所述中央控制器根据所述信息采集模块采集的数据确定当前是否接受各个所述租户对各自的应用程序的部署请求,若接受所述部署请求,则所述中央控制器中的放置模块执行所述应用程序放置算法,以确各个所述的租户的各个应用程序的位置放置量,且所述中央控制器中的带宽分配模块执行所述带宽分配算法,以确定各个租户的各个应用程序的带宽分配决策,
以及所述中央控制器负根据所述位置放置量将各个所述应用程序放置在相应的各个所述虚拟机上,并将带宽分配决策下发给各个所述局部控制器,
各个所述局部控制器根据所述带宽分配决策控制各个所述物理机向各个所述应用程序发送流量的速率。
一种存储介质,所述存储介质为计算机的可读存储介质,所述可读存储介质上存储的计算机程序被处理器执行时实现如上述任意一项所述的多租户共享方法。
本发明的有益效果是:本发明提供的所述多租户共享方法中,引入所述进度这一性能指标,并通过联合优化应用程序的放置和带宽分配的过程,以最大化所有租户的所述进度,并在优势资源公平性限制下最大化网络利用率,实现了提高应用程序性能和网络利用率的长期目标。
附图说明
图1为一种应用程序放置方式的租户带宽分配示意图;
图2为另一种应用程序放置方式的租户带宽分配示意图;
图3为租户A和B应用程序放置示意图;
图4为图3对应的HUG带宽分配示意图;
图5为将图3的应用程序进行位置互换后的HUG带宽分配示意图;
图6为依据本发明实施例提供的多租户共享系统结构示意图;
图7为一次实验中租户的应用程序进度分布示意图;
图8为Per-flow fairness,DRF,HUG和本发明提供的方法在多次实验中获得的平均进度值示意图;
图9为数据中心网络需求总量的变化与不同方法获得的进度值的变化的关系示意图;
图10为链路的利用率的分布示意图;
图11为Per-flow Fairness,DRF,HUG和本发明提供的方法在多次实验中获得的平均网络利用率示意图;
图12为网络利用率随着应用程序大小的变化的示意图;
图13为应用程序执行时间的分布示意图;
图14为Per-flow Fairness,DRF和HUG的平均执行时间减慢比率示意图;
图15为应用程序执行时间减慢比率随着应用程序大小的变化而变化的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所产生的所有其他实施例,都属于本发明保护的范围。此外需要说明的是,在具体实施方式这一项内容中“所述…”是仅指本发明的中的技术属于或特征。
在数据中心网络的多租户共享研究领域中,大多数先前工作都集中在实现公平性、可预测性和效率之间的权衡,却忽略了提高应用程序性能的长期目标。然而,事实上网络共享决策会对应用程序端到端的性能(如作业完成时间,吞吐量等)产生直接的影响。应用程序之间需要进行数据传输,应用程序可获得的带宽在很大程度上取决于同一虚拟机上运行的其他应用程序以及同一物理机上的其他虚拟机。因此,为了衡量租户的整体数据传输率,在本发明中,我们引入进度(Progress)这一指标,所述进度是租户的应用程序在数据中心网络的所有网络链路上经需求标准化后的最小带宽分配量,其值取决于租户的带宽需求以及分配到的带宽。
通过最大化租户的进度,可以优化上层应用程序的执行时间等性能。具体地,数据中心网络涉及多条链路,且租户的应用程序间的带宽需求在这些链路上是弹性且相关的。其中弹性是指一方面租户可以在网络可用容量低于其带宽需求的链路上进行数据传输,另一方面若仍有空闲带宽,租户可以使用超过其需求量的带宽,以加速数据传输过程;相关性是指,对于租户在链路上发送的每一比特数据,该租户在链路上发送至少比特。如图1所示,其为一种放置方式的租户应用程序带宽分配示意图,租户A拥有的两个应用程序分别为(A1, A2),租户B拥有的两个应用程序分别为(B1, B2),其中A1和B1位于物理机1,分别需要1 Gbps和1 Gbps的上行带宽,A2和B2位于物理机2,分别需要0.5 Gbps和0.8 Gbps的上行带宽。我们将租户的应用程序在不同链路上的带宽需求量以向量的形式表示,则租户A的带宽需求向量为 (1, 0.5),租户B的带宽需求量为 (1, 0.8)。假设各个物理机的上行带宽容量均为1Gbps,则根据当前最先进的带宽分配方法DRF分配方法或HUG分配方法计算可得,租户A的进度为,租户B的进度计算的结果与租户A的进度相等,即。我们定义隔离保证为所有租户中最低的进度,即。
虽然在给定所有租户的带宽需求向量后,DRF或HUG的带宽分配方法均可获得最佳隔离保证。但是我们发现,通过更改租户的带宽需求向量,可以进一步提高租户的进度和隔离保证。例如,我们将租户A的应用程序A1和A2的位置互换后,其对应的带宽分配示意图如图2所示,互换后,应用程序A1在物理机1上需要0.5 Gbps的上行带宽,应用程序A2在物理机2上需要1 Gbps。这种情况下,根据DRF带宽分配方法或HUG带宽分配方法计算可得租户A与租户B的进度均相等,即。显然,在将租户的应用程序的位置互换后,租户的进度发生了改变。这使得我们意识到,应用程序放置位置的不同会影响租户所获得的进度。
进一步地,由上述公式(1)可知,进度可以理解为瓶颈链路上分配给租户的带宽量,而这决定了数据传输的最慢完成时间。因此,通过最大程度地提高租户进度,我们能够提高上层应用程序的性能。为探讨租户进度提高的可能方案,我们结合图3、图4和图5做示例进行描述,其中图3为租户A和B应用程序放置示意图,图4为图3对应的HUG带宽分配示意图,图5为将图3的应用程序进行位置互换后的HUG带宽分配示意图。如图3所示,所述数据中心网络中包含两个租户A和B,每个租户的应用程序都包含有6个应用程序,并且各自租赁六个位于不同物理计算机上的虚拟机。同一租户的虚拟机之间相互通信,并与其他租户的虚拟机竞争使用物理机的上行和下行带宽资源。为简化示例讨论,这里我们假设虚拟机上只放置唯一的应用程序。租户的应用程序在虚拟机中的放置情况如图3所示。这里我们仅考虑上层物理机的出口带宽(即上行带宽)的分配情况,值得注意的是应用程序的出口带宽需求对下层应用程序来说相当于其入口带宽(下行带宽)需求。因此租户A的带宽需求向量为,租户B的带宽需求向量则为,这里我们采用标准化的带宽需求,即实际需求与链路容量的比值。根据HUG的分配策略可计算得到,租户A得到的带宽分配为,租户B得到的带宽为。根据进度的定义,租户A的进度如公式(2)所示:
我们在图3的基础上改变应用程序的放置位置,例如将图3中的应用程序B2和B3位置互换,则租户B的需求向量变为。重新根据HUG的分配策略计算可得租户A的带宽分配为,租户B为。进一步根据公式(1)计算可得租户A和B的进度为。也就是说,通过更改应用程序的放置,我们将租户进度由提高至。
基于本发明研究人员的上述研究结论,在本发明中我们提出一种数据中心网络的多租户共享方法、系统及相应的存储介质。通过联合应用程序放置算法和带宽分配算法,最大化所有租户的进度,并在优势资源公平性限制下尽可能提高网络利用率。本发明的多租户共享机制包括两个相互依赖的阶段:第一阶段是应用程序的放置阶段,该阶段将应用程序放置于租户所租赁的不同虚拟机上会形成不同的带宽需求分布,进而决定了第二阶段的带宽分配所能够获得的最大进度;第二阶段是带宽分配解决,该阶段的带宽分配策略决定了如何在不同租户的应用程序之间分配带宽以获得最大进度,同时尽可能最大化网络利用率。本发明多租户共享方法为基于应用感知的数据中心网络多租户共享方法,这里的应用感知旨在强调两层含义:一是在感知不同应用程序带宽需求的基础上,通过调节应用程序应用程序的放置,本发明可以进一步优化网络带宽分配;二是区别于现有的数据中心网络共享方法旨在实现公平性、可预测性和效率之间的权衡,本发明强调数据中心网络共享方法需要重点考虑提高应用程序性能这类长期目标。
在本发明中,我们将数据中心网络抽象为多台物理机通过无阻塞交换机相连接。一台物理机可以托管一台或多台虚拟机,这些虚拟机可能属于不同的租户。物理机具有多种类型的资源,这里我们考虑两类资源:1)计算及存储资源,如CPU,内存,磁盘等,这类资源在虚拟机之间是隔离使用的,因此我们为每台虚拟机定义一个配置向量,该向量指定了其拥有的计算及存储资源容量;2)网络资源,如上行及下行带宽,这类资源由所有虚拟机之间共享,因此我们定义分别为物理机的下行和上行带宽容量。
通常租户会租用一组虚拟机来运行其应用程序。这里,我们将应用程序视为一组应用程序的集合。
只要满足资源约束,每台虚拟机上可以部署放置多个应用程序,应用程序之间存在数据传输。假设租户租赁台虚拟机来运行其个应用程序,虚拟机运行在不同的物理机上。记租户的应用程序的计算及存储资源需求量分别为,与此同时,记租户的网络资源需求量为的矩阵,其中代表的是租户的应用程序到应用程序的带宽需求量。在网络资源分配中,应用程序可获得的带宽在很大程度上取决于在同一虚拟机上运行的其他应用程序以及同一物理机上的其他虚拟机。不失一般性地,本发明假设同一应用的不同应用程序放置在不同的物理机上。
由于本发明主要包含两方面的内容:一是所述应用程序的放置,二是,带宽分配,因此我们需要构建与应用程序放置算法对应的应用程序的位置放置模型和与所述带宽分配算法对应的带宽分配模型,为了构建这两个模型,我们需要以下定义:
给定个租户的资源需求,其所有虚拟机的计算及存储资源容量以及台物理机网络资源容量,本发明提供的基于应用感知的多租户共享方法是将个租户的应用程序集合按照放置在其租赁的相应虚拟机上,同时为个租户分配带宽,即所述多租户共享方法的总体模型如公式(3)所示:
显然,本发明提供的多租户共享方法包括以下步骤:
执行应用程序放置算法,以多个租户中的第个租户的计算和存储资源需求量以及带宽需求量作为输入,以获得所述数据中心网络中的瓶颈链路带宽需求量的最小值为优化目标,输出位置放置量,使得根据所述位置放置量将所述第个租户的各个应用程序放置在候选物理机中的相应候选虚拟机后,所述瓶颈链路带宽需量的值最小,并输出最小值的所述瓶颈链路带宽需量。
执行带宽分配算法,以将最小的所述瓶颈链路带宽需量、所述位置放置量和所述带宽需求量作为输入,输出各个所述第个租户的保证带宽分配量和实际带宽分配量。其中,在所述带宽分配算法的第一执行阶段,根据最小的所述瓶颈链路带宽需量计算获得所述数据中心网络的最大进度,并根据所述最大进度和所述带宽需求量计算获得所述保证带宽分配量,所述所述数据中心网络的进度为所述第个租户的应用程序在所述数据中心网络的所有链路上经需求标准化后的最小带宽分配量,在所述带宽分配算法的第二执行阶段,根据所述保证带宽分配量计算所述所述候选物理机在进行保证带宽分配后的剩余带宽,并将所述剩余带宽按最大最小公平性分配给各个租户,以获得所述实际带宽分配量。
在所述数据中心网络的多租户共享系统执行所述应用程序放置算法和执行所述带宽分配算法之前,还包括:初始化所述多租户共享系统中的各个所述租户的计算和存储资源需求量、带宽需求量;监控并获取当前所述多租户共享系统中的各个虚拟机的可用计算和存储资源容量以及网络资源资源容量;将各个所述物理机按照其可用计算和存储资源容量以及网络资源资源容量的大小进行从大到小的倒叙排序;选择排列靠前的个所述物理机作为所述候选物理机;选取所述候选物理机上所有属于所述第个租户的虚拟机作为所述候选虚拟机。
为了解决应用程序放置问题,以通过执行应用程序放置算法来确定所述应用程序的放置位置,我们在执行所述应用程序的放置算法之前,需要构建应用程序的位置放置模型,构建所述位置放置模型的步骤包括以下几个方面。
具体地,对租户的任一应用程序赋予其需求向量,分别表示该应用程序所需求的计算资源,存储资源,上行带宽和下行带宽;对于编号为的候选虚拟机,定义其容量向量为,以分别表示该虚拟机的计算资源和存储资源容量,其中下标表明该虚拟机所位于的物理服务器;对编号为候选物理机,其网络资源容量向量为,分别表示该物理机的上行带宽和下行带宽容量。
其中,为的矩阵,表示租户的应用程序只能放置在其购买的虚拟机上。值得注意的是,应用程序的放置不仅跨虚拟机,而且跨物理服务器。对于网络的竞争使用不仅存在于同一虚拟机的不同应用程序上,更存在于同一物理计算机上的不同虚拟机中。为简化模型描述且不失一般性,我们假设同一应用的虚拟机放置在不同的物理机,且一台虚拟机仅容纳一个应用程序。
再接着是设置优化目标,应用程序的放置决定了后续带宽分配策略可以获得的最佳带宽隔离保证。带宽隔离保证在租户层面计算,指的是租户虚拟机间所能获得的与其需求成比例的最小带宽保证,以便其可以估计最坏情况下的网络性能。而对网络的共享实际发生在物理机上,因此我们定义变量分别表示租户在物理机上聚合上行和下行带宽需求,即如公式(6)、(7)所示:
其中,和是在物理机上分配给租户的聚合带宽。隔离保证则定义为全部租户中最低的进度,即。显然,应用程序放置的目标是最大化隔离保证,即。根据公式(8)可知,和是在应用程序放置确定后租户的保证带宽分配量,故这里先不予考虑;和则依赖于应用程序放置的具体位置而不同。和越小,则租户所获的越大。同时,由于我们优化的是全网络的最小带宽隔离保证,而最小带宽往往发生在网络的瓶颈链路上。因此该优化目标即转化为,如何选择一种应用程序放置策略,使得网络瓶颈链路上的带宽需求最少。形式化地,我们定义物理机的上行及下行聚合带宽需求如公式(9)、(10)所示:
因此,应用程序放置的优化目标为:
最后需要设定约束条件,所述约束条件之一为应用程序必须部署且唯一部署在一台虚拟机上,且租户的应用程序只能部署在其租赁的虚拟机上,约束条件之一为任何给定虚拟机上的累积计算及存储资源使用量都不能超过其容量,因此所述约束条件的约束公式如公式(12)、(13)、(14)所示:
需要注意的是,网络为弹性资源,这里我们对其不做容量限制。同时为解决物理机和虚拟机容量异构化问题,我们采取标准化的资源需求表示。具体而言,应用程序的计算及存储资源需求通过虚拟机的计算存储容量标准化,应用程序的上行和下行带宽需求通过物理服务器的链路容量标准化。因此,资源需求向量中的最大分量等于1。综上所述位置放置模型对应的模型公式组如下:
其中,为所述候选虚拟机的编号,所述为所述候选物理机的编号,为所述瓶颈链路带宽需求量,分别为所述第个租户的第个应用程序对应的计算和存储资源需求量,分别为第个租户在编号为的候选物理机上的上行带宽需求量和下行带宽需求量,分别为编号为的候选物理机上的上行带宽需求量和下行带宽需求量,为位置放置量,用于所述第个租户的第个应用程序是否放置在编号为的所述候选虚拟机上,若是,否则否则,为第个租户所租的虚拟机的集合,为的放置向量集合。
同样在执行带宽分配算法之前,还需要先构建与所述带宽分配算法对应的带宽分配模型。给定特定的应用程序放置后,我们需要相应地决定如何在不同租户的应用程序之间分配带宽。理想的带宽分配策略的目标应是在当前应用程序放置下最大化所有租户的进度,并在优势资源公平性限制下尽可能提高网络利用率。具体地本发明提供采用两阶段的带宽分配模型,这种两阶段的分配机制可确保最大程度地提高利用率,同时最大化跨租户的隔离保证。我们区分租户两种类型的带宽分配:保证带宽(Guaranteed Bandwidth)和实际带宽(Actual Bandwidth),其中保证带宽确保实现隔离保证,实际带宽确保在隔离保证的限制下,依据最大最小公平性分配空余带宽以实现网络高利用率。我们需要先定义和为应用程序所获得的上行和下行保证带宽量,和为应用程序所获得的实际带宽。
首先,在带宽分配的第一阶段我们为租户分配保证带宽以确保实现隔离保证,通过求解应用程序放置模型,我们得到瓶颈链路上的最小带宽需求,记为其等于,并根据最小的瓶颈链路带宽需求计算获得最大进度,其计算公式为公式(15):
进一步地,根据公式(8),保证带宽可计算如公式(16)、(17)所示:
通过预留这些保证带宽,我们可以确保隔离保证的实现。实际上,许多目前研究证明只分配保证带宽往往会造成网络的低利用率。因此,在带宽分配的第二阶段我们期望能够通过分配上一阶段剩下的空闲带宽,提高网络利用率。但是基于优势资源公平性的限制,空闲带宽分配后租户得到的总带宽(即实际带宽)不能超过租户的进度,即必须满足下列关系:
同时,任何给定物理机上的累积上行带宽和下行带宽分配总量不能超过其容量,即需要满足下列关系:
考虑到带宽分配的目标是尽可能最大化网络利用率,则该所述带宽分配模型对应的模型公式组如下:
综上分析,所述放置模型的建模步骤包括:构建所述第个租户的各个应用程序的计算和存储资源需求量、带宽需求量,以及定义所述候选物理机的网络资源容量量以及所述候选虚拟机的计算和存储资源容量量;构建所述位置放置量的放置函数,以根据所述放置函数获得所述位置放置量;确定所述放置函数的优化目标为根据所述位置放置量放置所述第个租户的各个应用程序后获得的所述瓶颈链路带宽需求量的值最小;将所述放置模型的约束条件设置为:所述应用程序必须放置且唯一放置在一台所述候选虚拟机上,且所述第个租户的应用程序只能放置在所述第个租户租赁的虚拟机上,所述候选虚拟机上的累积计算和存储资源使用量不能超过所述候选虚拟机的计算和存储资源容量。
而所述分配模型包括保证带宽分配模型和最大最小公平性带宽分配模型,所述保证带宽分配模型用于构建所述保证带宽量和所述最大进度以及所述带宽需求量之间的关系,以获得所述保证带宽分配量,所述最大最小公平性带宽分配模型用于确定所述剩余带宽的分配策略,以获得所述实际带宽分配量,且使得所述实际带宽分配量不小于所述最大进度。
执行所述应用程序放置算法的步骤包括:通过松弛变量将所述放置模型的模型公式组转换成线性规划公式组;采用线性规划求解器求解所述成线性规划公式组,以计算获得所述瓶颈链路带宽需求量的最小值;初始化所述位置放置向量集合;从所述租户租的虚拟机集合中选择拥有放置向量集合最大的虚拟机作为选定候选虚拟机,并所述选定候选虚拟机的编号记为,且使得,更新为所述位置放置向量为。
a1:通过松弛变量将所述带宽分配模型对应的模型公式组转化为线性规划公式组;
a2:采用线性规划求解器求解转换后的线性规划公式组;
b5: FOR全部物理机 DO;
b6:将物理机的剩余带宽按最大最小公平性分配给租户;
b7:确保实际带宽不超过最优进度,即满足;
执行所述带宽分配算法的步骤包括:根据所述应用程序放置算法获得的所述瓶颈链路带宽需求量的最小值计算获得所述最大进度,根据所述最大进度和所述第个租户在编号为的候选物理机上的上行带宽需求量和下行带宽需求量计算获得所述保证带宽分配量,计算各个所述物理机的剩余带宽,并将所述剩余带宽按照最大最小公平性分配方式分配给各个所述租户,以获得各个所述租户的实际带宽分配量,确保各个所述实际带宽分配量不超过所述最大进度。各个所述租户在获得所述剩余带宽的分配量后,采用公平分配方式或最短优优先流调度分配方式将各自获得的所述分配量分配给各自的应用程序。
此外,本发明还提供了一种执行本发明提供的多租户共享方法的数据中心网络的多租户共享系统,下面我们将结合方法和系统进一步详细阐述本发明。如图6所示,其为依据本发明实施例提供的多租户共享系统结构示意图,所述多租户共享系统主要包括:应用程序接口、中央控制器、多个局部控制器、多个物理机和多个虚拟机。
各个租户(如租户A和租户B)的存储和计算资源需求量以及带宽需求量通过所述应用程序接口传输至所述中央控制器中的所述信息采集模块,以请求所述中央控制器对各个所述租户的应用程序的放置位置进行部署, 所述多个局部控制器分别用于控制所述多个物理机,每一个所述物理机中至少包括一个所述虚拟机,各个所述局部控制器将对应的物理机和所述对应物理机里的虚拟机的可用计算和存储资源容量传输至所述信息采集模块,所述中央控制器根据所述信息采集模块采集的数据确定当前是否接受各个所述租户对各自的应用程序的部署请求,若接受所述部署请求,则所述中央控制器中的放置模块执行所述应用程序放置算法,以确各个所述的租户的各个应用程序的位置放置量,且所述中央控制器中的带宽分配模块执行所述带宽分配算法,以确定各个租户的各个应用程序的带宽分配决策。所述中央控制器负根据所述位置放置量将各个所述应用程序放置在相应的各个所述虚拟机上,并将带宽分配决策下发给各个所述局部控制器, 各个所述局部控制器根据所述带宽分配决策控制各个所述物理机向各个所述应用程序发送流量的速率。
本发明提供的多租户共享系统可直接部署在现有集群管理架构内。如图6所示,所述多租户共享系统的的主要框架可分为三部分:租户通过应用程序接口定期更新其需求向量,中央控制器根据其获取到的租户资源需求、当前物理机资源状态等信息,执行应用程序放置算法和带宽分配算法,同时负责将应用程序部署在相应虚拟机上,并将带宽分配算法确定的带宽分配策略下发给局部控制器,由局部控制器执行具体的速率控制。
具体的,租户通过应用程序接口将其资源需求提交给中央控制器,现有的集群调度器广泛地支持租户明确提交其计算和存储资源需求,这里我们主要讨论租户网络资源需求接口,由于流量工程中的现有技术在预测流量矩阵及带宽需求方面具有良好的准确性,因此发明中不涉及应用程序带宽需求预测,我们假设租户正确地了解其带宽需求并提交给中央控制器。中央控制器在获得租户需求向量之后,中央控制器根据其所掌握的当前所有物理机及虚拟机可用计算和存储资源,确定是否接受租户的放置应用程序的部署请求。对允许部署的应用程序,中央控制器的放置模块首先执行应用程序放置算法以确定每个应用程序应该分配给哪台虚拟机,然后中央控制器的带宽分配模块执行带宽分配算法以计算每个应用程序可以使用的带宽量。同时中央控制器负责将应用程序部署在相应虚拟机上,并将带宽分配策略下发给局部控制器。值得注意的是,每当有新的应用程序到来或离开,中央控制器都要更新全局资源需求向量和资源容量向量,并重新确定应用程序的放置和带宽分配。局部控制器位于物理机上,一方面运行监控程序,监控其上所有虚拟机的运行状态和各类资源信息,并将其更新给中央控制器;另一方面,局部控制器负责该物理服务器上所有应用程序发送流量的速率。事实上,如果仅仅给出隔离保证的带宽量,而不在主机端进行速率限制,则通过同一链路的所有数据流仍将平均共享可用带宽。因此,在本发明中,所述局部控制器的一大功能是实现主机端的速率限制,以确保所有租户实际使用的带宽量不能超过所述最大进度。
在本发明提供的所述多租户共享系统中,所述中央控制器周期性地执行过程I:更新全局租户资源需求向量,更新物理机及虚拟机资源容量向量,为租户的应用程序选择一组虚拟机,为应用程序分配网络带宽。若新租户加入,当前系统中的资源需求向量改变,如果中央控制器重新执行所述过程I,则可能会找到新的瓶颈链路及其上的带宽需求,从而造成当前应用程序放置的虚拟机发生变化。然而,应用程序迁移会造成极大的开销,我们倾向于不改变正在执行的应用程序的放置位置。因此,在不改变当前的瓶颈链路及其上的带宽需求的前提下,将新租户的应用程序的位置部署在其他空闲虚拟机上,并根据原来的最佳进度限制其带宽分配量,通过这样的操作既不改变打断当前应用程序的执行,同时也为新的应用程序分配足够的带宽。但是若当前数据中心网络处于过载情况下,则可能无法找到合适的放置而不改变瓶颈链路带宽需求,在这种情况下我们重新执行I。若租户应用程序的放置位置部署完成,则这部分应用程序释放其占用的所有计算、存储和网络资源,从而改变当前系统中的资源需求向量,虚拟机可用资源容量以及物理机可用网络资源容量,这种情况下中央控制器重新执行所述过程I;若租户的资源需求发生改变,从而当前系统中的资源需求向量改变,这种情况下我们单纯地采取重新执行过程I。
在依据本发明以实施例中,所述中央控制器的执行过程I包括以下步骤8步:
步骤1: 初始化当前多租户共享系统中租户的资源需求向量,所述资源需求向量包括计算和存储资源需求向量以及带宽需求向量;
步骤4:将物理机按其可用资源容量倒叙排列;
步骤7:调用所述应用程序放置算法,以计算最佳瓶颈带宽需求并执行应用程序的位置放置;
步骤8:调用所述带宽算法以 计算租户的所述保证带宽分配量和实际带宽分配量。
此外,本发明还提供了一种存储介质,所述存储介质为计算机的可读存储介质,所述可读存储介质上存储的计算机程序被处理器执行时实现如依据本发明提供的任意一项所述的多租户共享方法。
为了在更大范围内和更多参数选择下评估本发明提供的多租户分享方法,我们构建了事件驱动的集群模拟器来进行实验评估。类似真实的集群环境,该模拟器能够模拟以下方面:租户应用程序到达或离开,应用程序计算和物理资源需求,租户应用程序的带宽需求矩阵等。此外,我们采用与真实集群相同的物理机配置文件,每台物理机具有12 CPU,32GB内存,1Gbps上行及下行带宽,并假设每台物理机托管4台虚拟机,每台虚拟机具有相同的计算和存储资源容量,也就是(3 CPU, 8 GB内存)。
我们假设租户应用程序的到达符合泊松分布,应用程序内具有多对多的通信模式。为使实验评估尽可能模拟真实的集群环境,我们构建多种不同类型的应用程序。其中应用程序的大小,即其所包含的应用程序数量有25,50,75,100四种,应用程序具有高内存(8GB)需求和低内存(2 GB)需求两种,以及1 CPU,2 CPU和3 CPU三种计算需求。我们将每个流的大小随机设置为200 MB至400 MB。应用程序拥有的虚拟机数量与其应用程序的应用程序数量成正比。基于系统状态的全局视图,包括全局资源需求向量和可用资源容量,中央控制器计算应用程序的最佳放置并为所有应用程序的流分配带宽。每当新的应用程序到达或离开,模拟器都将更新全部应用程序的应用程序之间剩余传输数据量和带宽需求,并触发中心控制器计算最佳应用程序布置和带宽分配。应用程序在此带宽分配量下传输其数据,直至该应用程序剩余传输数据量为0(即该应用程序数据传输完成),或新的应用程序到达或离开等事件触发中心控制器重新计算。
在所述实验评估方过程中,我们将本发明提供的所述多租户共享方法(图中用ANS表示)与当前最新带宽分配算法进行比较,分别是每流公平共享算法(Per-flowFairness),优势资源公平共享算法(Dominant Resource Fairness, DRF)和高利用率保证算法(High Utilization with Guarantees, HUG)。其中Per-flow Fairness将带宽平均分配给所有流,没有任何速率限制,DRF和HUG根据不同的规则限制每个流所能使用的带宽。需要注意的是,这些比较算法不涉及虚拟机或应用程序的放置,只专注于网络带宽的分享。为能够更好地进行比较,在这些比较方案中我们采用轮询地应用程序放置。
由于本发明提出的多租户分享方法旨在提高带宽隔离保证、网络利用率和租户应用程序性能。对于前两个指标,我们计算提高(或减少)的百分比为:本发明提供的方法与比较方法的指标值的差值与比较方案指标值的百分比。例如25%的提高,意味着本发明提供的方法1.33倍好于比较方案。为量化租户的应用程序性能,我们定义与最小完成时间相比,本发明提供的方法和比较方案的完成时间减慢比率,其计算方式将后续具体介绍。
租户所获得的进度是其在上行或下行瓶颈链路上分配到的带宽量(即进度最多为1Gbps)。图7给出了一次实验中租户的应用程序进度分布,这里我们不考虑租户应用程序到达或离开,即离线状态下根据不同算法获得的租户进度分布。我们发现Per-flow Fairness呈现出广泛的进度变化,该方法将带宽在所有流之间平均分配,因此应用程序内拥有较多数据流的租户会分配得到更多的带宽。其次,无论是DRF,HUG还是本发明提出的方法,所有租户都将获得一样的进度,这是由于优势资源公平性的限制,确保所有租户都能获得相同的进度以实现隔离保证。除此之外,我们还发现DRF和HUG获得近乎相同的进度值,这是因为HUG直接采用了优势资源公平性来最大程度地提高隔离保证。同时本发明的方法明显地获得了比HUG更高的进度,具体地在本次实验评估中本发明提供的方法相比HUG的进度提高了1.19倍。这种差距的原因在于,DRF和HUG是在给定应用程序放置下获得最佳进度,其算法本身不涉及应用程序的放置。但本发明所提出的基于应用程序放置的多租户共享方法通过巧妙地部署应用程序的放置位置,使得带宽需求在全网络中尽可能平均,因此进度的提高是显而易见的。
进一步地,图8 给出了Per-flow fairness,DRF,HUG和本发明提供的方法在多次实验中获得的平均进度值。与图7所展示的瞬时进度不同,图8给出了长期进度的平均值。与瞬时进度不同,DRF和HUG在长期运行下所获得的进度效果不佳,DRF的平均进度值为0.427,HUG的平均进度值为0.478.相反,本发明提供的方法可以获得的平均进度值约为0.887,具体地,与DRF相比发明提供的方法的进度提高百分比约为,与HUG相比进度提高百分比约为85.6%。图9给出了随着所述数据中心网络需求总量的变化,不同方法获得的进度值的变化。我们发现当应用程序越大,即拥有的应用程序数量越多,数据中心网络需求量越大,所有方法的进度值随之降低,但本发明提供的方法始终能够获得更高的进度。
在带宽分配阶段我们期望最大化网络利用率,同时确保租户的隔离保证。高的网络利用率意味着租户的应用程序可以更快地完成,从而有更多的空余带宽供其他应用程序共享。图10表示的是链路利用率的分布。图11表示的是Per-flow Fairness,DRF,HUG和我们的方法在多次实验中获得的平均网络利用率。我们发现DRF具有最差的网络利用率,这是由于优势资源公平性的限制,在一些极端情况下其资源利用率甚至可能降为0,HUG的资源利用率较DRF好,这是因为HUG在DRF的优势资源公平性限制下,考虑弹性资源从而最大程度地提高资源利用率。相反地,Per-flow Fairness的网络利用率却是很高的,这是因为链路带宽在所有流之间平均分配,并会用尽所有带宽,因此具有较大的网络利用率。同时我们的方法能够获得与Per-flow Fairness类似的利用率,远高于HUG和DRF的利用率。这得益于我们优化了应用程序布置位置使得整个数据中心网络上的带宽需求尽可能地平均,这在提高进度的同时也相应提高了网络利用率,进一步地我们在同时也采用最大最小公平性分配剩余带宽。同时,在实验评估中我们发现网络利用率与应用程序特征具有较强的相关性。图12给出了网络利用率随着应用程序大小的变化。随着应用程序内应用程序数量的增加,网络利用率随之增大,但四种方案的增大比率不一样。其中增幅最明显的是Per-flow Fairness,这是因为链路上只要有需求,该方案都会将所有带宽分配,而应用程序数量的增加会提高带宽需求,从而带来较大的利用率提高。与此同时,DRF,HUG和本发明提供方法在应用程序数量增加的同时,利用率的增加较平缓。这是因为这三种方案在分配带宽时都遵循优势资源公平性的限制,但DRF,HUG和本发明提供的方法依然有差别。DRF和HUG中应用程序的放置是以轮询地方式进行,因此瓶颈链路以及其上的带宽需求会随之变化,随着整体的租户网络带宽需求的增加,瓶颈链路上的需求也会相应增加,但是出于优势资源公平性的限制,空余资源的使用也会受到限制。相反地,本发明提出的方法随着应用程序数量的增加,其利用率一直维持较好的水平,即使在低租户需求的网络中。这种性能的获得依赖于本发明方法中的应用程序放置优化。
应用程序性能是衡量网络分配方案的长期指标。瞬时的高利用率或高进度并不能保证应用程序获得良好的性能,只有在长期的过程中保证高利用率才有利于应用程序的执行。这里我们以应用程序执行时间作为其性能指标。应用程序执行时间为应用程序从到达直至离开所经历的完整时间,由计算时间和数据传输时间两部分组成。其中,计算时间与一系列复杂因素相关,如数据局部性等,超出本发明提供研究范畴。不失一般性地,这里模拟器简单预设计算时间与其计算存储资源需求成正比;传输时间是所有应用程序完成数据传输所需的总时间,由应用程序的数据传输量和所分配到的带宽所决定。由于每次应用程序到达或离开等事件都会触发模拟器重新进行应用程序布置和带宽分配。因此随着应用程序动态地到达或离开,应用程序所需传输的数据量和其获得的带宽分配也会不断地发生变化。因此,数据传输是一个长期的过程,应用程序的传输时间由该应用程序内所有数据流中最慢的传输决定。
具体地,我们采用执行时间减慢比率作为衡量指标,并将其定义为通过本发明提供方法的执行时间标准化的比较方案的执行时间,即若执行时间减慢比率大于1,则说明我们的方法执行时间更短,应用程序性能更好;若执行时间减慢比率小于1,则说明比较方案的应用性能更好。执行时间减慢比率定义为比较方案的执行实际与本发明提供的方法的执行时间之比。
图13表示的是应用程序执行时间的分布。图14给出了Per-flow Fairness,DRF和HUG的平均执行时间减慢比率。我们发现所有比较方案的该比率都大于1,证明本发明提供方法获得最短的应用程序执行时间。具体地,Per-flow Fairness的执行时间最长,这也证明了流层面的高网络利用率并不能确保应用程序层面的高性能,事实上只有租户应用程序内所有的流都尽快完成传输,才会提高应用程序的性能。我们进一步发现Per-flowFairness中应用程序执行时间有较大的波动,这是因为该方案不对分享公平性进行限制。而HUG比DRF获得更好的应用程序性能,两者都遵循优势资源公平性的限制,但是HUG通过考虑弹性资源将空余的带宽分配尽可能多地分配给应用程序,从而降低应用程序执行时间。同样地,全网络的需求会对所有方案的应用程序执行时间造成影响。一般地,网络负载越高,应用程序需求越大,单个应用程序获得的带宽越少,造成执行时间越长。图15给出了应用程序执行时间减慢比率随着应用程序大小的变化而变化的情况。具体地,我们发现Per-flow Fairness的执行时间对应用程序数量的增加最为敏感,在应用程序数量为25时,网络负载最低,四种方案的应用程序执行时间相差最小,但当应用程序数量增长到75时,网络出现轻微过载,Per-flow Fairness,DRF和HUG的执行时间减慢比率显著增加,但是此时我们的方法依然能够通过平衡网络各链路的负载,获得较好的应用程序性能。当应用程序数量增长到100时,这种差距继续增加,证明我们的方法可以很好的平衡网络需求,提高应用程序性能。通过上述实验评估,我们可以得出本发明提供的所述多租户共享方法在进度、网络利用率和应用程序性能各方面都能获得优秀的性能。
依照本发明的实施例如上文所述,这些实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施例。根据以上描述,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地利用本发明以及在本发明基础上的修改使用。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种数据中心网络的多租户共享方法,其特征在于,包括:
执行应用程序放置算法,以多个租户中的第个租户的计算和存储资源需求量以及带宽需求量作为输入,以获得所述数据中心网络中的瓶颈链路带宽需求量的最小值为优化目标,输出位置放置量,使得根据所述位置放置量将所述第个租户的各个应用程序放置在候选物理机中的相应候选虚拟机后,瓶颈链路带宽需量的值最小,并输出最小值的所述瓶颈链路带宽需量,
其中,在所述带宽分配算法的第一执行阶段,根据最小的所述瓶颈链路带宽需量计算获得所述数据中心网络的最大进度,并根据所述最大进度和所述带宽需求量计算获得所述保证带宽分配量,所述数据中心网络的进度为所述第个租户的应用程序在所述数据中心网络的所有链路上经需求标准化后的最小带宽分配量,
在所述带宽分配算法的第二执行阶段,根据所述保证带宽分配量计算所述候选物理机在进行保证带宽分配后的剩余带宽,并将所述剩余带宽按最大最小公平性分配给各个租户,以获得所述实际带宽分配量;
在执行所述应用程序放置算法和执行所述带宽分配算法之前,还包括构建所述应用程序放置算法对应的放置模型,所述放置模型的建模步骤包括:
构建所述第K个租户的各个应用程序的计算和存储资源需求量、带宽需求量,以及定义所述候选物理机的网络资源容量量以及所述候选虚拟机的计算和存储资源容量量,
构建所述位置放置量的放置函数,以根据所述放置函数获得所述位置放置量,
确定所述放置函数的优化目标为根据所述位置放置量放置所述第K个租户的各个应用程序后获得的所述瓶颈链路带宽需求量的值最小,
将所述放置模型的约束条件设置为:所述应用程序必须放置且唯一放置在一台所述候选虚拟机上,且所述第K个租户的应用程序只能放置在所述第K个租户租赁的虚拟机上,所述候选虚拟机上的累积计算和存储资源使用量不能超过所述候选虚拟机的计算和存储资源容量;
所述放置模型的模型公式组中的公式包括:
3.根据权利要求1所述的多租户共享方法,其特征在于,在执行所述应用程序放置算法和执行所述带宽分配算法之前,还包括构建执行所述带宽分配算法对应的分配模型,
所述分配模型包括保证带宽分配模型和最大最小公平性带宽分配模型,所述保证带宽分配模型用于构建所述保证带宽量和所述最大进度以及所述带宽需求量之间的关系,以获得所述保证带宽分配量,
所述最大最小公平性带宽分配模型用于确定所述剩余带宽的分配策略,以获得所述实际带宽分配量,且使得所述实际带宽分配量不小于所述最大进度。
6.根据权利要求1所述的多租户共享方法,其特征在于,各个所述租户在获得所述剩余带宽的分配量后,采用公平分配方式或最短优优先流调度分配方式将各自获得的所述分配量分配给各自的应用程序,
所述多租户共享方法为基于应用感知的数据中心网络的多租户共享方法。
7.一种执行权利要求1所述的多租户共享方法的数据中心网络的多租户共享系统,其特征在于,包括:应用程序接口、中央控制器、多个局部控制器、多个物理机和多个虚拟机,
各个租户的存储和计算资源需求量以及带宽需求量通过所述应用程序接口传输至所述中央控制器中的信息采集模块,以请求所述中央控制器对各个所述租户的应用程序的放置位置进行部署,
所述多个局部控制器分别用于控制所述多个物理机,每一个所述物理机中至少包括一个所述虚拟机,各个所述局部控制器将对应的物理机和所述对应物理机里的虚拟机的可用计算和存储资源容量传输至所述信息采集模块,
所述中央控制器根据所述信息采集模块采集的数据确定当前是否接受各个所述租户对各自的应用程序的部署请求,若接受所述部署请求,则所述中央控制器中的放置模块执行所述应用程序放置算法,以确各个所述的租户的各个应用程序的位置放置量,且所述中央控制器中的带宽分配模块执行所述带宽分配算法,以确定各个租户的各个应用程序的带宽分配决策,
以及所述中央控制器负根据所述位置放置量将各个所述应用程序放置在相应的各个所述虚拟机上,并将带宽分配决策下发给各个所述局部控制器,
各个所述局部控制器根据所述带宽分配决策控制各个所述物理机向各个所述应用程序发送流量的速率。
8.一种存储介质,其特征在于,所述存储介质为计算机的可读存储介质,所述可读存储介质上存储的计算机程序被处理器执行时实现如权利要求1至6中任意一项所述的多租户共享方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011123533.0A CN111970383B (zh) | 2020-10-20 | 2020-10-20 | 数据中心网络的多租户共享方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011123533.0A CN111970383B (zh) | 2020-10-20 | 2020-10-20 | 数据中心网络的多租户共享方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111970383A CN111970383A (zh) | 2020-11-20 |
CN111970383B true CN111970383B (zh) | 2021-01-05 |
Family
ID=73387102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011123533.0A Active CN111970383B (zh) | 2020-10-20 | 2020-10-20 | 数据中心网络的多租户共享方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111970383B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11368539B1 (en) * | 2021-05-27 | 2022-06-21 | International Business Machines Corporation | Application deployment in a multi-cluster environment |
CN113655969B (zh) * | 2021-08-25 | 2022-09-16 | 北京中电兴发科技有限公司 | 一种基于流式分布式存储系统的数据均衡存储方法 |
US11902110B2 (en) | 2021-10-31 | 2024-02-13 | Huawei Technologies Co., Ltd. | Resource allocation in data center networks |
CN115878439B (zh) * | 2023-01-06 | 2023-05-09 | 北京仁科互动网络技术有限公司 | 系统性能瓶颈定位方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104410870A (zh) * | 2014-10-28 | 2015-03-11 | 清华大学 | 能耗优化的流媒体应用带宽资源分配方法 |
CN105871751A (zh) * | 2016-03-25 | 2016-08-17 | 中国科学院计算技术研究所 | 一种数据中心网络带宽保证方法及系统 |
CN110753009A (zh) * | 2019-10-23 | 2020-02-04 | 重庆邮电大学 | 基于多QoS分组的虚拟机和网络带宽联合分配方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2826209A4 (en) * | 2012-03-14 | 2015-10-21 | Hewlett Packard Development Co | BANDWIDTH ASSIGNMENT IN A NETWORK |
CN105553725B (zh) * | 2015-12-18 | 2018-08-28 | 南京大学 | 一种多租户数据中心软件中间件的部署方法 |
CN109510715B (zh) * | 2017-09-14 | 2022-02-08 | 中国电信股份有限公司 | 带宽分配方法、装置、数据中心以及存储介质 |
US11811769B2 (en) * | 2019-01-31 | 2023-11-07 | Salesforce, Inc. | Systems, methods, and apparatuses for implementing a declarative, metadata driven, cryptographically verifiable multi-network (multi-tenant) shared ledger |
-
2020
- 2020-10-20 CN CN202011123533.0A patent/CN111970383B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104410870A (zh) * | 2014-10-28 | 2015-03-11 | 清华大学 | 能耗优化的流媒体应用带宽资源分配方法 |
CN105871751A (zh) * | 2016-03-25 | 2016-08-17 | 中国科学院计算技术研究所 | 一种数据中心网络带宽保证方法及系统 |
CN110753009A (zh) * | 2019-10-23 | 2020-02-04 | 重庆邮电大学 | 基于多QoS分组的虚拟机和网络带宽联合分配方法 |
Non-Patent Citations (1)
Title |
---|
"Application-aware Network Sharing for Enabling High progress of multi-tenants";Yan Li;《2017 IEEE/ACM 25th international symposium on quality of Service (IWQos)》;20170707;正文第2-4节 * |
Also Published As
Publication number | Publication date |
---|---|
CN111970383A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111970383B (zh) | 数据中心网络的多租户共享方法、系统及存储介质 | |
US9519500B2 (en) | Offering network performance guarantees in multi-tenant datacenters | |
CN104881325B (zh) | 一种资源调度方法和资源调度系统 | |
Xu et al. | A game theory approach to fair and efficient resource allocation in cloud computing | |
Guo et al. | Fair network bandwidth allocation in IaaS datacenters via a cooperative game approach | |
Wang et al. | Proportional-Share Scheduling for Distributed Storage Systems. | |
CN106233276B (zh) | 网络可访问块存储装置的协调准入控制 | |
CN102388381B (zh) | 用于分配共享存储资源的系统和方法 | |
CN111344688B (zh) | 云计算中资源提供的方法及系统 | |
Guo et al. | Falloc: Fair network bandwidth allocation in IaaS datacenters via a bargaining game approach | |
CN106790726A (zh) | 一种基于Docker云平台的优先级队列动态反馈负载均衡资源调度方法 | |
CN110221920B (zh) | 部署方法、装置、存储介质及系统 | |
CN108897606B (zh) | 多租户容器云平台虚拟网络资源自适应调度方法及系统 | |
WO2020134133A1 (zh) | 一种资源配置方法、变电站及计算机可读存储介质 | |
Chen et al. | Improving resource utilization via virtual machine placement in data center networks | |
US20160019084A1 (en) | Method and system for inter-cloud virtual machines assignment | |
Rawas | Energy, network, and application-aware virtual machine placement model in SDN-enabled large scale cloud data centers | |
Shen et al. | Goodbye to fixed bandwidth reservation: Job scheduling with elastic bandwidth reservation in clouds | |
Fuerst et al. | Kraken: Online and elastic resource reservations for cloud datacenters | |
CN116107692A (zh) | 动态融合遗传算法的边缘容器多目标蚁群优化调度方法 | |
CN107872405A (zh) | 分布式带宽分配和调节 | |
Chen et al. | A case for pricing bandwidth: Sharing datacenter networks with cost dominant fairness | |
CN108650191B (zh) | 一种虚拟化网络中映射策略的决策方法 | |
Arianyan et al. | Efficient resource allocation in cloud data centers through genetic algorithm | |
CN105577834B (zh) | 具有可预测性能的云数据中心两层带宽分配方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |