云環(huán)境下能量高效的任務(wù)調(diào)度方法研究與應(yīng)用.pdf

1、隨著信息化技術(shù)的發(fā)展和應(yīng)用，各行業(yè)產(chǎn)生的數(shù)據(jù)呈爆炸式增長。傳統(tǒng)數(shù)據(jù)庫技術(shù)不能很好地解決海量數(shù)據(jù)、高并發(fā)、快速響應(yīng)、可擴展性等大數(shù)據(jù)應(yīng)用問題。因此如何高效地存儲和管理這些數(shù)據(jù)，是目前亟需解決的問題。云計算的經(jīng)濟性、可擴展性、容錯性等特點使其成為大數(shù)據(jù)管理的支撐技術(shù)。隨著云計算的廣泛應(yīng)用，數(shù)據(jù)中心的數(shù)量和規(guī)模快速增長，電費開銷已經(jīng)超過了硬件設(shè)備本身的購置費用，且仍處于持續(xù)增長狀態(tài)?？焖僭鲩L的能量消耗同時加劇全球能源危機和環(huán)境污染。因此研究云

2、環(huán)境下能量高效的數(shù)據(jù)管理技術(shù)刻不容緩。
　　云環(huán)境下能量高效的任務(wù)調(diào)度技術(shù)是云環(huán)境下能量高效的數(shù)據(jù)管理技術(shù)的重要組成部分，目的是通過任務(wù)調(diào)度的方法降低用于任務(wù)處理的節(jié)點在任務(wù)處理過程中的能量消耗。本文分別從單節(jié)點和多節(jié)點兩個層面研究云環(huán)境下的能量高效的任務(wù)調(diào)度技術(shù)。本文的主要創(chuàng)新點如下：
　　(1)由于現(xiàn)有的多核處理器節(jié)點上能量高效的任務(wù)調(diào)度方法通常假設(shè)可以獨立控制各個內(nèi)核的狀態(tài)，在能耗計算階段只考慮處理器本身的能耗而未考慮

3、節(jié)點其他部件的能耗，且對能效的度量方式未考慮實際意義，因此提出一種面向多種內(nèi)核結(jié)構(gòu)的代價感知的任務(wù)調(diào)度框架。綜合考慮處理器的靜態(tài)功耗、動態(tài)功耗以及節(jié)點其他部件功耗，使用經(jīng)濟代價度量節(jié)點進行任務(wù)處理的時間代價和能量代價，將任務(wù)處理時間、等待時間和能量消耗代價統(tǒng)一。在此基礎(chǔ)上分別針對獨立控制、整體控制和分組控制三種內(nèi)核結(jié)構(gòu)的處理器設(shè)計不同的任務(wù)調(diào)度算法。使用該調(diào)度框架和任務(wù)調(diào)度算法可以降低節(jié)點的任務(wù)處理代價：當(dāng)內(nèi)核為獨立控制結(jié)構(gòu)時，負載越輕

4、該方法相對傳統(tǒng)方法的優(yōu)勢越明顯；當(dāng)內(nèi)核為整體控制結(jié)構(gòu)時，隨著負載加重該方法的節(jié)點代價低于傳統(tǒng)方法且二者之間的差距越來越大；當(dāng)內(nèi)核為分組控制結(jié)構(gòu)時，該方法的節(jié)點代價與傳統(tǒng)方法相比成倍減少。
　　(2)現(xiàn)有的云環(huán)境任務(wù)層能量高效的數(shù)據(jù)密集型任務(wù)調(diào)度方法主要通過改變數(shù)據(jù)存儲策略實現(xiàn)能量高效，此類方法與具體的數(shù)據(jù)存儲方法和存儲介質(zhì)相關(guān)，不具備通用性，因此提出一種同構(gòu)節(jié)點環(huán)境下與數(shù)據(jù)存儲策略無關(guān)的能量高效的數(shù)據(jù)密集型任務(wù)處理方法EABD。在

5、任務(wù)調(diào)度過程中綜合考慮處理任務(wù)的節(jié)點數(shù)和節(jié)點間的負載均衡情況，降低任務(wù)處理過程中的能量消耗。盡管該方法相對于傳統(tǒng)方法使用更多的節(jié)點處理任務(wù)，但其任務(wù)處理過程中的能量消耗比傳統(tǒng)方法更小，在某些情況下其能量消耗甚至不足傳統(tǒng)方法的50％。該算法的能量消耗受副本數(shù)量影響較小，且在默認3個副本的情況下該算法造成的能量浪費最少。
　　(3)針對實際云環(huán)境下的節(jié)點異構(gòu)性問題，提出一種異構(gòu)節(jié)點環(huán)境下與數(shù)據(jù)存儲策略和存儲介質(zhì)無關(guān)的能量高效的數(shù)據(jù)密集

6、型任務(wù)處理方法MinBalance，將任務(wù)調(diào)度過程分為節(jié)點選擇和負載均衡兩步。在節(jié)點選擇過程中，定義四種不同的節(jié)點權(quán)值，根據(jù)貪心算法選擇權(quán)值最小的節(jié)點進行任務(wù)處理。在負載均衡階段對參與任務(wù)處理的節(jié)點的負載進行均衡，減少節(jié)點因等待而造成的能量浪費。該方法充分考慮節(jié)點的性能和功耗的異構(gòu)性，降低任務(wù)處理的能量消耗，當(dāng)待處理的數(shù)據(jù)量較大時，MinBalance可減少約60%的能量消耗。
　　(4)針對目前能量高效的虛擬機調(diào)度方法主要考慮任

7、務(wù)特征和資源分配，僅通過減少節(jié)點使用數(shù)量降低能耗的問題，提出一種云環(huán)境下能量高效的虛擬機調(diào)度算法 EEVS。首先將虛擬機分配到擁有足夠資源且最優(yōu)性能功率比最高的物理機上執(zhí)行，從節(jié)點層減少能量消耗。在虛擬機執(zhí)行過程中采用基于DVFS的單節(jié)點節(jié)能技術(shù)，通過虛擬機遷移進行資源整合，減少每個物理機的能量消耗，從部件層進一步降低系統(tǒng)的能量消耗。EEVS算法在不造成明顯效率降低的情況下，可以節(jié)約超過10%的能量消耗。
　　(5)針對目前云計算