云计算弹性评测模型的研究与实现

计算机工程与科学

云计算弹性评测模型的研究与实现

戴荣倩1，左德承1，张展1，李士雷2

（1.哈尔滨工业大学计算机科学与技术学院，黑龙江哈尔滨150001;2.中国人民银行，黑龙江哈尔滨150036）

收稿日期:2016-04-07 修回日期:2016-06-19 出版日期:2016-08-25 发布日期:2016-08-25
基金资助:
国家863计划（2013AA01A215）；国家自然科学基金（61370085）

Study and implementation of an elasticity evaluation model in cloud computing

DAI Rong-qian1,ZUO De-cheng1,ZHANG Zhan1,LI Shi-lei2

（1.School of Computer Science and Technology,Harbin Institute of Technology,Harbin 150001;
2.The People’s Bank of China,Harbin 150036,China）

Received:2016-04-07 Revised:2016-06-19 Online:2016-08-25 Published:2016-08-25

摘要/Abstract

摘要：

当前，越来越多的企业开始将自己的核心业务与数据迁移到云上，其中很多业务需要相应的弹性服务来应对负载的实时变化，因此对弹性的评测正变得越来越重要，然而当前缺少一种较为全面的弹性评测方法。为解决以上问题，从资源分配、QoS、资源配置时间等多个角度，对云计算的弹性进行较为全面的分析，提出适用于供应商和用户两个角度的评测方法。在已有基础上，提出资源分配、资源配置时间两个方面的计算模型，并对现存的罚金模型进行改进。最后，在CloudStack云平台上，使用auto-scaling和scale-out两种弹性扩展策略，以TPC-W为负载验证了所提方法的有效性。

关键词: 弹性服务, 评测方法, 资源分配, QoS, 资源配置时间

Abstract:

Currently more and more enterprises transfer their core business and data to the cloud, and a number of the business needs elasticity service to deal with the real-time changing of workload. So there is an urgent need to evaluate elasticity, however, we lack a relatively overall evaluation method. To solve this problem, we conduct a comprehensive analysis from the perspectives of resource allocation, QoS and resource allocation time, and propose an evaluation method that can be applied to both providers and users. Moreover, we design computation models for resource allocation and resource allocation time to improve the existing penalty model. Finally, TPC-W benchmarks are tested on the CloudStack platform with two elasticity scaling strategies, namely auto-scaling and scale-out, which verifies the proposed method.

Key words: elasticity service, evaluation method, resource allocation, QoS, resource allocation time

戴荣倩1，左德承1，张展1，李士雷2. 云计算弹性评测模型的研究与实现[J]. 计算机工程与科学.

DAI Rong-qian1,ZUO De-cheng1,ZHANG Zhan1,LI Shi-lei2. Study and implementation of an elasticity evaluation model in cloud computing [J]. Computer Engineering & Science.

参考文献

［1］Chen Q, Deng Q. Cloud computing and its key techniques［J］. Journal of Computer Applications,2009,29(9): 2565.
［2］Liu F,Tong J,Mao J,et al. NIST cloud computing reference architecture［J］. NIST Special Publication,2011,500: 292.
［3］Sobeslavsky P,Sardes T,Rhne-Alpes I,et al. Elasticity in cloud computing［D］. Joseph Fourier University,ENSIMAG,Grenoble,France,2011.
［4］Limrungsi N,Zhao J,Xiang Y,et al. Providing reliability as an elastic service in cloud computing［C］∥Proc of 2012 IEEE International Conference on Communications (ICC), 2012: 2912-2917.
［5］Hwang K, Shi Y, Bai X. Scale-Out vs. Scale-up techniques for cloud performance and productivity［C］∥Proc of 2014 IEEE 6th International Conference on Cloud Computing Technology and Science (CloudCom),2014: 763-768.
［6］Galante G,de Bona L C E. A survey on cloud computing elasticity［C］∥Proc of 2012 IEEE 5th International Conference on Utility and Cloud Computing (UCC),2012: 263-270.
［7］Calheiros R N,Toosi A N,Vecchiola C,et al. A coordinator for scaling elastic applications across multiple clouds［J］. Future Generation Computer Systems,2012,28(8): 1350-1362.
［8］Li A,Yang X,Kandula S,et al. CloudCmp: Comparing public cloud providers［C］∥Proc of the 10th ACM SIGCOMM Conference on Internet Measurement,2010: 1-14.
［9］Coutinho E F,de Carvalho Sousa F R,Rego P A L,et al. Elasticity in cloud computing: A survey［J］. Annals of Telecommunications-annales Des télé Communications,2015,70(7-8): 289-309.
［10］Islam S,Lee K,Fekete A,et al. How a consumer can measure elasticity for cloud platforms［C］∥Proc of the 3rd ACM/SPEC International Conference on Performance Engineering,2012: 85-96.
［11］Hwang K,Bai X,Shi Y,et al. Cloud performance modeling with benchmark evaluation of elastic scaling strategies［J］. IEEE Transactions on Parallel and Distributed Systems,2016,27(1): 130-143.
［12］TPC-W: Benchmarking an ecommerce solution［EB/OL］.［2015-12-11］. http://www.tpc.org/tpcw/tpc-w_wh.pdf.
［13］Herbst N R,Kounev S,Reussner R H. Elasticity in cloud computing: What it is,and what it is Not［C］∥Proc of ICAC,2013: 23-27.

[1]	李卫平1,2，武海燕2，杨杰1. 基于效益博弈的云计算资源动态可协调分配策略研究[J]. J4, 20160101, 38(01): 57-61.
[2]	苟平章, 马琳, 郭保永, 原晨. 基于软件定义网络的多约束QoS双路径路由优化方法[J]. 计算机工程与科学, 2023, 45(01): 46-56.
[3]	方海, 赵扬, 高媛, 杨旭. 考虑任务依赖的卫星边缘计算资源分配与卸载决策算法[J]. 计算机工程与科学, 2022, 44(11): 1951-1958.
[4]	刘世缘, 李云春, 陈晨, 杨海龙. 面向大数据存储的主动与被动相结合的性能评测方法体系结构与实现[J]. 计算机工程与科学, 2022, 44(04): 584-593.
[5]	池来新, 杨旭涛, 谢宁, 张学杰. 边缘计算系统中资源分配防策略拍卖机制设计[J]. 计算机工程与科学, 2021, 43(10): 1720-1729.
[6]	罗磊, 陈照云, 王俪璇. 用户QoS感知的GPU集群深度学习任务动态调度[J]. 计算机工程与科学, 2021, 43(08): 1331-1340.
[7]	罗莉, 周宏伟, 周理, 潘国腾, 周海亮, 刘彬. 一种多核处理器直连接口QoS的设计与验证[J]. 计算机工程与科学, 2021, 43(04): 620-627.
[8]	吴俊斌, 吴晟, 吴兴蛟. 一种用于求解TSP问题的随机最佳插入烟花算法[J]. 计算机工程与科学, 2020, 42(11): 2080-2087.
[9]	童钊, 叶锋, 刘碧篮, 邓小妹, 梅晶, 刘宏. 移动边缘计算中多约束下的任务卸载和资源分配算法[J]. 计算机工程与科学, 2020, 42(10高性能专刊): 1869-1879.
[10]	刘少楠，李玲，苑迎，蒋国佳，王聪，吕艳霞. 基于节点连通性排序的虚拟网络映射算法[J]. 计算机工程与科学, 2019, 41(12): 2101-2109.
[11]	刘辉1,2,3，宋家旺1,2，代云霞1,2，朱彬欣1,2. 异构网络中基于用户划分的资源分配与功率控制方案[J]. 计算机工程与科学, 2019, 41(08): 1398-1405.
[12]	朱新峰1,张智浩1，王彦凌2. 移动边缘计算环境下的动态资源分配策略[J]. 计算机工程与科学, 2019, 41(07): 1184-1190.
[13]	蒋冰婷1，胡志刚1，马华2，姚景1. 基于时间感知排序的云服务QoS预测方法研究[J]. 计算机工程与科学, 2018, 40(07): 1173-1179.
[14]	张鹏1,2，冯旭祥1，葛小青1. 基于改进遗传算法的多天线地面站硬件资源分配方法[J]. 计算机工程与科学, 2017, 39(06): 1155-1163.
[15]	梁毅1，侯颖1，陈诚1，金翊2. 面向大数据流式计算的任务管理技术综述[J]. 计算机工程与科学, 2017, 39(02): 215-226.