您的位置 首页 分销

云核算关键技术与研讨问题

云计算关键技术与研究问题-本文为你介绍部分具有挑战性云计算关键技术及其研究问题,具体包括如,虚拟机迁移、服务器整合、能耗管理、流量管理与分析、MapReduce软件框架、存储技术、数据管理等多个方面。

  云核算作为一种新的核算理念和形式,在技能上是将大型服务器集群,包含核算服务器,存储服务器和网络带宽资源会集起来,经过对各类可分配资源的虚拟化,运用专门软件完结对资源的按需分配,支撑各种运用程序的运转,使得用户只需注重并供给事务相关的处理方案,无需在硬件渠道、归纳核算、安全存储、信息的一起性等方面耗费许多的人力、物力和财力,有利于进步系统的全体功率、降低本钱,促进技能创新。

  虽然依据云核算形式的核算渠道或服务已被广泛承受并逐渐走进运用,但云核算的研讨总体上还处于起步阶段,许多现有的问题还没有被彻底处理。本文提出了部分具有应战性的云核算要害技能和研讨问题。

  1 虚拟机搬迁

  云核算经过答应虚拟机搬迁完结整个数据中心负载平衡。此外,虚拟机搬迁进步数据中心的健壮性和高度呼应。

  虚拟机搬迁是由进程搬迁演化而来的。最近Xen和VMWare现已完结了虚拟机的实时搬迁。文献[1]指出搬迁整个操作系统和它的一切运用程序作为一个单元能够防止进程级搬迁办法要面临的许多困难,并剖析了虚拟机实时搬迁的优势。

  虚拟机搬迁的首要优势是防止热门,可是,这并不简略。现在,检测作业负载热门和发动一个搬迁缺少应对忽然的作业负载改变的灵活性。此外,虚拟机搬迁时内存中的状况应当一起且高效地传输,一起还需归纳考虑运用程序和物理服务器的资源负载。

  2 服务器整合

  服务器整合能够最大化资源的运用率,一起最小化能耗的有用办法。虚拟机搬迁常用来整合驻留在多个很少运用的服务器的虚拟机到一个服务器,这样剩下的服务器能够设置为节能状况。在数据中心优化整合服务器一般是一个NP难的变种装箱优化问题。针对这个问题现已提出各种启发式办法。

  服务器整合不应该影响运用程序的功能。众所周知,单个虚拟机资源的运用不断的在改变。关于虚拟机间同享的服务器资源(比方带宽、内存缓存和磁盘I/O),最大极限地整合服务器或许导致拥堵。

  因而,调查虚拟机负载的动摇和运用这些信息有用的整合服务器是很重要的。最终,在资源拥塞产生时,系统有必要能快速呼应。

  3 能耗办理

  进步动力功率是云核算另一个首要问题。据估计,能耗本钱占数据中心运营开销总额的53%。因而基础设施供给商承受了巨大的压力削减动力耗费。方针是不只要削减数据中心的动力本钱,还要到达政府法规和环境规范。

  规划节能数据中心最近遭到越来越多的注重。这个问题能够从多个方向处理。例如,节能的硬件架构、减慢CPU速度和封闭部分硬件组件已成为研讨者的一致。

  有节能感知的作业调度和服务器整合两种办法能够削减动力耗费。最近的研讨也已开端研讨节能的网络协议和基础设施。

  一个要害的应战是完结节省动力和运用程序的功能之间到达一个好的平衡。在这方面,一些研讨人员最近现已开端在一个动态的云环境完结功能和能耗办理的和谐处理方案[3]。

  4 流量办理和剖析

  剖析数据流量关于今日的数据中心是重要的。例如,许多web运用程序依靠于剖析数据流量来优化用户体会。网络运营商还需要知道数据流量进行许多办理和规划决议计划。可是,把互联网服务供给商(ISP)现有的流量丈量和剖析办法扩展到云核算数据中心还存在一些应战性的问题。首要,数据中心链接的密度要比ISP高得多;

  其次,大多数现有的办法能够核算几百台主机的流量矩阵,但一个小型数据中心或许具有几千台服务器;最终,现有的办法一般依据一些ISP的流量形式,可是布置在数据中心运用程序(比方MapReduce作业)极大的改变了流量形式。

  此外,在云核算中运用程序的网络运用、核算和存储资源存在更严密的耦合。

  现在,并没有许多作业在丈量和剖析数据中心的流量。文献 [4]报告了数据中心流量的特征,以及运用这些辅导网络基础设施的规划。

  5 软件结构

  云核算供给了进行大规模数据密布型运用程序的渠道。一般这些运用程序运用MapReduce结构(如Hadoop可弹性的和容错数据处理)。研讨标明MapReduce作业的功能和资源耗费的是高度依靠运用程序的类型。例如,Hadoop使命sort是I/O密布型,而grep则要求许多CPU资源。

  此外,分配在每个Hadoop节点的VM或许是异构的。例如,一个VM可用带宽依靠于装备在同一个服务器的其他VM。

  因而,经过细心挑选它的装备参数值和规划更高效的调度算法能优化MapReduce运用程序的功能和本钱。经过缓解瓶颈资源,能够将运用程序的执行时间明显进步。要害的应战包含Hadoop的功能建模(无论是在线仍是离线)和动态条件下自适应调度。

  另一个相关的办法以为让MapReduce结构有节能感知[5]。这种办法的基本思想是将完结作业且等候新使命的Hadoop节点进入睡觉状况。这就要求Hadoop和HDFS有必要由有节能感知。此外,一般会在功能和节能感知之间进行权衡。依据方针,找到一个抱负的权衡点仍是一个没有探究的研讨课题。

  6 存储技能和数据办理

  软件结构MapReduce和它的不同完结(Hadoop和Dryad)针对分布式处理的数据密布的使命。这些结构一般运转在网际文件系统(比方GFS和HDFS)。这些文件系统的存储结构、拜访形式和运用程序编程接口不同于传统的分布式文件系统。特别是他们没有完结规范POSIX接口,因而引进和传统文件系统和运用程序的兼容性问题。现在的处理办法首要包含提支撑MapReduce结构运用集群文件系统(如IBM的GPFS)办法和依据新的API原语支撑可弹性和并发数据拜访等。

  7 结束语

  需求推进、技能进步和商业形式改变一起促进了云核算的快速开展,其中心是构建了一种全新的信息与数据存储、处理和服务形式。本文从云核算渠道建造与办理、运用的构建等多角度总结了这种新式核算形式存在要害技能及难点,提出了未来云核算研讨与运用中所需处理的问题。

声明:本文内容来自网络转载或用户投稿,文章版权归原作者和原出处所有。文中观点,不代表本站立场。若有侵权请联系本站删除(kf@86ic.com)https://www.86ic.net/bandaoti/fenxiao/165701.html

为您推荐

联系我们

联系我们

在线咨询: QQ交谈

邮箱: kf@86ic.com

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

返回顶部