[论文解读] Quality of Service (QoS) Modelling in Federated Cloud Computing

Kun Ma, Antoine Bagula+1 more|arXiv (Cornell University)|Nov 8, 2019

Cloud Computing and Resource Management参考文献 30被引用 5

一句话总结

本文提出了一种用于联邦云环境中服务质量（QoS）管理的双模型框架：基于差分进化（DE）的多QoS任务分配模型和一种新型虚拟机迁移调度模型（VMMNDMS）。与基线算法相比，该方法将虚拟机迁移频率降低了84.05%，能量消耗最高降低了32.18%，同时保持了可接受的SLA合规性，证明了在联邦云中采用混合协作-竞争资源管理策略的有效性。

ABSTRACT

Building around the idea of a large scale server infrastructure with a potentially large number of tailored resources, which are capable of interacting to facilitate the deployment, adaptation, and support of services, cloud computing needs to frequently reschedule and manage various application tasks in order to accommodate the requests of a wide range and number of users. One of the challenges of cloud computing is to support and manage Quality-of-Service (QoS) by designing efficient techniques for the allocation of tasks between users and the cloud virtual resources, as well as assigning virtual resources to the cloud physical resources. The migration of virtual resources across physical resources is another challenge that requires considerable attention; especially in federated cloud computing environments wherein, providers might be willing to offer their unused resources as a service to the federation (cooperative allocation) and pull back these resources for their own use when they are needed (competitive allocation). This paper revisits the issue of QoS in cloud computing by formulating and presenting i) a multi-QoS task allocation model for the assignment of tasks to virtual machines and ii) a virtual machine migration model for a federated cloud computing environment by considering cases where resource providers are operating in cooperative or competitive mode. A new differential evolution (DE) based binding policy for task allocation and a novel virtual machine model are proposed as solutions for the problem of QoS support in federated cloud environments. The experimental results show that the proposed solutions improved the quality of service in the cloud computing environment and reveal the relative advantages of operating a mixed cooperation and competition model in a federated cloud environment.

研究动机与目标

• 解决在提供方可采用协作或竞争资源共享模式的联邦云环境中，动态QoS管理的挑战。
• 设计一种多QoS任务分配模型，根据性能、成本和资源约束将用户工作负载映射到虚拟机。
• 开发一种虚拟机迁移调度算法，以最小化能量消耗和迁移开销，同时保持SLA合规性。
• 评估在混合协作-竞争云联邦模型中，能量效率、迁移频率与SLA违规率之间的权衡。
• 证明将差分进化算法与虚拟机调度相结合，在可扩展、节能的云资源管理中具有可行性与性能优势。

提出的方法

• 使用差分进化（DE）算法构建多QoS任务分配模型，根据响应时间、吞吐量和成本等性能指标，将用户任务绑定到虚拟机。
• 提出一种新型虚拟机迁移模型（VMMNDMS），在触发迁移前评估主机负载和迁移成本，旨在减少不必要的迁移。
• 引入负载阈值机制（最大80%，最小0%），以确定何时需要迁移，避免过度分配和资源利用率不足。
• 使用结合处理、内存和带宽成本（分别为3.0、0.05、0.001）的成本函数，指导迁移决策并优化资源利用率。
• 采用混合联邦模型，使提供方可根据需求在协作模式（共享资源池）与竞争模式（自我优先）之间切换。
• 使用CloudSim仿真工具包对模型进行验证，采用真实世界参数集，包括虚拟机类型、主机配置和SLA指标。

实验结果

研究问题

• RQ1 如何设计一种多QoS任务分配模型，以在联邦云环境中高效地将用户工作负载绑定到虚拟机？
• RQ2 协作与竞争资源共享模式对虚拟机迁移频率和能耗有何影响？
• RQ3 基于DE的调度策略在保持可接受SLA合规性的同时，能在多大程度上减少虚拟机迁移开销？
• RQ4 所提出的VMMNDMS算法与现有算法（MadMmt、IqrMc）相比，在能效和SLA合规性方面表现如何？
• RQ5 混合协作-竞争模型是否能在联邦云系统中实现更好的能耗节约与服务质量之间的平衡？

主要发现

• 所提出的VMMNDMS算法在协作联邦中相比MadMmt将虚拟机迁移次数减少了84.05%，相比IqrMc减少了86.20%；在竞争联邦中分别减少了80.89%和80.02%。
• 与MadMmt相比，能耗分别降低了22.99%和32.18%；与IqrMc相比，分别降低了23.72%和28.52%，分别对应协作与竞争模式。
• SLA违规率高于MadMmt和IqrMc——协作联邦中分别为14.60%和19.16%，竞争联邦中分别为33.41%和29.31%，表明在减少迁移与严格SLA合规性之间存在权衡。
• 尽管迁移频率更高，竞争联邦模式的SLA合规性优于协作联邦模式（违规率分别为12.68%和13.98%）。
• 协作联邦模式因具备更广泛的虚拟机选择选项，实现了更低的能耗，但代价是迁移开销增加。
• 结果证实，VMMNDMS能有效降低迁移频率和能耗，在联邦云环境中实现了能效与QoS之间的有利权衡。