云计算虚拟化平台的内存资源全局优化研究

谢 睿

（湘南学院 软件与通信工程学院，湖南 郴州 423000）

云计算虚拟化平台的内存资源全局优化研究

谢 睿

（湘南学院 软件与通信工程学院，湖南 郴州 423000）

云计算能够在虚拟化技术的协助下，大规模地将资源计算进行统一的管理，利用效率进行有效的提升，但是，资源的全局优化能力，在一定的程度上，被云计算物理的服务器内存资的边界所限制。因此，文章对云计算虚拟化平台的内存资源全局优化进行研究，认为应该将虚拟机内部资源边界的最小内存值进行增加，改进全局优化框架。

云计算；虚拟化；内存资源；全局优化

信息服务随着互联网的快速发展，也在快速地发展，云计算模式也诞生了，云计算模式按使用进行付费，使用起来比较方便，无论是对企业，还是对用户，都比较受欢迎。在虚拟化技术的协助下，不但大规模地将资源计算进行统一的管理，还利用效率进行有效的提升，维护了成本和对管理进行了简化，同时，还将易扩展和获取的按需服务提供给了用户。

虚拟化在云计算的基础上，有关的计算机模块在虚拟技术上进行有效地运行，而不是作为物理的硬件，在此基础上单独地运行[1]。针对资源计算，云计算可以借助虚拟化的技术，进行大规模的统一管理，对物理资源利用效率进行有效的提升，维护了成本，对管理进行了简化，同时，还将易扩展的按需服务不断给用户进行提供。云计算有效地结合虚拟技术，具有极大的优势，既提供了良好的使用模式，又提供了全新资源的整合。

从当前来看，物理服务器的内存资源边界，在一定程度上，对资源全局的优化能力进行了限制。针对虚拟机间内存的资源结合云平台的物理资源采用有效算法来进行深入的研究，来有效地提升内存资源的整体利用率。再将云计算平台的虚拟化优化的内存框架进行引入，运用地址空闲的空间和逻辑的地址空间来将全局内存的优化框架构成，而使内存资源的充分利用得以有效地提升[2]。该机制很大程度上，将内存资源利用率进行了极大的提升，但是，空闲内存只要存在，与全局空闲内存池就必须进行地址的映射，导致内存使用和存储的空间负担增加。对于全局调节协同的算法和内存自调节的算法认真进行研究和分析后，在资源的利用率比较低时，为了将内存资源进行平衡，各个虚拟机都采用了自发的调节策略；而内存资源利用率比较高时，采用空闲内存全局调度来对平衡内存的资源进行有效的调节。两种算法所存在的问题，就是对各个虚拟机内存资源不断地进行交互，既占用了内存，又使计算延迟增加。对于调节虚拟机内存的资源优化问题，运用熵优化和进化的算法分别进行解决，但是，精确模型难以建立，算法的适用性也比较低。

1 内存资源全局优化的模型

内存的优化模型提出以后，将全局扩展的地址空间构成和逻辑的地址空间引入，运用双层的地址空间的映射机制来将抽象的跨物理器的可靠内存资源和资源边界高效构成。将一种透明页面的交换机制进行引入，来将虚拟机的透明空闲页面的回收得以有效地实现，从而使流动资源目的得以实现[3]。在模型中加入空闲内存池概念，对于调度内存资源非常方便，同时，也能够将内存资源的利用率得以有效地提升。

但是，虚拟创建的内存在正常利用的情况上，也在不断地进行变化，其变化与全局空闲的内存池的地址不断地进行映射，从而使空间复杂度和内存负担得以增加。系统结构的整体模型如图1所示。

图1 系统结构示意

在各个物理的平台中，虚拟机的负载会不断地进行动态的变化，在一定时间内，内存的利用率就会随着负载的变化，而有相应的现象产生。所以，不同物理机之间的内存和各台的物理服务器内部，将会有不均衡性的利用率呈现出来，随着时间的变化，这种不均衡的利用率也会不断地进行动态的变化。对于平台上应用性，都会因为以上涉及的因素受到限制。

在设计结构模型时，将全局空闲内存池引入，来将各个虚拟机的内存分配进行有效地调节。思路的设计：虚拟机内存的资源利用率比较低，先调节虚拟机自身的内部，对于计算最小边界是否达到进行判断，若此阈值已满足，在空闲的内存池，再放入多余空闲的内存，同时，在虚拟机的内部应该有部分预留内存，否则，内存就不会放入到空闲的内存池中。

虚拟机的内存资源的利用率如果比较高，应该从全局空闲的内存池中，将内存进行申请，来将内存负载的过大压力进行降低，内存池中空闲内存如果不足时，就是比较少见的现象，空闲的内存池中将大部分的虚拟机空闲内存聚集，各个虚拟机最小的边界值，都是在一段的时间内，结合各个虚拟机内存资源的利用率波动的情况而计算出来的。所以，在日常的作用中，这种极端的情况是很少见的。若有全局空闲内存池不足的现象出现，对于最小的边界值就需要重新进行计算，对于内存资源利用率低的虚拟机的预留内存重新进行分配。

计算虚拟机最小边界值思路：结合当前时刻和前一个时刻的值来进行计算，再将计算以后的值存入到虚拟机中，因此，每次只将一个计算后的值保存到虚拟机中。

2 内存资源全局优化策略

2.1 虚拟机内部的调节策略

对于内存的调节程序进行有效地执行，内部调节策略是否启用进行有效地判定。基本原理如下：（1）虚拟机初始时，根据虚拟机的配置文件，对内部调节的启用进行决定，一旦配置状态被全局调节改变，虚拟机内部调节的启用，只能由全局调节进行控制。（2）将调节虚拟机的内部启用的状态，传达给主控的模块，对于Domain U所做出的自身调节进行确定，若空闲内存池中资源不够时，以免有内存资源竞争发生。（3）在proc文件的系统中，在meminfo中可以将Guese OS内存信息得到，还可以将内存值committed-AS进行提交。对于Domain-O与Guest OS之间，可以运用Xenstore作用控制和内存信息传递的媒介。利用气球驱动机制作为对Guest OS内存进行调节的基础。

2.2 内部调节与全局调节的协作策略

虚拟机内部调节与全局调节具有本质的区别。

（1）虚拟机内部之间进行调节时，各个虚拟机之间内存使用的信息不需要相互之间了解和知晓。如果虚拟的内存资源率相对比较低，该虚拟机就会结合内存信息的情况决定自身的资源分配，对于特定容量也会结合最小的边界值来进行确定，然后融入全局内存中。

（2）全局调节主要是决定各个虚拟内存的资源量的分配情况，从全局的角度出发，来平衡地调节有关的策略。与内部调节相比，全局调节更具有全面性。能够将空闲内存池中内存的大小进行有效地掌握，同时，还要针对受控的Guest OS内存的使用信息进行掌握。

3 内存全局优化算法有效性的验证

虚拟机内存管理系统在内存资源丰富的情况下，能够自发地将系统进行有效地调节，调节目标的内存值由各个Guest OS利用所提交的内存值获得。random和mono是Guest OS分别运行的两个测试标准，40～300 MB是内存申请的范围。

针对random和mono两个测试的标准而言，二者是在物理内存足够的条件下，程序对内存资源的占用，系统提交的内存表明，内存的资源利用率比较低且具用空闲的内存状况下，对于最小边界值与提交值对比的情况进行改进，致使算法高效性的改进得以充分地显示[4]。

运用random和mono两个标准测试的程序，都是根据有效的空闲内存价格的调节方式。

在内存值的分配上，各台Guest OS都是256 MB，所以mono和random在对40～300 MB的访问内存的范围内，结合空闲内存资源的调节策略，Guest OS的两个目标内存值，与Guest OS上运行的测试标准，都能够很好地进行吻合。

虚拟机的内存在资源的利用率比较高的时候，用量也会相应地增加，而虚拟机内存的资源如果出现欠缺的现象时，就会向全局空闲的内存池将内存进行申请，虚拟机内存利用增加，全局内存池容量减少，虚拟内存资源的利用率降低，全局空闲的内存池增加容量，从而使有效性的全局调节算法有效地表现出来。

4 结语

综上所述，云计算能够在虚拟化技术的协助下，大规模地将资源计算进行统一的管理，利用效率进行有效地提升，同时，也维护了成本和对管理的简化。

[1]董运萌.一种云计算环境下负载均衡敏感的聚类部署方法研究[D].长春：吉林大学，2015.

[2]郑光远.云计算环境下基于时间的公平带宽动态分配算法[D].杭州：浙江工商大学，2014.

[3]蔚欢乐.基于OpenStack的资源动态分配框架的设计与实现[D].西安：西北大学，2014.

[4]周丹红.云计算虚拟化平台的内存资源全局优化研究[D].沈阳：东北大学，2013.

Study on global optimization of internal memory resources in cloud computing virtualization platform

Xie Rui
（Software and Communication Engineering School of Xiangnan College, Chenzhou 423000, China）

With the help of virtualization technology, cloud computing can manage the resource computing on a large scale, and effectively promote use ef fi ciency. But to a certain degree, the global optimization ability of the resource is limited by the boundaries of the cloud physical server memory resources. Therefore, this paper studies the internal memory resources’ global optimization of cloud computing virtualization platform, and thinks that the minimum internal memory value of the internal resource boundary of virtual machine should be increased and the global optimization framework should be improved.

cloud computing; virtualization;internal memory resources; global optimization

湘南学院校级课题；项目编号：2016-28。

谢睿（1983— ），男，湖南郴州，硕士，助教；研究方向：云计算，嵌入式系统，人工智能。