基于云计算的Qos保障机制服务研究

朱启成

(安徽工贸职业技术学院 计算机信息工程系，安徽 淮南 232001)

随着商业科技应用的不断增多，其计算规模也在与日俱增，云计算为了更好地满足这些需求及时推出了一种满足成本效益的计算资源调度方式，有效地推动了各行业领域的建设发展，并得到了广泛的应用。[1]云数据中心将各种资源构造成动态资源池，由此实现其云资源的灵活部署、按需分配。用户通过互联网，可在任意时间、任意地点，根据需求获取网络资源服务。然而，商业场景下的用户需求更复杂、更多样，为其提供有质量保证的服务是当前阶段积极推动云计算服务商业化运营的关键。在这种情况下，如何有效保证用户QoS (Quality of Service 服务质量)是云计算资源管理中的重要问题。

基于此，本文从客户角度出发，综合考虑全方位因素，在云计算环境下对于资源管理应用用户QoS保障机制。[2]以创建的用户QoS保障资源管理系统为平台框架，分析用户的多任务需求，构造可评估量化的用户QoS指标体系；同时，以最少的运营成本为最终目标，实现在对虚拟资源的合理分配。设计一种虚拟资源动态分配机制，最大程度上利用虚拟资源，实现云计算环境下，虚拟资源的合理管理、优化配置，最大程度上保障用户QoS。[3]

1 云计算QoS保障的关键问题

QoS (Quality of Service)作为一种网络安全机制。对服务质量(QoS)进行研究，可推进服务商不断改善现有服务质量，扩展用户；另一方面，用户的服务质量也能够得到良好的保证。[4]

云计算服务包含服务目标和服务提供者。[5]云计算服务目标是网络用户，网络用户复杂多样，而提供云计算服务的是云资源服务提供商，所提供的云资源具有动态变化性。在云计算环境下，虚拟资源分配情况差异显著，既有可能是高性能集群，也可能是服务器集群。因此，为网络用户提供长期服务和质量保障的机制，需要解决以下几点问题：云资源性能、资源可利用程度、网络安全性。

1.1 资源性能

在云计算环境下，云资源提供商可提供的资源有多种，其中包含存储资源、计算资源。网络虚拟资源等。考虑到这些资源的多样性，对用户服务质量进行评估量化阶段需要考虑到上述资源的相关影响。

1.2 服务可用性

以往创建的云计算技术框架，将云服务集中控制在云端，用户只能通过云端获取云服务。因此，云服务供应商一定要保证其提供资源的能用性，但是我国云计算技术发展并不成熟，难以避免在实际应用中会存在技术问题。如微软的云计算平台在2009年试运行阶段，也发生长时间服务中断情况，这种情况的发生导致许多网络用户数据丢失。[8]

1.3 安全可靠性

数据中心含有海量计算节点，有部分节点无法实现长时间工作，会出现少量节点死亡的情况，因此，网络虚拟机的停止运作是一种时常发生的情况。将网络虚拟机进行动态转移，调度新的节点取代已死亡的计算节点，可实现故障切断，有效保证云计算环境的可利用性极其重要。除此之外，云端无法保证用户上传数据的安全性，理论上来讲，存储在云端的数据是冗余的。因此，云服务提供者如何应对节点失效情况以及节点快速恢复能力，也是其中一个关键问题。将存储在本地、自己能够操纵的数据上传到一个外部的存储中心，数据的安全性和隐私程度是用户关注的重点，因此当用户采用云计算服务时，无法得知自己上传的数据放置在那台服务器上，同时也无法得知该服务器的具体IP地址。[9]

1.4 经济适用性

在以往的分布式环境下，虚拟资源是可免费获取的，进行资源分配的最佳目标仅需保证系统整体性能为最佳即可。在云计算网络环境下，云计算服务为用户提供的资源多种多样，用户可根据自身需求选取所用资源，对资源付费。在上述商业模式下，云计算为有需求用户提供各种匹配的虚拟资源，用户根据实际使用情况和付费情况综合选择更高质量的云资源服务，服务等级的不同对应的付费情况也是不同的。因此，对于云服务供应商来说，需要在服务质量QoS保障和运营成本之间找寻平衡。[10]当前阶段，云服务资源管理仅能提供一部分用户的资源调度策略，并且调度策略影响因素较多，难以有效兼顾用户服务需求、运营成本等问题。

2 云计算Qos指标体系设计

服务质量一直是以用户体验为主，是评价用户需求是否得到满足的一项指标。在互联网和计算机领域，将服务质量(QoS)设定为“使用服务的总体效果，这些效果决定了一个用户对这项服务的满意程度”，一般情况下可用于处理互联网网络堵塞和延迟等问题，是一种网络安全机制，应用网络过程中，如出现网络拥塞或是延迟情况，QoS可以确保最关键的网络任务不会被丢失，同时确保网络稳态运行。

在云计算环境下，云计算服务对象的需求是实时变化的，对应的服务内容也是根据用户需求而实时改变的，这种对接模式是云计算发展至今被商业科技应用所认可的关键。因此，面对服务对象的多样性，服务需求的多面性，云计算服务商对于资源调度的分配情况也在不断完善。云计算服务对象在明确自身需求后，选取匹配的云计算服务供应商和相应的服务时，因不同类别的云计算服务商提供的服务级别有显著差异，需要综合考虑服务商所提供的服务、规模以及具体费用等因素，并尽可能在用户需求、期望服务水平以及费用支出等方面抉择出最佳服务供应商。而对云计算服务供应商来讲，用户需求复杂多变，需要从技术可实现程度和服务完善情况等角度建立资源管理平台，有效分配任务，提供有保障的云计算服务。

在laaS资源服务层中，用户作为目标对象，云资源作为供应主体，服务质量QoS作为衡量云计算服务的基准。因此，为了保证服务质量，在确定QoS参数时，应当综合考虑用户情况和云资源情况，综合两者，在QoS参数选取阶段应当体现全面。具体用户QoS与云计算资源特征之间的映射情况如图1所示。

图1 用户QOS与资源特征的映射关系如图

3 基于云计算的Qos保障机制服务优化实施

3.1 基于分级选址问题模型的组建

P—中值选址模型是地址问题中被了解最多的一类，它描述在一个固定个数和位置的需求集合和一个备选设施位置的集合下，将大概为p个服务设施有效划分到匹配空间内，并与P—中值选址模型中多个需求节点有对接关系，有效降低匹配空间内服务设施与对应的需求点之间的传递费用。这种选址优化问题在物流企业中应用较为广泛，因此也可将其描述为“经济效益型”目标。从数学角度对其定义，为P—中值模型。将其划分为选址优化问题的目标函数、约束条件以及可变量定义这些方面，并对这些方面进行准确描述，通常情况下，将P—中值问题的目标函数描述为：

(1)

对应的约束条件如下：

(2)

(3)

xij≤yi,i∈I,j∈J

xij≤{0,1},j∈J

yj∈{0,1},j∈J

式中，I用于描述需求点集合，I={1,2,…,i}，di用于描述客户i当前阶段的运输量;将M描述为为用户目标而构建的m个备选点，M=(1,2,…,m);cij用于描述从备选点i到j的移动费用；p用于描述可构造的设施数量。

式(1)是P—中值问题的目标即总移动费用为最低，也可将其考虑成最低移动费用为目标函数，其约束条件；(2)是需要确保各个需求节点仅有一个服务设施与其对接，约束条件；(3)为保证总的服务设施数量为P，约束条件；(4)用于描述与需求节点相关的服务设施必然存在。

扩展选址问题是描述在基本选址问题上考虑其他影响因素，并对这些影响因素进行分析，将其加入约束条件中。

(4)

P—中值选址模型是有容量限制的，与其他无容量限制的模型是有明显的区别的，有容量的各个设施的容量是有上限的，要求其容量不小于被划分到需求点的需求总量。

分等级的具有容量限制的P—中值模型是至今为止被广泛关注的扩展选址问题之一，综合考虑其约束条件，最终将服务设施的等级和容量作为约束条件。分级选址模型应用场景十分广泛，可将带容量的分级选址模型目标函数描述为：

(5)

约束条件

xijs≤yjs,i∈I,j∈J,s∈S

(6)

xijs∈{0,1},i∈I,j∈J,s∈S

yijs∈{0,1},i∈I,s∈S

式中，I用于描述带容量的分级选址模型需求点集合，J用于描述研究目标中j个服务设施的备选地点。J={1，2，…j}。

3.2 基于改进蚁群算法的Qos保障机制服务设计

蚁群算法作为一种求解多目标问题的仿生优化算法，以蚂蚁种群搜索目标过程中蚂蚁之间信息交换和协同交互来获取最终觅食的最短路径。采用蚁群算法求解组合优化问题的优势为能够快速获取最优解，实际应用过程中效果较好。根据种群个体之间信息素的反馈机制能够快速获取最优解。同时，使用蚁群算法还能够采用其独有的启发式搜索机制，在找寻实物的过程中快速得到最佳解。

对于n个PC机对应于m个宿主的对接分配问题，按照上述资源调度机制对传统蚁群算法进行优化，并依据虚拟机动态迁移技术完成PC机资源的合理分配。假设，如果某一宿主主机处于勿打扰的工作状态，说明该主机的工作量已饱和，如有接收其他虚拟资源分配问题时，将与宿主主机对接的虚拟机转移到其他位置，用于保障QoS；假设该宿主主机处于等待状态，将与其对接的虚拟机集中，并将剩余工作分配至其他处于等待状态的宿主主机上，减少宿主物理主机的工作量。使用调度机制的目标在于控制云计算资源数据中心的总功率，最大程度上降低能源消耗。

假设，K={1,2,…K}表示蚁群个体总数，J=(1,2,…j)用于描述PC机总数，τj(t)用于描述宿主j在种群迭代至第(t)次迭代时的已释放的信息素的量。在第(t)次迭代时，种群中每个个体选取下一个宿主物理机的转移概率可利用下式描述为:

(7)

其中，种群中每个个体k都会有相应的禁忌表tabuk，这个禁忌表用于统计个体k至今为止所选取的宿主物理机的集合，该表可根据具体时间动态调整。当种群中全部个体完成一次种群迭代，则每个宿主主机对应的信息素浓度也需要更新，具体更新公式如下：

(8)

(9)

4 实验仿真

为了验证本文提出基于云计算的Qos保障机制优化服务策略可应用于真实环境，进行了一次仿真实验，实验数据取自于某大学的网格实验室。此次实验中，设定的云计算服务对象共5人，这5个用户的实际需求不同，根据具体的服务需求将云计算服务任务请求等级划分为不同级别。与其相应的，在云计算服务资源管理中心中，设定不同等级的虚拟机，根据Amazon的云服务的标准实例的按需定价标准。将某大学实验室提供的3/5的样本数据作为训练阶段所用数据，剩余数据作为实验数据。

4.1 评价指标的设定

为了验证本文提出基于云计算的Qos保障机制优化服务策略可应用于真实环境，进行了一次仿真实验，实验划分为两个阶段，第一个阶段，将资源调度效率视为关键评价因素，评价本文所提出的基于云计算的Qos保障机制优化服务策略的实际服务质量。在实验的第二个阶段，将文献[4]作为对照算法，进行对比分析，判断不同算法进行资源调度的能量消耗情况。

4.2 实验对比结果分析

(1)使用本文方法实现Qos保障机制服务，设定实验样本数量为60，分析本文方法处理不同资源数据时对应的调度效率，具体情况如图2所示。

图2 本文方法资源调度的效率

从图2可知，本文方法进行资源调度的效率较高，这是因为通过讨论云计算QoS保障的关键问题，利用贪心算法组建基于分级选址问题模型。从而保证了本文方法进行Qos保障机制服务的综合有效性。

(2)分别利用本文方法和传统方法进行Qos保障机制服务实验，对比不同方法进行资源调度的能耗，对比结果见图3。

图3 不同方法资源调度能耗对比

从图3可知，利用本文方法进行资源调度的能量消耗情况要显著低于文献[4]方法，这是因为利用本文方法进行Qos保障时，明确Qos约束条件，得出虚拟资源动态调度目标函数，从提高资源利用率的角度提出基于背包问题的虚拟资源动态调度模型，并给出改进蚁群算法的资源调度策略。从而提升了Qos保障服务的质量和整体优越性。

5 结语

针对不同的用户需求，为各种任务请求配置合适的虚拟机执行任务，提供具有质量保证的云计算Qos保障机制是当前计算机领域亟待解决的主要任务，但由于云计算技术发展并不成熟，目前还无法构建较为完整的服务质量指标体系，影响了QoS的质量。为此，本文综合考虑云计算环境下的商业运营模式，对云计算资源管理中的QoS保障机制进行研究并提出解决方案。通过扩展C1oudSim云计算仿真平台，对云计算资源管理模型及算法进行了实验验证和对比，证明了本文提出的算法的可行性和有效性。