赵玉艳， 赵生慧

高等院校计算机专业实验室通常具备大量的计算能力。而不同类型的实验项目对计算资源数量的多样化需求，却导致了正常实验过程中资源的利用率变化较大。例如，并行计算的实验项目通常能够保证实验室计算资源的高效利用；而对于一些实验项目(如web编程)，计算资源的利用率却相对较低；尽管此时有大量闲置的计算资源，但是需要进行开放性实验的用户却必须根据实验室的课程表排队等待。由此可见，实验室的资源利用率和开放性还有进一步被提升的空间。

尽管已有诸多工作对高校实验室管理模式进行了研究，如文献[1]提出建立现代化的实验室管理信息平台，实现实验项目菜单化、实验内容个性化、实验时间自主化，以满足学生自主学习的需要，但是却忽略了因实验项目本身特点所造成的计算资源浪费。因此，如何在不影响常规实验教学的情况下，提高实验室基础设施利用率以及增加开放性已成为计算机专业实验室管理模式研究过程中面临的一个重要挑战。云计算的出现为解决这个问题提供了一个有效的途径。基于云计算技术的计算机专业实验室管理模式能够有效提高资源利用率和开放程度，给学生提供了更多的学习和实验机会：学生通过云计算管理平台获取部署在实验室的虚拟机后，可以随时(7*24小时)随地(宿舍、教室、图书馆等)地进行一些实验项目，例如集群软件的安装、配置、维护、管理和使用等，使学生轻松的获取操作系统、网络和集群系统管理的实践经验[2] [3]。另外，在云计算环境中，虚拟机以及虚拟集群的易获取、易用、易管理的特性可以帮助、鼓励学生和教师将更多的分布式计算内容(如Map-reduce类型的作业，使用开源Hadoop软件的Map-reduce计算非常适合虚拟集群环境，因为Hadoop的负载平衡和容错功能可以承受偶尔的用户重启或者实验室主机的崩溃)纳入到课程作业和项目中，从而支持学生更好的学习并行和并发的原理性知识[4] [5]。

1 基于云计算的实验室新型管理模式

基于云计算的计算机专业实验室新型管理模式(简称为新型管理模式)利用云计算技术将未被实验项目充分利用的计算资源组织起来，在正常开展实验教学的同时，向实验室之外的用户(学生和教师)提供计算服务，从而有效的提高了资源利用率，拓展了实验室的开放程度和教学潜力。

1.1 新型管理模式的特点

与未使用云计算相关技术的专业实验室管理模式相比，新型管理模式具有多个特点和优势，这主要包括：

1.1.1 提高资源利用率

在实验室资源未被实验项目充分利用时，可以同时向实验室之外的用户提供计算资源，从而能够在时间和空间维度上提升资源利用率。

1.1.2 增加实验室的开放程度

开放性是实验室管理所追求的目标之一，通过新型管理模式，有利于增加更多的用户，提供更多的开放项目、满足更多的资源需求，从而将实验室的开放程度提升到一个新的高度。

1.1.3 开发实验室的教学潜能

新型管理模式能够使学生(用户)更灵活、更方便的获取和使用资源，同时能够给学生(用户)提供更高的资源使用权限(如虚拟机的root权限)，从而给学生营造了一个可以作为虚拟系统管理员进行自由发挥的空间，让教学潜能得到进一步的开发。

1.1.4 低成本

新型管理模式可以在无任何成本或低成本的方式运行，这主要归功于成熟的云计算技术和开源的云计算平台项目。

1.1.5 易管理

在云计算管理平台的支持下，管理员可以方便的获取实验室的运行状态和资源使用情况，从而更加容易的管理实验室。

1.2 新型管理模式的关键支撑平台

基于云计算技术的实验室资源管理平台是新型管理模式的关键支撑平台。以现有开源云平台(如OpenNebula、Eucalyptus以及OpenStack)为基础开发满足需求的实验室资源管理系统，可以使实验室的管理部门在很少或者没有额外成本的情况下，将未被充分利用的资源提供给实验室外的学生和教师，从而达到充分利用资源以及提高开放程度的目的。一个有效支撑新型管理模式的实验室资源管理平台应至少包括以下三个部分：云管理组件、实验室管理组件以及节点(计算机)管理组件，分别从云计算资源池、实验室、计算机等三个层面对资源和开放性进行有效管理。图1展示了以OpenNebula为引擎所开发的实验室资源管理平台，各组件所具备的功能描述如下：

1.2.1 云管理组件

云管理组件的功能包括计费管理、准入控制、云资源调度、云信息监控等。

计费管理：负责对用户的使用费用进行管理，因为本平台面向于校内学生、教师用户，因此计费功能只负责统计用户对资源的使用情况(资源数量、运行的时间长度等)，并向“准入控制”组件提供信息以对用户的资源访问权限进行控制。

准入控制：负责用户的注册、用户对资源的使用权管理等。例如为了防止少量用户过多的占用云资源，采取了以下策略：以每周为单位给用户分配一定数量的资源(CPU数量*时间)，用户一周内使用完配额后，需等下一周才能有权使用新的配额，同时配额不具备累加特性，即一周内用不完的配额将自动清零。

云资源调度：负责将作业分配给满足需求的一个或多个实验室管理组件(有些规模较大的实验项目可能需要多个实验室管理组件的协同才能够完成)。

云信息监控：负责收集每个实验室的资源使用情况以及每个实验室具有的虚拟机镜像类型信息，为系统管理员和“云资源调度”组件提供所需信息。

1.2.2 实验室管理组件

实验室资源调度：负责将作业分配给满足需求的一个或多个节点管理组件(有些作业需要多个节点组件的协同才能够完成)。

实验室信息监控：负责收集和定时向“云信息监控”(主动或被动方式)发送实验室物理资源信息、物理资源使用信息、虚拟机使用信息以及虚拟机镜像信息(操作系统类型和应用软件等)。

1.2.3 节点管理组件

虚拟机管理：在物理节点上创建、配置、暂停和销毁虚拟机。

节点信息监控：监控物理节点上的物理资源配置、物理资源使用信息、虚拟机镜像的类型(操作系统类型和应用软件等)以及节点上虚拟机的资源使用信息。并将信息定时(主动模式或被动模式)发送到“实验室管理组件”。

图1 基于云计算技术的实验室资源管理平台

图2 实验1的CPU最大利用率

2 实验

为了简单而清楚的比较两种管理模式下的资源利用率(不失一般性，此处仅以CPU资源为例)，此处设计了两个实验：实验1测试了未使用云计算技术的管理模式(此处称为传统模式)下单台PC机的资源利用率，实验2测试了新型管理模式(使用云计算技术)下单台PC机的资源利用率。在上述两个实验中的计算机配置均为：单路双核CPU(Pentium (R) Dual-Core CPU, E5300,2.6GHz),2G内存，500G硬盘。

2.1 实验1：传统模式的资源利用率

此实验采用了一个典型的CPU密集型任务(编译mysql-5.0.41源程序)来说明传统实验室管理模式下单台PC机的资源使用情况，测试结果如上图2所示。可以看出即使运行CPU密集型的任务，物理机的CPU资源最大利用率也只有53%，也就是双核CPU只被充分利用了其中一个，而另一个则处于闲置状态。在实际的实验教学过程中，学生在一台机器上同时运行两个或多个CPU密集型任务的情况很少，因此传统模式下，计算资源有很大一部分未被充分利用。随着IT技术的不断发展，商业计算机的计算、存储等能力变得越来越强，为了充分利用资源，以虚拟化和云计算技术为基础的新型计算机专业实验室管理模式变得十分有必要。

2.2 实验2：新型管理模式的资源利用率

在新型管理模式下，实验2通过云计算管理平台的虚拟化工具(如Xen，KVM或者VMware)将一台物理机pc1划分为两个虚拟的计算机：vm1和vm2。学生A在物理机pc1只有权使用其分配到的虚拟机vm1，并在虚拟机上运行了CPU密集型任务(编译mysql-5.0.41源程序)，同时正在宿舍或者办公室的用户B在所分配到的虚拟机vm2上运行了另外一个CPU密集型任务(计算圆周率π)，实验结果如图3所示，pc1的物理CPU利用率可以达到100%，也就是每个物理核的计算能力均得到充分使用。当宿舍用户B的CPU密集型任务(计算圆周率π)结束之后，此时实验课上的学生A的CPU密集型任务(编译mysql-5.0.41源程序)还在运行，实验结果如图4所示，此时的物理CPU利用率是50%。

图3 实验2中两户CPU最大利用率

图4 实验2中单用户CPU最大利用率

通过云计算技术，实验课上的学生A与宿舍或办公室的用户B可以同时使用同一物理机(pc1)上的不同虚拟机(vm1和vm2)，在这种模式下，CPU资源的利用率能够得到显著提升。

2.3 新型管理模式带来的机遇和挑战

新型管理模式为提高资源的利用率和开放程度带来了机遇，同时在大规模计算机专业实验室资源管理方面也引入了一些挑战。例如，资源调度算法决定了云计算用户请求的虚拟机部署在哪个实验室/物理机上的问题，算法的性能直接影响着实验室资源的利用率以及实验室常规实验项目的正常实施；此外，能耗问题[6]以及实验室外部用户(云计算用户)对云计算资源历史使用信息的挖掘和利用也是需要研究的问题。

3 结论

基于云计算的计算机专业实验室管理模式，能够提高实验室资源的利用率，扩展实验室的开放程度和教学潜力，并且不妨碍充分实现其主要的预定用途(正常的实验教学和项目实践)。云计算以其按需供应、动态扩展、显著的成本效益等优势受到了来自各方面的重视。以云计算为基础的计算机专业实验室新型管理模式，在不增加管理成本和设备投资、不影响正常实验教学的基础上，不仅提高了计算资源的利用率，也增加了专业实验室的开放程度，同时也能够拓展实验室的教学潜能。

[参 考 文 献]

[1] 邢邦圣.高校实验室建设和管理模式的改革与创新[J].吉林工程技术师范学院学报,2011,27(9):56-58．

[2] E.Johnson,P.Garrity,T.Yates,and R.Brown.Performance of a Virtual Cluster in a General-Purpose Teaching Laboratory. 2011 IEEE International Conference on Cluster Computing,Texas USA, 2011[C]. Los Alamitos, California USA: IEEE Computer Society ,2011:600-604.

[3] A. Gaspar, S. Langevin, and W. D. Armitage. Virtualization technologies in the undergraduate it curriculum[J].IT Professional, 2007,9(4):10-17.

[4] M.Bergman,J.Funston,and P.Gilfeather-Crowley. Low-cost compute clusters in virtualized lab environments [J]. Journal of Computing in Small Colleges,2009,25:159-166.

[5] R.Brown,E.Shoop, J. Adams, C. Clifton, M. Gardner, M. Haupt, and P. Hinsbeeck.Strategies for preparing computer science students for the multicore world. Proceedings of the 2010 ITiCSE working group reports on Working group reports, ser. ITiCSE-WGR '10,New York, NY, USA,2010[C].USA:ACM,2010:97-115.

[6] 赵玉艳,赵生慧.Eucalyptus中基于能量消耗的调度算法研究[J]. 滁州学院学报, 2011,13(2):18-20.