郭 婉,张 晓,丰文雄

(西北工业大学计算机学院,西安 710129)

1 概述

云计算系统通过虚拟化技术以虚拟机的形式为用户提供CPU、内存等资源[1],云计算技术的发展使得虚拟化技术得到了前所未有的广泛普及,据统计,截止2012 年底运行在x86 服务器上有将近50% 的应用已被虚拟化,预计在2014 年该数据将接近70%[2-3]。如Microsoft Azure 以 及Amazon Elastic Compute Cloud 分别提供4 种型号的虚拟机实例[4],即小型、中型、大型以及超大型,众多型号的虚拟机相应地拥有众多的虚拟机类型,同一类型的虚拟机也提供多种不同版本。据研究Linux 虚拟机镜像的不同版本之间存在80% 以上的冗余数据块[5]。另外,据IBM 研究院提出单个虚拟磁盘文件中的重复数据是5%,而基于相同操作系统,安装不同应用程序的虚拟磁盘文件中有90% 以上的重复数据,这主要是因为存在大量相同的系统数据[6-7]。这些势必会使得云计算环境中存储以及网络资源的利用率降低,如何缓解并改善这一问题已成为当前云计算高效存储领域的重要挑战之一。

针对虚拟镜像大量使用带来的冗余问题,现有的解决方法基本上是通过利用重复数据删除技术来缓解存储资源以及网络带宽的压力,然而重复数据删除技术在降低存储和带宽资源需求的同时也带来了两方面问题：(1)数据分块、哈希指纹运算等CPU密集型操作增多；(2)数据块在磁盘上的检索操作使得I/O 延迟增大[7]。另外,在重复数据删除环境中的File Recipe[8]的容量也随着重删率和数据量的增加而增大,其容量也不容忽视。……