吕依蓉 孙 斌 喻之斌

1(中国科学院深圳先进技术研究院 深圳 518055)

2(中国科学院大学 北京 100049)

3(首都师范大学信息工程学院 北京 100048)

1 引 言

随着云计算的发展，数据中心作为计算和存储的核心在运维管理方面遇到了诸多问题和挑战。为了分析、优化程序以及有效地管理系统资源，程序员和系统运维人员都需要精确获取系统运行时的底层信息。性能计数器是用于硬件事件计数的一类寄存器，它们可以在时钟周期级别、低代价地监测并记录系统运行中产生的各类硬件事件。这些性能事件随着时间推移可以轻易地产生大量数据。 在云计算的环境下，数以千计的服务器和数以亿计的负载应用使硬件事件数据量更大，如谷歌的云平台每天产生几个 GB甚至几个 TB 的中央处理器(Central Processing Unit，CPU)性能数据，我们称之为处理器性能大数据。这些性能事件实际上隐含着影响云计算负载性能的关键因素。因此，性能计数器和硬件性能事件被广泛地应用在任务调度[1,2]、负载特征刻画[3-10]、编译器优化[11-13]和体系结构优化[14-17]等方面。与此同时，一系列基于性能计数器的软件工具也应运而生，如 perf_event[18]、PAPI[19]、VTune 和 Oprof i le[20]等。

在云计算时代，性能计数器变得更加重要。许多云服务提供商都渴望通过性能计数器来理解云服务的性能瓶颈。这是因为即使少量的性能提升(如1%)也能带来巨大的经济效益(如数百万美元)[3]。

然而，在云计算时代使用 CPU 性能计数器产生的数据面临着一个新的挑战——海量的、无规律的 CPU 性能数据难以理解。……