汪婷盈 李雪竹

【摘 要】近年来，云计算及其相关技术得到了快速的发展，同时云计算基础资源也呈爆发式的增长。如何合理、高效地利用云计算及终端设备的资源并满足服务质量需求的資源供应是云计算系统中不可避免的、具有实际意义的热点问题。本论文结合资源动态整合，部署和资源预留三个方面进行了研究。

【关键词】动态整合；资源部署；预留机制

一、引言

云计算就是一个虚拟的计算资源池，根据客户需要，系统资源经常动态变化，这些都给系统服务带来了不稳定的因素。由于云计算数据的存储、处理、分析、决策、任务的调度、资源的管理都在云中进行，其任务繁多、数据量巨大、用户需求不一、资源类型各异，又要尽可能提高系统的资源利用率保持高效节能。因此，如何根据任务变化对系统资源进行动态整合、部署和预留是云计算首先需要解决的问题。

二、系统资源的研究现状及动态整合、部署的技术应用

当前主要研究系统资源在云计算中的虚拟化方法，分析系统资源在云计算中动态变化的多粒度特征，开展系统资源的动态整合、部署和预留机制的研究。首先，在动态资源管理方面，云计算服务提供商通常是以虚拟机技术为基础，通过将物理设备上的资源分割为规格不同的若干虚拟机为用户提供服务。其次，虚拟机的部署相对于其他问题还有待于进一步的研究和优化。如何减少虚拟机部署、迁移时间和合理的部署、迁移虚拟机是当前虚拟机在云计算中应用的研究重点。[2]再者，随着越来越多的应用部署在云平台上，必然会导致多个用户争夺同一资源的情况。资源提前预留可通过在特定时间内为用户预留出需要的资源。然而过多的提前预留导致系统性能的大幅度降低。为降低资源预留带来的负面影响，当前研究如何在云工作流中合理地运用资源预留技术。[3]在云计算中首先将开展系统资源的动态整合、部署和预留机制的研究，将所有的系统资源抽象为资源池。因此，其可应用于云图书馆虚拟机资源分配与部署；云计算环境下，数字图书馆通常根据图书馆读者云阅读服务和云资源管理需求，采取租赁云服务商基础设施资源的方式，将虚拟机部署到云服务商相应的物理设备上，根据读者需求开展相应的云资源管理和读者个性化阅读服务。[4]

三、解决并优化云计算中资源整合、部署和预留机制问题

（一）应用虚拟化技术进行资源整合

在云计算中，需要采用资源虚拟化的方法，应用虚拟化技术使不同信息资源进行整合和，将硬件资源、软件资源和网络资源进行抽象，使得资源的差异性、异构性和兼容性对上层应用透明，从而允许云对底层千差万别的资源进行统一管理，使得用户得到高效和透明的服务。对同一安全区域内的服务器根据虚拟化整合原则进行资源整合，将利用率较低的服务器整合到一台虚拟主机上，运行在虚

拟主机上的多台虚拟机共享一台服务器的物理资源，使服务器资源的利用率最大化。服务器资源整合模型如图1所示。[5]

（二）云计算服务部署优化

针对云计算资源有限等约束条件，为了克服传统方法存在的不足，提出了一种改进粒子群算法的云计算服务部署优化方法.该方法首先抽象出云计算服务部署优化问题的数学模型，然后采用改进粒子群算法对云计算服务部署优化数学模型进行求解，找到最优的云计算服务部署方案测试结果表明，增强了云计算服务部署的效率。[6]如图2所示。

（三）采用网格资源预留体系结构

网格资源预留体系结构是网格环境下其它资源预留体系结构的基础，也为云环境下资源预留体系结构研究提供了价值，其体系结构如图3所示：具体过程为：（1）一个由多个任务组成的应用经过任务解析后，可以分解为多个任务并把每个任务的执行信息发送给协同预留模块。（2）协同预留模块在接收到提前预留请求信息后，向信息服务器发送查询请求并返回满足需求的资源集。（3）协同预留模块向查询到的所有网格资源分配管理器提交提前预留请求。（4）查询时间槽占用情况并依据一定的资源预留调度策略来对该提前预留请求进行接纳控制判断，并将预留结果反馈给协同预留模块。（5）若能够接受该应用中包含的所有提前预留请求，则称此应用选取的资源集预订成功。当到达预留任务的执行时间时，协同分配模块依据预留句柄为该预留任务分配资源，并向应用返回对象句柄。（6）若该应用选取的资源集预订失败，则在不包含预留失败资源在内的资源中重新选取资源集，重复步骤。（7）若始终无法成功预订该应用所需的资源集，则用户可以选择尝试降低该应用的要求。云工作流的资源预留过程建模。[7]

四、总结

本文首先对云计算进行了相关介绍，从云计算的资源动态整合、部署和预留机制三个方面进行了描述，还介绍了云计算中的虚拟化技术，并对现有的虚拟机资源的分配和云计算服务部署优化进行了综述以及分析了资源预留的概念并详细描述了网格环境下的资源预留体系结构。

【参考文献】

[1]李冰.云计算环境下动态资源管理关键技术研究[D].北京：北京邮电大学，2012.5.20.

[2]张笑燕，王敏讷，杜晓峰.云计算虚拟机部署方案的研究[J].通信学报，第36卷第3期2015.3.

[3]高晓晨.面向云工作流的资源预留策略研究[D].北京：北京理工大学，2015.1.