云计算：管理资源
发布时间：2022-10-18 11:40:47 所属栏目：云计算 来源：
导读： 云计算：管理资源本文内容
本来就十分复杂系统的资源管理，云计算需要测量和资源分配不同的方式。
Dan Marinescu
改编的"云计算：理论与实践"(Elsevier 科学 & 技术书籍）
资源
本来就十分复杂系统的资源管理，云计算需要测量和资源分配不同的方式。
Dan Marinescu
改编的"云计算：理论与实践"(Elsevier 科学 & 技术书籍）
资源
|
云计算：管理资源本文内容 本来就十分复杂系统的资源管理，云计算需要测量和资源分配不同的方式。 Dan Marinescu 改编的"云计算：理论与实践"(Elsevier 科学 & 技术书籍） 资源管理是任何人造系统所需的核心功能。 它会影响系统评价的三个基本标准：性能、 功能和成本。 低效资源管理有直接的负面影响，在性能和成本上。 它可以也间接地影响系统功能。 系统提供了一些函数可能会变得太昂贵或无效因业绩不佳。 云计算基础架构是一个复杂的系统，具有大量的共享资源。 这些受到不可预知的请求，可以是你无法控制的外部事件的影响。 云计算资源管理要求的多目标优化复杂的政策和决定。 这是极具挑战性，因为系统，使它不可能有准确的全局状态信息的复杂性。 这也是受无休止的和不可预知与环境的相互作用。 从另一个不同云计算资源管理与三云交付模型，作为一种服务 （IaaS），平台即服务 （PaaS） 和软件即服务 (SaaS) 的基础设施相关的战略。 在所有情况下，云服务提供商面临着大、 波动负载，挑战云弹性的索赔。 在某些情况下，当他们可以预测一个峰值是可以预测的他们可以提供资源提前。 例如，季节性的 Web 服务可能会受到峰值。 对于计划外的穗，情况就稍微更复杂。 您可以使用自动缩放为计划外的尖峰负荷，只要有的资源可以释放或分配上的需求和一个监测系统，让您决定在真正的时间重新分配资源池。 Google App Engine 的 PaaS 服务支持自动缩放。 IaaS 的自动缩放是复杂，缺乏标准。 在云中，哪里频繁和不可预测的变化，集中的控制是不可能提供连续服务和性能的保证。 事实上，集中的控制不能到你要强制执行的云管理政策的主机提供适当的解决办法。 自主神经政策是兴趣的由于系统、 服务请求数目很大，较大的用户人口和负载的不可预测性的规模极大。 意思到高峰期的资源的比例需要可能很大。 政策和机制 策略通常是指校长指导的决定，而机制表示执行政策的手段。 从机制分离的政策是在计算机科学中的指导原则。 巴特勒兰普森和每 Brinch 汉森提供这种分离在上下文中的 OS 设计的固体参数。 松松地可以成五类分组云的资源管理策略： 入场控制政策的明确目标是防止系统接受违反了高级别系统策略的工作负载。 例如，一个系统可能不接受额外的工作量，会阻止完成工作已在进行中的或签订合同。 限制工作量需要全球系统状态的一些知识。 在动态系统中，此信息在最好往往已过时。 能力分配是指分配资源的单个实例。 实例是激活服务。 在查找多个全局优化约束的资源你搜索到一个大空间时需要各个系统的状态变化如此之快。 您可以执行负载平衡和能源优化本地，但全球负载平衡和优化能源政策会遇到同样的困难已经讨论过的那些。 负载平衡和能源优化关联和影响提供服务的费用。 共同的意思的词负载平衡是均匀地分配到一组服务器的负载。 例如，请考虑案件的四个完全相同的服务器，A、 B、 C 和 d。 他们相对负荷分别 80%、 60%、 40%和 20%，他们的能力。 完美的负载平衡将导致所有服务器都使用相同的负载 — 每个服务器的容量的 50%。 在云计算中，一个关键的目标尽量减少提供服务的成本。 尤其是，这也意味着尽量减少能源消耗。 这导致了不同的含义的词负载平衡。 均匀分布在所有服务器的负载，而我们想要集中它和其他切换到待机模式下，一国在其中的服务器会使用更少的能源时，使用服务器的最小数目。 在我们的示例中，从 D 负载将迁移到 A 和 C 的负载将会迁移到 B. 因此，A 和 B 将会加载在全部容量，而 C 和 D 将切换到待机模式。 服务质量是那可能是资源管理的方面最难到地址，并在同一时间，可能到最关键的未来的云计算。 资源管理战略往往共同目标性能和电源消耗。 动态电压和频率缩放 (DVFS) 技术，如英特尔 SpeedStep 和 AMD PowerNow 降低电压和频率以降低功耗。 最初由需要保存为移动设备电源的动机，这些技术已有迁移到几乎所有处理器，包括那些在高性能的服务器中使用。 由于较低的电压和频率，处理器性能有所下降。 然而，它会极大地更慢速度比能源消耗。 几乎所有的优化或接近优化机制要解决的五项政策类不要扩大规模。 他们通常为目标的资源管理，如许可控制、 一个单一方面云计算调度系统，但忽略节约能源。 许多要求作出反应的时间内不能有效地进行的复杂计算。 性能模型是复杂、 解析解是棘手，和用来收集这些模型的状态信息监测系统可以是太侵入性和不能提供准确的数据。 因此，许多技术对系统性能的吞吐量和时间集中在系统中。 他们很少包括能源权衡或 QoS 保证。 一些技术基于不切实际的假设。 例如，容量分配被看作一个优化的问题，而服务器不受过载的假设下。 控制云 分配技术在计算机云必须基于纪律的方法，而不是特设的方法。 执行资源管理政策的四个基本机制是： 交互式和非交互式工作负载之间应区别。 交互式的工作负载 （例如 Web 服务） 的管理技术涉及流量控制和动态应用程序安置，而那些为非交互式的工作负载的重点是调度。 相当多的工作报告，文献中致力于互动工作负载的资源管理 — 一些对非交互式，只有几个到异类工作负载的两个组合。 规划未来的你如何管理这些将有助于确保顺利过渡到云计算与工作。 Dan C. Marinescu 是计算机科学普渡大学从 1984 年到 2001 年的教授。 然后他加入中央佛罗里达大学的计算机科学系。 他曾在 IBM T.客座教师职务 J. 沃森研究中心，在北京、 英特尔公司、 德意志电信和自动化研究所 Rocquancourt 在法国的可扩展的系统分工信息科学研究所。 他研究的利益封面并行和分布式系统，云计算、 科学计算、 量子计算、 量子信息理论。 更多关于这和其他 Elsevier 标题，查阅 Elsevier 科学 & 技术书籍。 （编辑：财气旺网 - 海宁网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐