摘  要： 目前典型的云基礎(chǔ)設(shè)施提供商所提供的虛擬機資源都是有限的規(guī)格類型，當(dāng)同一個服務(wù)部署在不同配置的虛擬機上時，會體現(xiàn)出不同的性能。通過對基于云基礎(chǔ)設(shè)施的SaaS層服務(wù)部署情況進行研究和分析，提出對服務(wù)部署策略進行優(yōu)化的必要性，并將該服務(wù)部署優(yōu)化問題抽象為多目標(biāo)組合優(yōu)化問題，對其進行數(shù)學(xué)建模；然后利用排隊論，得出優(yōu)化指標(biāo)的計算方法，并進行實驗驗證。

　　關(guān)鍵詞： 云計算；服務(wù)部署優(yōu)化；多目標(biāo)組合優(yōu)化

0 引言

　　云計算供應(yīng)商提供了常見的可從Web瀏覽器獲取的在線服務(wù)應(yīng)用，通常用基礎(chǔ)設(shè)施即服務(wù)（Infrastructure as a Service，IaaS）、平臺即服務(wù)（Platform as a Service，PaaS）和軟件即服務(wù)（Software as a Service，SaaS）3個層次來表示。

　　SaaS可基于傳統(tǒng)計算架構(gòu)提供，也可基于云計算架構(gòu)提供。在基于云計算架構(gòu)部署SaaS時，可直接在IaaS層之上部署，也可在PaaS層之上進行部署。IaaS層中的資源，尤其是虛擬機形式的資源，常常是有限的。目前典型的IaaS提供商所提供的虛擬機資源一般是固定的幾種，SaaS提供商在利用IaaS層中的資源部署應(yīng)用時，需要考慮部署應(yīng)用的虛擬機規(guī)格。

　　由于不同類型的用戶對SaaS層的應(yīng)用服務(wù)有不同的服務(wù)質(zhì)量需求，服務(wù)提供商需要與不同類型的用戶分別簽訂服務(wù)等級協(xié)議，以滿足其需求。此外，要部署的應(yīng)用通常由多個不同的服務(wù)及其工作流組成，構(gòu)成應(yīng)用的每個服務(wù)可以生成多個服務(wù)實例，每個服務(wù)實例部署在不同配置的虛擬機上體現(xiàn)出的性能也不同。因此，對于云供應(yīng)商而言，服務(wù)部署是要實施的最重要的任務(wù)。

1 服務(wù)部署優(yōu)化問題分析

　　1.1 SaaS層服務(wù)部署方式

　　云服務(wù)是指服務(wù)提供者向服務(wù)使用者提供的任何類型的IT功能。云服務(wù)的典型類別包括基礎(chǔ)架構(gòu)、平臺、軟件或業(yè)務(wù)流程服務(wù)，常用IaaS、PaaS和SaaS 3個層次來表示[1]。本文主要研究SaaS層的服務(wù)部署，它的部署方式有基于PaaS平臺和基于IaaS平臺兩種，圖1和圖2分別表示了這兩種方案。

　　若SaaS層應(yīng)用要以獨立于平臺的方式部署在云上，IaaS一定是最佳選擇。應(yīng)用開發(fā)者或SaaS提供商可租用IaaS提供商提供的各種虛擬機（Virtual Machine，VM），將應(yīng)用部署到云環(huán)境中，以SaaS的形式提供給最終用戶使用[2]。但是，IaaS層中的資源，尤其是虛擬機形式的資源，不同配置規(guī)格提供不同的服務(wù)質(zhì)量，也需要不同的服務(wù)價格。

　　1.2 優(yōu)化問題提出

　　在SaaS中，服務(wù)提供商通過接口將功能和數(shù)據(jù)封裝成應(yīng)用提供給用戶訪問。應(yīng)用可以理解成服務(wù)的集合。服務(wù)可以單獨訪問，也可以組合訪問[3]。因此，一個復(fù)雜的應(yīng)用服務(wù)通常是由一組子服務(wù)以及這些子服務(wù)構(gòu)成的工作流組成。工作流定義了服務(wù)之間的交互方式。

　　不同的SaaS層用戶對應(yīng)用服務(wù)有不同的服務(wù)質(zhì)量需求。為了滿足不同的服務(wù)等級協(xié)議（Service Level Agreement，SLA）[4]，SaaS提供商在部署SaaS層的應(yīng)用服務(wù)時，需要考慮使用由IaaS提供商提供的哪種VM配置方案以及每個服務(wù)需要多少服務(wù)實例，從而為每類用戶優(yōu)化服務(wù)部署。由于SLA中需要滿足的性能指標(biāo)較多且可能沖突，同時可能的服務(wù)實例和VM類型的組合也較多，因此部署決策問題實際是一個多目標(biāo)組合優(yōu)化問題。

2 問題的抽象與建模

　　總結(jié)前文分析，可將云計算環(huán)境中的服務(wù)部署優(yōu)化問題的基本模型概括為：IaaS提供商給定一組不同配置和價格的虛擬機，SaaS提供商利用這些虛擬機資源部署應(yīng)用。應(yīng)用由一組服務(wù)及其工作流組成。SaaS提供商需要找到一種部署應(yīng)用的方案，實現(xiàn)在滿足不同類型的用戶的服務(wù)質(zhì)量需求的情況下，最小化部署費用。

　　應(yīng)用中每個服務(wù)可生成任意多個服務(wù)實例，同一個虛擬機上也可以部署多個不同的服務(wù)實例，因此，服務(wù)實例與虛擬機的組合結(jié)果是無限的。優(yōu)化目標(biāo)包括延遲、吞吐量和費用，它們無法統(tǒng)一為一個量綱，并存在相互制約關(guān)系。

　　由此可見，云計算環(huán)境中的服務(wù)部署優(yōu)化問題是一個典型的多目標(biāo)組合優(yōu)化問題，問題初始化變量包括服務(wù)實例、虛擬機類型以及優(yōu)化指標(biāo)，可做如下數(shù)學(xué)描述：

　　S={s1，s2，…，si，…，sm}（1）

　　V={v1，v2，…，vi，…，vn}（2）

　　O={o1，o2，…，oi，…，ol}gi（o）≥Ki，i=1，2，…，l（3）

　　其中，S代表組成應(yīng)用的所有服務(wù)集合，si對應(yīng)服務(wù)i；V為云環(huán)境中由IaaS提供商提供的所有虛擬機類型集合，vi對應(yīng)虛擬機類型i；O代表可優(yōu)化的SLA中的指標(biāo)，如延遲、吞吐量、費用等，每個指標(biāo)都有對應(yīng)的邊界值，使其在實際問題中有現(xiàn)實意義，這里用gi（o）≥Ki表示。

　　S和V中的元素可以任意組合，數(shù)學(xué)表述如下：

　　R（s，v）={s1v1，s2v2，…，sivj，…，smvn}，vi∈V，si∈S（4）

　　r1=s1v1（5）

　　r2=s1v2（6）

　　…

　　rk=sivj（7）

　　…

　　rp=smvn（8）

　　R（s，v）={r1，r2，…，rk，…，rp}（9）

　　{s1，s2，…，si，…，sm}=S（10）

　　|R（s，v）|≥|S|（11）

　　其中，式（7）表示一個r（rk）代表某個服務(wù)實例（si）部署到某種虛擬機（vj）。R為服務(wù)部署的具體方案。式（10）表示一個部署方案R必須保證所有服務(wù)實例都被部署。式（11）說明一個部署方案R中，某些服務(wù)實例可能被部署多次。圖3表示了某部署問題中，某種部署方案Ri的生成方式。

　　由于R所占用的虛擬機種類及數(shù)量會隨集合值的不同而不同，因此，不同R會對應(yīng)一組不同的O值。R所包含元素的組合方式有很多種，因此服務(wù)部署方案，也就是問題的數(shù)學(xué)解集RX（式（12））的元素有無窮多個，其中元素Ri代表了一種具體的部署方案，根據(jù)Ri占用的虛擬機資源可得到Oi，Oi包含了所有要優(yōu)化的目標(biāo)值，所有Oi組成的集合定義為OX，即式（13）。

　　RX={R1，R2，…，Ri，…，R∞}（12）

　　OX={O1，O2，…，Oi，…，O∞}（13）

　　服務(wù)部署優(yōu)化的問題對應(yīng)于其數(shù)學(xué)模型上的求解為在RX中的眾多元素中找到合適的Ri值，使得其對應(yīng)的Oi值能最好地滿足SLA中規(guī)定的各項指標(biāo)，該Ri即為優(yōu)化服務(wù)部署方案。

3 優(yōu)化指標(biāo)計算及驗證

　　3.1 云環(huán)境中的SLA

　　SLA是服務(wù)提供者和服務(wù)需求者之間定義的關(guān)于服務(wù)的具體水平的正式協(xié)議，包括服務(wù)描述、服務(wù)等級參數(shù)、保證以及所有違例情況的行動和補救措施[5]。SaaS應(yīng)用中的SLA主要關(guān)注的是與SaaS應(yīng)用的服務(wù)質(zhì)量相關(guān)的性能參數(shù)，例如響應(yīng)時間、吞吐量、可靠性、易用性、可擴展性和操作便捷性等[6]。為了簡化問題，本文選取響應(yīng)時間、吞吐量和費用3個目標(biāo)進行優(yōu)化。

　　3.2 服務(wù)實例的吞吐量和延遲

　　設(shè)μ是平均單位服務(wù)速率，它是平均請求處理時間的倒數(shù)?；讦?，當(dāng)一個服務(wù)實例在多種不同請求到達率下運行在一個具有多種VM配置的部署方案上，可利用排隊論來評估服務(wù)實例的吞吐量和延遲。

　　服務(wù)請求的到達可將其表示為一個泊松分布。λ是平均請求到達率，即單位時間內(nèi)對一個服務(wù)實例的請求的平均數(shù)量。

　　對一個確定的服務(wù)實例而言，它對每個請求的服務(wù)處理時間一般是固定的，因此將服務(wù)實例建模為一個M/D/1排隊，即泊松到達、確定服務(wù)時間和單服務(wù)窗口。

　　M/D/1排隊系統(tǒng)的服務(wù)時間Tn是定長分布。據(jù)Little公式，可得顧客平均排隊等待時間為[7]：

　　既然μ已知，當(dāng)λ給定時，Wq就可以計算出來。當(dāng)λ>μ時，所有n個CPU核的使用率都超過了100%，此時的服務(wù)實例吞吐量就是μ；而當(dāng)λ≤μ時，服務(wù)實例的吞吐量即為λ。

　　3.3 端到端的QoS值

　　由于云環(huán)境中的一個應(yīng)用是由一組服務(wù)及其工作流組成的，因此，在計算出應(yīng)用中各個服務(wù)實例的延遲、吞吐量、費用等優(yōu)化指標(biāo)值之后，還需要計算整個應(yīng)用的總優(yōu)化指標(biāo)值，即端到端的QoS（Quality of Service）值。

　　組成應(yīng)用的各服務(wù)之間存在串聯(lián)、并聯(lián)和分支等多種情況，對同一個服務(wù)而言，也可能是一個或多個服務(wù)實例同時提供服務(wù)。因此，在計算端到端的QoS值時，需分別考慮這些情況。

　　3.4 仿真實驗驗證

　　本文用MATLAB等工具對前述理論計算公式進行了實驗驗證。

　　圖4為在單服務(wù)實例情況下，當(dāng)服務(wù)速率μ分別為15 req/s、24 req/s、32 req/s時，在不同請求到達率下的平均延遲曲線圖?？梢钥闯?，當(dāng)用戶請求到達率λ小于服務(wù)速率μ時，測量值與理論值曲線的吻合度較高，誤差較??；當(dāng)λ接近μ時，據(jù)式（15）可知，延遲值將趨近無限大；當(dāng)λ>μ時，理論值公式不再適用，因此與圖4所示實際值誤差較大。綜上所述，當(dāng)λ<μ時，該排隊模型和計算公式能夠較為精確地表示單服務(wù)實例的延遲值。

　　這里也對端到端的QoS值進行了驗證。假設(shè)服務(wù)1、2、3和4的服務(wù)速率分別是μ1=24 req/s，μ2=15 req/s，μ3=32 req/s，μ4=32 req/s，圖5為該應(yīng)用在不同請求到達率下的端到端延遲值?？梢钥闯?，前述理論計算方法能夠較為精確地表示端到端的延遲值。

4 結(jié)論

　　本文通過對云計算環(huán)境中的服務(wù)部署情況的詳細分析，提出了在基于云基礎(chǔ)設(shè)施對SaaS層服務(wù)進行部署時進行優(yōu)化的必要性。通過抽象和數(shù)學(xué)建模，將問題表示成一個多目標(biāo)組合優(yōu)化問題。最后利用排隊論得出了SLA中的優(yōu)化指標(biāo)計算方法，并通過仿真實驗進行了驗證。

　　下一步研究中，可利用此優(yōu)化模型，將實際情況與已有多目標(biāo)優(yōu)化算法結(jié)合，設(shè)計出適用于本研究課題的優(yōu)化算法，并通過仿真實驗對算法的有效性進行驗證。

參考文獻

　　[1] 徐星，周劍雄，王明哲.基于模型仿真的云計算PaaS構(gòu)建模式選擇[J].微電子學(xué)與計算機，2014（6）：91-96.

　　[2] 曹偉杰，賀建民，孫志丹.IaaS模式下虛擬機部署機制研究[J].計算機技術(shù)與發(fā)展，2012，22（10）：105-108.

　　[3] 張曉娟，易明巍.基于云計算與SOA的企業(yè)集成架構(gòu)及實現(xiàn)[J].計算機系統(tǒng)應(yīng)用，2011，20（9）：1-6.

　　[4] 馮國富，唐明偉，劉林源，等.基于服務(wù)級別協(xié)議的云資源分配[J].計算機科學(xué)，2014，41（4）：36-39.

　　[5] 張健.云計算服務(wù)等級協(xié)議（SLA）研究[J].電信網(wǎng)技術(shù)，2012（2）：16-21.

　　[6] 程旭.基于SLA的SaaS應(yīng)用性能管理機制研究[D].濟南：山東大學(xué)，2010.

　　[7] 陸傳賚.排隊論[M].北京：北京郵電大學(xué)出版社，2009.