Đang tải... (xem toàn văn)
Bài viết trình bày việc tối ưu trong cung cấp tài nguyên cho dịch vụ ảo hóa tại các trung tâm dữ liệu, đáp ứng nhu cầu về chất lượng dịch vụ và giảm thiểu tối đa năng lượng tiêu thụ là vấn đề quan trọng.
Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 16 (36), tháng 12/2016 Thuật toán PSO cải tiến cung cấp tài nguyên cho dịch vụ ảo hóa dựa tảng máy chủ chia sẻ không đồng The Improved PSO Algorithm in Resource Allocation for Virtual Service based on Heterogeneous Shared Hosting Platforms Phạm Nguyễn Minh Nhựt, Lê Văn Sơn, Hoàng Bảo Hùng Abstract: Providing resource for virtual services in cloud computing which requires saving the resource and minimizing the amount of energy consumption is critical In this study, we propose the resource model and linear programming formulation for multidimensional resource allocation problem Based on the Particle Swarm Optimization algorithm, RA-PSO algorithm was designed to solve and evaluate through CloudSim simulation tool compared with FirstFit Decreasing (FFD) algorithm The parameters include the number of physical machines being used and the amount of energy consumption The experimental results show that the proposed RA-PSO algorithm yields a better performance than FFD algorithm Keywords: Resource Allocation, Cloud Computing, Virtual machine, Particle Swarm Optimization I GIỚI THIỆU Với phát triển công nghệ khả ứng dụng điện toán đám mây, nhu cầu sử dụng máy vật lý cho dịch vụ ảo hóa trung tâm liệu ngày tăng Điều dẫn đến việc gia tăng lượng tiêu thụ trung tâm liệu, trở thành mối đe dọa mơi trường sống Vì thế, tối ưu cung cấp tài nguyên cho dịch vụ ảo hóa trung tâm liệu, đáp ứng nhu cầu chất lượng dịch vụ giảm thiểu tối đa lượng tiêu thụ vấn đề quan trọng Cung cấp tài nguyên với ràng buộc tối thiểu lượng tiêu thụ cho dịch vụ ảo hóa nhiều nhà nghiên cứu quan tâm Trong đó, Eugen Feller cộng [6] đưa mơ hình cung cấp tài ngun cho dịch vụ ảo hóa Họ sử dụng thuật tốn tối ưu “đàn kiến” để ước lượng Kết mô chứng minh rằng, lượng tiêu thụ hệ thống giảm số máy vật lý giảm Tuy nhiên, họ xem xét tảng máy vật lý đồng thực nghiệm liệu mơ phỏng, chúng tơi xem xét mơi trường khơng đồng nhất, tức cấu hình tài nguyên máy vật lý không giống thực nghiệm liệu thực tế đưa [1, 2] Mark Stillwell cộng [11] trình bày tốn cung cấp tài ngun dạng tốn quy hoạch tuyến tính sử dụng thuật toán FFD để ước lượng Ngược lại, Thomas Setser [12] cho thuật tốn có xu hướng dẫn đến lãng phí tài ngun Vì vậy, chúng tơi dựa thuật toán PSO, đề xuất thuật toán RA-PSO để giải Trong tài liệu [4, 5, 7, 10], tác giả giới thiệu phương pháp cung cấp tài nguyên với mục tiêu tối thiểu lượng tiêu thụ hệ thống, họ tập trung xem xét đến việc tiêu thụ lượng CPU máy vật lý Trong đó, tác giả tài liệu [8, 9] cho rằng, việc tiêu thụ lượng khơng CPU mà tài ngun khác, ví dụ: đĩa cứng, băng thơng, RAM, … Vì vậy, nội dung báo này, xem xét toán cung cấp tài nguyên (tài nguyên vật lý) đa chiều cho dịch vụ ảo hóa từ tảng máy chủ chia sẻ không đồng nhất, với mục tiêu tối thiểu lượng tiêu thụ tất tài nguyên thông qua việc tối thiểu số máy vật lý dùng Những kết báo tóm tắt sau: -95- Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT (a) Xây dựng mơ hình nhu cầu tài ngun cung cấp tài ngun, mơ hình tiêu thụ lượng tảng máy chủ chia sẻ không đồng cung cấp tài nguyên cho dịch vụ ảo hóa, với ràng buộc dịch vụ ảo hóa máy ảo đơn lẻ; (b) Phát biểu toán cung cấp tài nguyên từ tảng máy chủ chia sẻ không đồng dạng tốn quy hoạch tuyến tính; (c) Xây dựng thuật toán RA-PSO cải tiến từ thuật tốn PSO sử dụng cơng cụ CloudSim [3] để giải So sánh lượng tiêu thụ, số máy vật lý dùng thời gian thực thi thuật toán RA-PSO FFD, thông qua liệu thực tế Phần lại báo tổ chức sau: Mục trình bày mơ hình tốn dạng tốn quy hoạch tuyến tính mơ hình tiêu thụ lượng Mục trình bày thuật tốn RA-PSO mục trình bày phương pháp thực nghiệm, kết đánh giá Phần kết luận đề xuất hướng phát triển giới thiệu mục II MƠ HÌNH CUNG CẤP TÀI NGUN CHO DỊCH VỤ ẢO HĨA II.1 Mơ hình tài ngun nhu cầu tài nguyên Xét tảng máy chủ chia sẻ khơng đồng gồm máy vật lý có cấu hình tài nguyên khác nhau, kết nối thiết bị mạng tốc độ cao để chia sẻ tài nguyên [11] Khi hệ thống nhận yêu cầu cung cấp tài ngun cung cấp tài ngun có nhiệm vụ định từ chối đáp ứng yêu cầu, phân chia tỷ lệ tài nguyên từ máy vật lý cho dịch vụ ảo hóa Đối với loại tài nguyên máy vật lý có nhiều phần tử tài nguyên riêng biệt (ví dụ, nhiều CPU, nhiều RAM, …) Vì thế, tài nguyên máy vật lý biểu diễn cặp thứ tự vector Trong đó, vector tài nguyên thành phần biểu diễn tài nguyên phần tử đơn lẻ vector tài nguyên tổng hợp biểu diễn tổng tài nguyên tính tất phần tử Tương tự, nhu cầu tài nguyên dịch vụ ảo hóa biểu diễn cặp thứ tự vector, bao gồm vector nhu cầu tài nguyên thành phần Tập V-2, Số 16 (36), tháng 12/2016 vector nhu cầu tài nguyên tổng hợp Hơn nữa, nhu cầu tài nguyên gồm có hai loại: nhu cầu tất yếu nhu cầu tùy biến [11] Nhu cầu tất yếu biểu thị phần cụ thể tài nguyên yêu cầu Dịch vụ không hưởng lợi từ phần lớn hoạt động với phần nhỏ từ tài nguyên cung cấp Nhu cầu tùy biến biểu thị phần bổ sung tài nguyên mà dịch vụ sử dụng Dịch vụ không hưởng lợi từ phần lớn hoạt động với phần nhỏ với chi phí giảm Như vậy, nhu cầu tất yếu tài nguyên dịch vụ ), biểu diễn cặp vector thứ tự ( biểu thị nhu cầu tài nguyên cần thiết để chạy dịch vụ mức tối thiểu chấp nhận Nếu nhu cầu tài nguyên tất yếu khơng đáp ứng việc cung cấp tài ngun thất bại Nhu cầu tùy biến tài nguyên dịch vụ biểu diễn cặp vector thứ tự ( ), biểu thị tài nguyên bổ sung cần thiết để chạy dịch vụ mức tối đa Do vậy, nhu cầu tùy biến biểu diễn tích số nhu cầu tùy biến với hệ số yêu cầu bổ sung gọi nhu cầu tùy biến ràng buộc Việc sử dụng tài nguyên nhu cầu tùy biến thường quan hệ tuyến tính Chẳng hạn, dịch vụ cung cấp nửa tài nguyên CPU so với nhu cầu, khả sử dụng nửa băng thơng I/O so với nhu cầu Điều phù hợp với thực tế tài nguyên CPU cần cung cấp giảm, dẫn đến tiêu hao tài nguyên khác bị giảm (trong trường hợp băng thông I/O) Như vậy, để đơn giản hệ số bổ sung tất nhu cầu tùy biến biểu diễn giá trị giá trị nằm khoảng Một dịch vụ với hệ số bổ sung thực thi trạng thái khơng có nhu cầu tài ngun tùy biến, dịch vụ với hệ số bổ sung thực thi mức tài nguyên cung cấp tối đa Do đó, nhu cầu tài nguyên dịch vụ ảo hóa máy vật lý xác định ( ) Trong đó, hệ số bổ sung nhu cầu tài nguyên tùy biến dịch vụ máy vật lý Việc cung cấp tài nguyên bị lỗi nhu cầu tài nguyên tổng hợp dịch vụ ảo hóa vượt q dung -96- Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT lượng tài nguyên máy vật lý Tương tự [2], giả định nhu cầu tài nguyên thành phần dịch vụ ảo hóa khơng vượt q dung lượng tài nguyên thành phần máy vật lý Hình 1, minh họa mơ hình tài ngun nhu cầu tài nguyên, gồm có máy vật lý dịch vụ ảo hóa Trong đó, máy vật lý A gồm có lõi CPU (tức là, tài nguyên CPU thành phần) nhớ RAM (tức là, tài nguyên RAM thành phần) Như vậy, cặp vector tài nguyên CPU ( ) cặp vector tài nguyên RAM ( ) Máy vật lý B có lõi RAM nên cặp vector tài nguyên CPU ( ) cặp vector tài nguyên RAM ( ) Đối với dịch vụ ảo hóa, cặp vector nhu cầu tài nguyên CPU ( ), cặp vector nhu cầu tài nguyên RAM (1.0 + 0.0, 1.0+ 0.0) Nếu = máy vật lý A đáp ứng nhu cầu cung cấp tài nguyên cho dịch vụ ảo hóa Ngược lại, máy vật lý B đáp ứng việc cung cấp tài nguyên với chi phí tài nguyên giảm Tập V-2, Số 16 (36), tháng 12/2016 tính với biến hữu tỷ nguyên, sau: Xét dịch vụ, với lý không đồng ; với , số máy vật > Mỗi máy vật lý cung cấp loại tài nguyên, với Sử dụng , để biểu thị nhu cầu tài nguyên tất yếu thành phần nhu cầu tài nguyên tất yếu tổng hợp tương ứng, , nhu cầu tài nguyên tùy biến thành phần nhu cầu tài nguyên tùy biến tổng hợp Tương tự, , biểu thị tài nguyên thành phần tài nguyên tổng hợp máy vật lý loại tài nguyên hệ số bổ sung tài nguyên máy vật lý dịch vụ Biến nhị phân có giá trị dịch vụ cung cấp tài nguyên từ máy vật lý ngược lại Cuối cùng, số máy vật lý để cung cấp tài nguyên cho dịch vụ ảo hóa biến nhị phân Với ký hiệu trên, toán cung cấp tài nguyên đa chiều cho dịch vụ ảo hóa biểu diễn với ràng buộc hàm mục tiêu sau: * + , - ∑ (1) (2) (3) ( ) ∑( (4) ) Và mục tiêu ∑ Hình Ví dụ tài ngun máy vật lý nhu cầu tài nguyên dịch vụ ảo hóa II.2 Hàm mục tiêu ràng buộc Giả định dịch vụ ảo hóa máy ảo đơn lẻ có nhu cầu tài ngun khơng đổi Chúng tơi xây dựng tốn cung cấp tài ngun đa chiều cho dịch vụ ảo hóa dựa tảng máy chủ chia sẻ không đồng (HMDRAP) sở toán quy hoạch tuyến (5) (6) Ràng buộc (1) xác định phạm vi biến Ràng buộc (2) thể trạng thái dịch vụ cung cấp tài nguyên từ máy vật lý Ràng buộc (3) mô tả trạng thái mà máy vật lý sử dụng hay không Ràng buộc (4) biểu thị trạng thái mà tổng nhu cầu tài nguyên thành phần loại dịch vụ máy vật lý không vượt lực tài nguyên thành phần máy vật lý Ràng buộc (5) thể trạng thái mà tổng nhu cầu tài nguyên tổng hợp loại dịch vụ ảo hóa máy vật lý không vượt lực tài nguyên tổng hợp Cuối cùng, ràng buộc (6) với mục tiêu tối thiểu số lượng máy vật lý đượ ù để cung cấp cho dịch vụ ảo hóa -97- Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT II.3 Mơ hình tiêu thụ lƣợng Để ước lượng lượng tiêu thụ máy vật lý, chúng tơi thừa kế [4] đề xuất cơng thức tính nguồn điện tiêu thụ máy vật lý hàm tuyến tính ( ) cơng thức sau: ( ) ( ) (7) Trong đó, cơng suất máy vật lý tương ứng trạng thái sử dụng tiện ích tài nguyên tối đa trạng thái không hoạt động Để mở rộng cho tất loại tài ngun, tổng tiện ích sử dụng tất tài nguyên máy vật lý , , - tính theo cơng thức (8) ∑ Trong đó, (8) tài nguyên thứ dung lượng tài nguyên tổng hợp loại máy vật lý Những máy vật lý không sử dụng tắt lượng tiêu thụ Do vậy, lượng tiêu thụ máy vật lý cung cấp tài nguyên khoảng thời gian thiết lập sau: { ∑ ( ) (9) Cung cấp tài ngun trình bày tốn tối ưu hóa tổ hợp Để giải tốn thuộc lớp này, đến người ta thường dùng tiếp cận: tìm kiếm heuristic để tìm lời giải đủ tốt; tìm kiếm cục để tìm lời giải tối ưu địa phương; hay tìm lời giải gần nhờ thuật tốn mơ tự nhiên: mơ luyện kim, di truyền, … Trong nội dung sau đây, chúng tơi đề xuất tht tốn cải tiến dựa thuật toán PSO [13] để giải III vận tốc Trong đó, vị trí particle kết hợp với giá trị hàm thích nghi để đánh giá lựa chọn giải pháp tối ưu Đầu tiên, PSO khởi tạo với quần thể particle ngẫu nhiên sau tìm kiếm tối ưu cách cập nhật giải pháp qua nhiều hệ Trong lần lặp, particle cập nhật hai giá trị “tốt nhất” (dựa hàm thích nghi) Một là, giải pháp tốt so với giải pháp mà particle đạt vòng lặp gọi giá trị tốt cục bộ, pbest Hai là, giá trị “tốt nhất” nhận từ trước particle quần thể gọi giá trị tốt tồn cục, gbest Sau tìm thấy hai giá trị tốt nhất, particle cập nhật vận tốc vị trí theo cơng thức sau: ( ) ( ) (10) máy vật lý cung cấp cho dịch vụ ảo hóa ( ) Tập V-2, Số 16 (36), tháng 12/2016 THUẬT TỐN PSO CẢI TIẾN Thuật tốn PSO kỹ thuật tối ưu ngẫu nhiên dựa kinh nghiệm bầy đàn, phát triển Eberhart Kennedy vào năm 1995 [13] Hiện nay, PSO áp dụng thành công để giải toán tối ưu nhiều lĩnh vực khác Trong PSO, giải pháp xây dựng “con chim” gọi particle Mỗi particle có hai tham số: vị trí (11) Trong đó, vận tốc particle thứ thời điểm trước sau vật tốc cập nhật vị trí particle thứ trước sau vị trí cập nhật vị trí particle tương ứng với giải pháp tốt cục toàn cục số ngẫu nhiên , - hệ số gia tốc hệ số quán tính Áp dụng để giải tốn HMDRAP, thuật tốn PSO [13] truyền thống cải tiến sau: thứ nhất, PSO truyền thống thích hợp để giải tốn tối ưu hóa liên tục khơng phù hợp để giải toán tối ưu rời rạc Do vậy, tham số phép toán phải định nghĩa lại Thứ hai, cấu trúc particle phải xây dựng lại cho phù hợp với toán HMDRAP cách thức cập nhật vị trí vận tốc particle phải thay đổi III.1 Vị trí particle Vị trí particle vector ( bit ), biểu diễn giải pháp cung cấp tài nguyên thời điểm Trong đó, lý dùng để cung cấp tài nguyên số máy vật III.2 Vận tốc particle Vận tốc particle vector bit ( ), định điều chỉnh -98- Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT việc cung cấp tài nguyên hướng toán tử cập nhật để đạt giải pháp tối ưu Giá trị phần tử vector bit nhị phân Nếu bit việc cung cấp tài nguyên ước tính lại Ngược lại, khơng thay đổi III.3 Cấu trúc particle Mỗi particle có cấu trúc chiều: chiều thứ có độ dài phần tử ( số máy vật lý) Chỉ số phần tử chiều biểu diễn số máy vật lý giá trị Giá trị biểu diễn trạng thái mà khơng có máy vật lý sử dụng giá trị biểu diễn cho trạng thái có máy vật lý dùng Chiều thứ hai có phần tử ( số dịch vụ ảo hóa) biểu diễn trạng thái mà dịch vụ ảo hóa cung cấp tài nguyên từ máy vật lý Tập V-2, Số 16 (36), tháng 12/2016 vận tốc particle sau cập nhật có giá trị với xác suất , với xác suất ,…, với xác suất Ví dụ, 0.3(0, 0, 1) 0.7(0, 1, 1) = (0, #, 1) có nghĩa bit # với xác suất 0.3, với xác suất 0.7 Trong biểu thức cập nhật vận tốc cho particle có toán hạng, nên thuật toán PSO cải tiến, sử dụng tác nhân xác suất giá trị số ngẫu nhiên , - 一 để thay phép - Toán tử trừ: ký hiệu ○ toán trừ biểu thức cập nhập vận tốc particle PSO truyền thống Nó sử dụng để tính tốn khác hai giải pháp cung cấp tài nguyên Giá trị biểu thức trừ phụ thuộc vào giá trị bit phần tử vector Tức là, giá trị biểu 一 thức ○ tính theo quy luật sau: hai phần tử bit vị trí tương ứng có giá trị nhau, phần tử kết có giá trị 一 (1, 0, 1)= Ngược lại, có giá trị Ví dụ, (1, 1, 0) ○ (1, 0, 0), bit hai vector vế bên trái biểu thức có giá trị giống giá trị bit bit hai vector khác III.5 Tốn tử cập nhật vị trí particle Hình Cấu trúc particle Hình mơ cấu trúc particle biểu diễn việc cung cấp tài nguyên từ máy vật lý cho dịch vụ ảo hóa Trong đó, máy vật lý sử dụng để cung cấp tài nguyên cho dịch vụ ảo hóa 1, Máy vật lý sử dụng để cung cấp tài nguyên cho dịch vụ ảo hóa Các máy vật lý lại không sử dụng Như vậy, số lượng máy vật lý dùng để cung cấp cho dịch vụ ảo hóa III.4 Các tốn tử cập nhật vật tốc particle - Toán tử cộng: ký hiệu để thay phép toán cộng biểu thức cập nhật vật tốc particle PSO truyền thống Kết biểu thức cộng phụ thuộc vào giá trị bit phần tử kèm với xác suất Tức là, biểu thức X để thay Toán tử cập nhật vị trí ký hiệu ○ phép tốn cộng biểu thức cập nhật vị trí particle PSO truyền thống Giá trị bit phần tử có thay đổi hay khơng phụ thuộc vào giá trị bit vị trí tương ứng thức Cụ thể, giá trị biểu tính theo quy luật sau: giá trị ○ bit vector giá trị bit tương ứng vector không thay đổi Ngược lại, giá trị bit vector thay đổi Ví dụ, = (1, 1, 0) biểu thức ○ = (1, 0, 1) cho biết rằng, vị trí bit thứ thay đổi Điều tương ứng trạng thái mà máy vật lý thứ phải cập nhật lại trình cung cấp tài nguyên cho dịch vụ ảo hóa Với định nghĩa thừa kế từ công thức (10) (11) Công thức cập nhật vận tốc vị trí -99- Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT particle trình bày sau: ( ( 一 ○ 一 ○ ○ cấp tài nguyên máy vật lý (tốt nhất), ) ) (12) (13) III.6 Hàm thích nghi Đối với thuật toán RA-PSO, qua lần lặp vị trí vận tốc particle cập nhật dựa giá trị tốt cục tốt tồn cục Các giá trị có thơng qua ước lượng hàm thích nghi Mục tiêu toán tối thiểu số máy vật lý dùng, tức tối đa tiện ích tài nguyên cung cấp Nên, hàm thích nghi particle thời điểm xác định dựa vào tiện ích sử dụng tài nguyên dịch vụ ảo hóa cấp tài nguyên từ máy vật lý , sau: Gọi tổng tài nguyên thứ mà dịch vụ ảo hóa cung cấp tài nguyên từ máy vật lý Dựa vào cơng thức (5), tính theo cơng thức (10) ( ) (14) Do vậy, hàm thích nghi tính cơng thức (11) ∑ (∑ Trong đó, ) Tập V-2, Số 16 (36), tháng 12/2016 (15) tài nguyên tổng hợp máy vật lý j loại tài nguyên k (đã nêu mục II.2) Những particle với giá trị hàm thích nghi cực đại chọn cập nhật vị trí Mã giả thuật toán RA-PSO để giải toán HMDRAP trình bày Thuật tốn Thuật tốn 1: RA-PSO Đầu vào: - Số dịch vụ ảo hóa S, số loại tài nguyên D, nhu cầu tất yếu tài nguyên thành phần , nhu cầu tất yếu tài nguyên tổng hợp , nhu cầu tùy biến tài nguyên thành phần , nhu cầu tất yếu tài nguyên tổng hợp , hệ số bổ sung - Số máy vật lý Y, tài nguyên thành phần , tài nguyên tổng hợp Đầu ra: Danh sách dịch vụ ảo hóa cung 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 11: 12: 13: 14: 15: 16: 17: 18: 19: 20: 21: 22: 23: 24: 25: 26: 27: 28: 29: 30: , - /* new toán tử khai báo mảng */ , -, , -, , -, , ( ( ) , -, , -, - ) , -, - , -, - , - , -, , ( , , , - ) () () ( ( , -) ) Đầu tiên, thiết lập số lượng particle , số lần lặp Khai báo mảng để lưu giá trị tốt cục tồn cục; lưu thơng tin vị trí vận tốc particle (từ lệnh đến lệnh 5) Tiếp đến, thực lần lặp để tìm kiếm giải pháp cung cấp tài nguyên tối ưu (từ lệnh đến lệnh 29) Trong đó, sử dụng Thuật tốn để tạo giải pháp ban đầu cho việc cung cấp tài nguyên phương pháp ngẫu nhiên, kết vị trí particle lưu vào mảng (lệnh 8) Dựa thơng tin đó, thiết lập giá trị vận tốc particle lưu mảng (từ lệnh đến lệnh 15) Tiếp đến, tính độ thích nghi tất particle có vị trí tốt cục (từ lệnh 16 đến lệnh 20) vị trí tốt tồn cục (lệnh 21) Ước lượng vị trí tốt tồn cục Thuật tốn Tiếp đến, cập nhật vị trí, vận tốc particle theo cơng thức (12) (13), tính vị trí tốt cục tồn cục dựa -100- Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT dân số cập nhật hàm thích nghi (từ lệnh 22 đến lệnh 27) Cuối cùng, tăng số vòng lặp (lệnh 28) Thuật tốn kết thúc sau thực lần lặp trả danh sách dịch vụ ảo hóa cung cấp tài nguyên từ máy vật lý (tốt nhất) dùng (lệnh 30) Thuật toán 2: InitSolution Đầu vào: - Số dịch vụ ảo hóa S, với nhu cầu tài nguyên giống Thuật toán hệ số bổ sung - Số máy vật lý Y, với tài nguyên giống Thuật toán Đầu ra: Danh sách dịch vụ ảo hóa cung cấp tài nguyên máy vật lý, 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 11: 12: 13: 10: 11: 12: , - /* Khai báo mảng , - */ () ( ) ( ( ) , - , -, - Gọi số dịch vụ ảo hóa, số máy vật lý, số lượng paticle Cố định chiều tài nguyên D, độ phức tạp thuật toán ( ) IV PHƢƠNG PHÁP THỰC NGHIỆM VÀ KẾT QUẢ ĐÁNH GIÁ IV.1 Phƣơng pháp thực nghiệm Đánh giá thuật toán RA-PSO với FFD [11], sử dụng công cụ mô đám mây CloudSim [3] Trong đó, kế thừa lớp Vm Host để mở rộng đặt tính nhu cầu tài nguyên máy ảo tài nguyên máy vật lý Đồng thời, kế thừa lớp VMAlloctonPolicy để thực sách cung cấp tài nguyên cho máy ảo dựa thuật tốn RA-PSO ) Bảng Đặc tính tài ngun tiêu thụ công suất loại máy vật lý Loại máy CPU RAM BW Disk Pidle Pmax vật lý (MHz) (GB) (GB/s) (GB) (kW) (kW) ,- HP proliant G4 HP proliant G5 IBM Server x3250 IBM Server x3550 Thuật toán 3: globalBestParticle Đầu vào: - Mảng hai chiều - Số máy vật lý Y, tài nguyên thành phần nguyên tổng hợp Đầu ra: Mảng mảng 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 11: 12: 13: 14: 15: Tập V-2, Số 16 (36), tháng 12/2016 20 86 117 40 93.7 135 600 46.1 113 16 800 58.4 222 , tài ; phần tử mảng có giá trị tốt toàn cục , - , - 2core x 1860 2core x 2660 4core x 2933 6core x 3067 () Các liệu thực nghiệm lấy từ mẫu liệu thực tế trình bày [1, 2] Trong đó, máy vật lý có đặc tính tài ngun tiêu thụ cơng suất Bảng 1, máy ảo có đặc tính tài nguyên giống với loại máy ảo đám mây Amazon EC2 sửa đổi để phù hợp với toán, Bảng ( , - ) /* Tính giá trị hàm thích nghi theo cơng thức (11) */ -101- Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT 1000 1000 500 250 Số lượng particle giá trị numLoop tham số thực nghiệm, việc lựa chọn giá trị phụ thuộc vào kết hàm mục tiêu Thực nghiệm thấy rằng: số lượng particle 20, số lần lặp numLoop 10 cho kết hàm mục tiêu tốt Với thuật toán sử dụng ba thước đo: số máy vật lý dùng, lượng tiêu thụ khoảng thời gian = 24 thời gian thực thi Số lượng máy ảo kịch thực nghiệm 100; 200; 300; 400; 500 Đơn vị tính lượng thiêu thụ kWh thời gian thực thi giây (s) Thời gian thực đo máy tính đơn có vi xử lý Intel(R) Core(TM) i5-3235M 2.60 GHz, RAM 4Gb IV.2 Kết nhận xét 200 300 400 500 FFD RA-PSO FFD RA-PSO FFD RA-PSO FFD RA-PSO FFD RA-PSO 42 39 80 67 122 106 160 138 202 179 lượng giải pháp tốt cục tốt toàn cục Hơn nữa, thuật tốn RA-PSO thực tìm kiếm giải pháp tối ưu dựa kinh nghiệm bầy đàn, nên số lượng particle góp phần làm tăng thời gian tính tốn Số máy vật lý FFD Số máy vật lý RA-PSO 1,E+06 Năng lượng tiêu thụ FFD 1,E+06 8,E+05 6,E+05 4,E+05 2,E+05 Bảng Kết thực nghiệm Số máy Năng Lợi ích Thời Số máy Tên Thuật vật lý lượng gian thực ảo toán tiêu thụ lượng hiên (s) dùng (kWh) (%) 100 0.5 2.0 2.5 5.0 DISK(GB) Số Tổng phần cộng tử 2.0 3.0 10 5.0 15 5.0 20 0,031 0,037 0,078 0,084 0,116 0,121 0,144 0,150 0,200 0,216 201.284 190.726 396.706 390.292 597.989 574.440 793.411 770.908 994.694 960.156 5,536 1,643 4,099 2,919 3,597 Kết thực nghiệm trình bày Bảng Hình Nhận thấy rằng: lượng tiêu thụ tỷ lệ thuận với số lượng máy vật lý; số lượng máy vật lý dùng lượng tiêu thụ thuật toán RA-PSO tốt thuật toán FFD Khi tốn lớn (số lượng máy ảo lớn) chênh lệch số máy vật lý dùng thuật toán RA-PSO FFD rõ nét Thời gian thực thi RA-PSO FFD, nguyên nhân RA-PSO có sử dụng tham số vòng lặp để ước 0,E+00 100 200 300 400 500 Số dịch vụ ảo hóa 40,0 35,0 30,0 25,0 20,0 15,0 10,0 5,0 , Số máy vật lý dùng VM1 VM2 VM3 VM4 Bảng Đặc tính nhu cầu tài nguyên loại máy ảo RAM(GB) BW(GB/s) Số Số Tổng Tổng Tổng phần phần cộng cộng cộng tử tử 2500 0.4 0.45 0.85 0.2 0.25 0.45 2000 1.0 2.75 3.75 0.1 0.25 0.35 1000 0.7 1.0 1.7 0.1 0.15 0.25 500 0.113 0.5 0.613 0.05 0.1 0.15 Năng lượng tiêu thụ Loại máy ảo CPU(MHz) Số phần tử 1500 1000 500 250 Tập V-2, Số 16 (36), tháng 12/2016 Hình Số máy vật lý dùng lượng tiêu thụ V KẾT LUẬN Nội dung báo trình bày vấn đề cung cấp tài nguyên vật lý đa chiều cho dịch vụ ảo hóa với ràng buộc tối ưu; dịch vụ máy ảo đơn lẻ; nhu cầu tài ngun khơng đổi q trình hệ thống thực thi Dựa phương pháp tối ưu hóa bầy đàn PSO, chúng tơi đưa thuật tốn RA-PSO cài đặt, đánh giá so sánh với thuật tốn FFD thơng qua thước đo: số máy vật lý dùng, lượng tiêu thụ thời gian thực thuật toán Các thuật toán thực thi công cụ CloudSim với liệu thực tế Qua kết thực nghiệm, thấy rằng: thước đo giá trị hàm mục tiêu lượng tiêu thụ thuật toán RA-PSO tốt thuật toán FFD Hướng nghiên cứu mở rộng toán cung cấp tài nguyên động cho dịch vụ ảo hóa -102- Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT TÀI LIỆU THAM KHẢO [1] ARIANYAN, E., H TAHERI, and S SHARIFIAN, “Novel energy and SLA efficient resource management heuristics for consolidation of virtual machines in cloud data centers”,Computers & Electrical Engineering, vol 47, 2015, 222-240 [2] BELOGLAZOV, A and R BUYYA, “Optimal online deterministic algorithms and adaptive heuristics for energy and performance efficient dynamic consolidation of virtual machines in Cloud data centers”, Concurr Comput Pract Exper., vol.24, No.13, 2012,1397-1420 [3] CALHEIROS, R.N., et al., “CloudSim: a toolkit for modeling and simulation of cloud computing environments and evaluation of resource provisioning algorithms”, Softw Pract Exper., vol 41, No.1, 2011, 23-50 [4] CAO, Z and S DONG, “Dynamic VM Consolidation for Energy-Aware and SLA Violation Reduction in Cloud Computing” in Proceedings of Parallel and Distributed Computing, Applications and Technologies (PDCAT), Beijing, 2012, 363-369 [5] FARAHNAKIAN, F., et al “Energy-Aware Dynamic VM Consolidation in Cloud Data Centers Using Ant Colony System”, in Proceedings of the 7th International Conference on Cloud Computing, Anchorage, 2014, 104-111 [6] FELLER, E., L RILLING, and C MORIN, “EnergyAware Ant Colony Based Workload Placement in Clouds”, in Proceedings of the 12th International Conference on Grid Computing, Lyon, 2011, 26-33 [7] JANSEN, R and P.R BRENNER “Energy efficient virtual machine allocation in the cloud”, in Green Computing Conference and Workshops, Orlando, 2011,1-8 [8] LIANG, L., et al “A resource scheduling algorithm of cloud computing based on energy efficient optimization method”,Green Computing Conference, San Jose, 2012,1-6 [9] QUAN, D.M., et al., “Energy Efficient Resource Allocation Strategy for Cloud Data Centres”, in Proceedings of 26th International Symposium on Computer and Information Sciences, London, 2012, 133-141 [10] VIGLIOTTI, A and BATISTA, D.M., “EnergyEfficient Virtual Machines Placement”, in Proceedings of Computer Networks and Distributed Systems, Florianopolis, 2014, 1-8 [11] STILLWELL, M., VIVIEN, F., CASANOVA, H “Virtual Machine Resource Allocation for Service Hosting on Heterogeneous Distributed Platforms”, in Proceedings of 26th International, 2012, 86 - 797 [12] THOMAS S and ALEXANDER S., “Decision support for virtual machine reassignments in enterprise data centers”, in Proceedings of Network Operations and Management Symposium Workshops, Osaka, 2010, 88- Tập V-2, Số 16 (36), tháng 12/2016 94 [13] KENNEDY J and EBERHART R., “Particle swarm optimization”, in Proceedings of Neural Networks, vol 4, 1995,1942 – 1948 Nhận ngày: 15/04/2016 SƠ LƢỢC VỀ TÁC GIẢ PHẠM NGUYỄN MINH NHỰT Sinh năm 1972 Đà Nẵng Tốt nghiệp ĐH Huế năm 1994 chuyên ngành Vật lý; nhận thạc sỹ Khoa học Máy tính năm 2005 ĐH Huế; nghiên cứu sinh ĐH Đà Nẵng Hiện công tác trường Cao đẳng CNTT Việt-Hàn Lĩnh vực nghiên cứu: Xử lý ảnh, nhận dạng, hệ phân tán, điện toán đám mây Điện thoại : 090 501 421, Email : minhnhutvh@gmail.com LÊ VĂN SƠN Sinh năm 1948 Quảng Nam Tốt nghiệp ĐH năm 1978, bảo vệ TS năm 1997 trường ĐH Tổng hợp Donesk, Ucraina, công nhận PGS năm 2004 Hiện công tác Khoa Tin học, trường ĐH Sư phạm, ĐH Đà Nẵng Lĩnh vực nghiên cứu: Hệ điều hành, mạng máy tính, hệ phân tán, điện toán đám mây Điện thoại: 090 827 499 E-mail : levansupham2004@yahoo.com HOÀNG BẢO HÙNG Sinh năm 1971 Huế Tốt nghiệp ĐH năm 1993, bảo vệ Tiến sĩ Viện CNTT, Viện Hàn lâm KHCN Việt nam năm 2007 Hiện công tác Trường Cao đẳng CNTT Hữu nghị Việt-Hàn Lĩnh vực nghiên cứu: Hệ CSDL hướng đối tượng, hệ phân tán, điện toán đám mây, GIS Điện thoại: 0914019123, E-mail : hbhung@gmail.com -103- ... việc cung cấp tài nguyên từ máy vật lý cho dịch vụ ảo hóa Trong đó, máy vật lý sử dụng để cung cấp tài nguyên cho dịch vụ ảo hóa 1, Máy vật lý sử dụng để cung cấp tài nguyên cho dịch vụ ảo hóa. .. cầu tài ngun cung cấp tài ngun, mơ hình tiêu thụ lượng tảng máy chủ chia sẻ không đồng cung cấp tài nguyên cho dịch vụ ảo hóa, với ràng buộc dịch vụ ảo hóa máy ảo đơn lẻ; (b) Phát biểu toán cung. .. vụ ảo hóa II.2 Hàm mục tiêu ràng buộc Giả định dịch vụ ảo hóa máy ảo đơn lẻ có nhu cầu tài ngun khơng đổi Chúng tơi xây dựng tốn cung cấp tài nguyên đa chiều cho dịch vụ ảo hóa dựa tảng máy chủ