云計(jì)算環(huán)境下應(yīng)用的可靠性優(yōu)化問(wèn)題研究.pdf

1、云計(jì)算已經(jīng)成為信息技術(shù)研究和應(yīng)用的主流方向之一。云計(jì)算平臺(tái)按需使用、高可擴(kuò)展和低維護(hù)成本的特性吸引了越來(lái)越多的企業(yè)將應(yīng)用服務(wù)部署到云平臺(tái)中。然而，由于云計(jì)算平臺(tái)規(guī)模巨大、結(jié)構(gòu)復(fù)雜、高度動(dòng)態(tài)，單個(gè)節(jié)點(diǎn)的失效成為常態(tài)，使得在云計(jì)算環(huán)境中構(gòu)建高可靠的應(yīng)用服務(wù)成為一個(gè)具有挑戰(zhàn)性的關(guān)鍵研究問(wèn)題。
　　云計(jì)算環(huán)境下應(yīng)用的可靠性優(yōu)化問(wèn)題面臨的挑戰(zhàn)主要體現(xiàn)在以下幾個(gè)方面:(1)在云計(jì)算平臺(tái)中部署的應(yīng)用服務(wù)通常包含大量組件，系統(tǒng)的復(fù)雜性導(dǎo)致采用避錯(cuò)

2、和排錯(cuò)等傳統(tǒng)軟件可靠性提高技術(shù)以達(dá)到零出錯(cuò)的目標(biāo)變得不現(xiàn)實(shí);(2)云計(jì)算的高度動(dòng)態(tài)性使得云組件的失效率、響應(yīng)時(shí)間等服務(wù)質(zhì)量屬性隨用戶和時(shí)間發(fā)生變化，而傳統(tǒng)的容錯(cuò)方法沒(méi)有將這一特征考慮在內(nèi);(3)云計(jì)算環(huán)境下資源的使用按需計(jì)費(fèi)，即從用戶角度來(lái)講，使用的資源越多開(kāi)銷越大，使用冗余資源提高應(yīng)用可靠性的方法需要在服務(wù)質(zhì)量與資源開(kāi)銷之間做出權(quán)衡。
　　針對(duì)上述挑戰(zhàn)，本文著重研究云計(jì)算環(huán)境下應(yīng)用的可靠性優(yōu)化方法，主要研究工作和貢獻(xiàn)如下:

3、>　　(1)提出基于可靠性的云應(yīng)用設(shè)計(jì)優(yōu)化框架，該框架分為應(yīng)用服務(wù)分析、組件重要性排名和副本配置三個(gè)步驟，通過(guò)應(yīng)用服務(wù)分析提取程序架構(gòu)信息和組件失效率等可靠性信息，在此基礎(chǔ)上，根據(jù)組件失效對(duì)應(yīng)用服務(wù)整體可靠性的影響進(jìn)行組件排名，最后，通過(guò)對(duì)失效影響最大的組件配置副本容錯(cuò)降低失效影響，提高應(yīng)用服務(wù)整體可靠性。該框架克服了云應(yīng)用規(guī)模龐大、結(jié)構(gòu)復(fù)雜等特點(diǎn)為可靠性分析帶來(lái)的困難，提出應(yīng)用層的可靠性提高方案，并在降低失效率的同時(shí)，降低了冗余資源開(kāi)

4、銷。
　　(2)分別針對(duì)部署在公有云環(huán)境和混合云環(huán)境的應(yīng)用服務(wù)，提出基于失效影響的組件重要性排名算法。該算法基于組件調(diào)用關(guān)系、調(diào)用頻率、組件失效率等統(tǒng)計(jì)信息，采用PageRank隨機(jī)游走模型，計(jì)算各組件失效對(duì)應(yīng)用服務(wù)整體可靠性的影響。該算法的提出，解決了傳統(tǒng)組件重要性分析方法對(duì)專家知識(shí)和人工的依賴問(wèn)題，降低了源代碼閱讀分析工作量，避免了因人工介入可能帶來(lái)的邏輯錯(cuò)誤。
　　(3)針對(duì)云計(jì)算環(huán)境高度動(dòng)態(tài)的特點(diǎn)以及云組件的重用需求

5、，提出了云計(jì)算環(huán)境下的習(xí)得性容錯(cuò)方法。習(xí)得性容錯(cuò)方法包括信譽(yù)感知的云組件服務(wù)質(zhì)量預(yù)測(cè)和自動(dòng)化的最優(yōu)容錯(cuò)策略選擇兩個(gè)步驟。信譽(yù)感知的云組件服務(wù)質(zhì)量預(yù)測(cè)方法采用共同判定模型計(jì)算用戶信譽(yù)，并基于可信用戶數(shù)據(jù)通過(guò)協(xié)同過(guò)濾方法進(jìn)行云組件服務(wù)質(zhì)量預(yù)測(cè)，彌補(bǔ)了已有服務(wù)質(zhì)量預(yù)測(cè)方法對(duì)數(shù)據(jù)可信性考慮不足的缺點(diǎn)，降低了不可信用戶數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果的影響。自動(dòng)化的最優(yōu)容錯(cuò)策略選擇算法根據(jù)用戶的預(yù)設(shè)約束條件自動(dòng)選擇個(gè)性化的容錯(cuò)方法，能更好地適應(yīng)不同的運(yùn)行環(huán)境。與傳

6、統(tǒng)方法相比，習(xí)得性容錯(cuò)方法可以適應(yīng)云計(jì)算環(huán)境高度動(dòng)態(tài)的特點(diǎn)，降低噪聲數(shù)據(jù)帶來(lái)的影響，更精確地預(yù)測(cè)云組件相對(duì)不同用戶的服務(wù)質(zhì)量，選擇最適合用戶的備選組件及容錯(cuò)策略組合。
　　(4)提出云計(jì)算環(huán)境中面向用戶的周期性任務(wù)容錯(cuò)調(diào)度算法，該算法提出基于處理能力的異構(gòu)系統(tǒng)模型，解決了分布式異構(gòu)環(huán)境下調(diào)度模型的可擴(kuò)展性問(wèn)題;基于主副版本容錯(cuò)模型降低任務(wù)失效率;采用副本重疊及主動(dòng)副本延遲執(zhí)行技術(shù)降低系統(tǒng)冗余度;通過(guò)處理器分組及任務(wù)劃分技術(shù)減少可調(diào)

7、度性測(cè)試，降低算法復(fù)雜度，提高了調(diào)度效率及算法執(zhí)行效率。
　　(5)提出云計(jì)算環(huán)境中面向用戶的非周期性任務(wù)容錯(cuò)調(diào)度算法，該算法利用基于可靠性的云應(yīng)用設(shè)計(jì)優(yōu)化框架及習(xí)得性容錯(cuò)方法，結(jié)合任務(wù)截止時(shí)間分析算法，對(duì)任務(wù)集進(jìn)行預(yù)處理，將有依賴關(guān)系的實(shí)時(shí)任務(wù)調(diào)度轉(zhuǎn)化為動(dòng)態(tài)優(yōu)先級(jí)的就緒任務(wù)調(diào)度問(wèn)題，同時(shí)根據(jù)重要組件排名減少副本配置數(shù)量;通過(guò)副本重疊及主動(dòng)副本延遲執(zhí)行技術(shù)降低系統(tǒng)冗余度，在保證任務(wù)執(zhí)行可靠性的同時(shí)，降低冗余資源消耗。
　　本