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,，當同一個服務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層服務部署情況進行研究和分析,，提出對服務部署策略進行優(yōu)化的必要性,，并將該服務部署優(yōu)化問題抽象為多目標組合優(yōu)化問題，對其進行數(shù)學建模,；然后利用排隊論,，得出優(yōu)化指標的計算方法，并進行實驗驗證,。

　　關(guān)鍵詞： 云計算,；服務部署優(yōu)化；多目標組合優(yōu)化

0 引言

　　云計算供應商提供了常見的可從Web瀏覽器獲取的在線服務應用,，通常用基礎(chǔ)設(shè)施即服務（Infrastructure as a Service,，IaaS）、平臺即服務（Platform as a Service,，PaaS）和軟件即服務（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層中的資源部署應用時,，需要考慮部署應用的虛擬機規(guī)格,。

　　由于不同類型的用戶對SaaS層的應用服務有不同的服務質(zhì)量需求，服務提供商需要與不同類型的用戶分別簽訂服務等級協(xié)議,，以滿足其需求,。此外，要部署的應用通常由多個不同的服務及其工作流組成,，構(gòu)成應用的每個服務可以生成多個服務實例,，每個服務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,，對于云供應商而言,，服務部署是要實施的最重要的任務,。

1 服務部署優(yōu)化問題分析

　　1.1 SaaS層服務部署方式

　　云服務是指服務提供者向服務使用者提供的任何類型的IT功能。云服務的典型類別包括基礎(chǔ)架構(gòu),、平臺,、軟件或業(yè)務流程服務，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)格提供不同的服務質(zhì)量,，也需要不同的服務價格,。

　　1.2 優(yōu)化問題提出

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

　　不同的SaaS層用戶對應用服務有不同的服務質(zhì)量需求,。為了滿足不同的服務等級協(xié)議（Service Level Agreement，SLA）[4],，SaaS提供商在部署SaaS層的應用服務時,，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需要多少服務實例，從而為每類用戶優(yōu)化服務部署,。由于SLA中需要滿足的性能指標較多且可能沖突,，同時可能的服務實例和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用。應用由一組服務及其工作流組成,。SaaS提供商需要找到一種部署應用的方案,，實現(xiàn)在滿足不同類型的用戶的服務質(zhì)量需求的情況下，最小化部署費用,。

　　應用中每個服務可生成任意多個服務實例,，同一個虛擬機上也可以部署多個不同的服務實例，因此,，服務實例與虛擬機的組合結(jié)果是無限的,。優(yōu)化目標包括延遲、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)境中的服務部署優(yōu)化問題是一個典型的多目標組合優(yōu)化問題,，問題初始化變量包括服務實例、虛擬機類型以及優(yōu)化指標,，可做如下數(shù)學描述：

　　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代表組成應用的所有服務集合，si對應服務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對應虛擬機類型i；O代表可優(yōu)化的SLA中的指標,，如延遲,、吞吐量、費用等,，每個指標都有對應的邊界值,，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）代表某個服務實例（si）部署到某種虛擬機（vj）,。R為服務部署的具體方案,。式（10）表示一個部署方案R必須保證所有服務實例都被部署。式（11）說明一個部署方案R中,，某些服務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,，因此服務部署方案,，也就是問題的數(shù)學解集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）

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

3 優(yōu)化指標計算及驗證

　　3.1 云環(huán)境中的SLA

　　SLA是服務提供者和服務需求者之間定義的關(guān)于服務的具體水平的正式協(xié)議,，包括服務描述,、服務等級參數(shù)、保證以及所有違例情況的行動和補救措施[5],。SaaS應用中的SLA主要關(guān)注的是與SaaS應用的服務質(zhì)量相關(guān)的性能參數(shù),，例如響應時間、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,，本文選取響應時間、吞吐量和費用3個目標進行優(yōu)化,。

　　3.2 服務實例的吞吐量和延遲

　　設(shè)μ是平均單位服務速率,，它是平均請求處理時間的倒數(shù),。基于μ,，當一個服務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實例的吞吐量和延遲。

　　服務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)對一個服務實例的請求的平均數(shù)量。

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

　　M/D/1排隊系統(tǒng)的服務時間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λ給定時，Wq就可以計算出來,。當λ>μ時,，所有n個CPU核的使用率都超過了100%，此時的服務實例吞吐量就是μ,；而當λ≤μ時,，服務實例的吞吐量即為λ。

　　3.3 端到端的QoS值

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

　　組成應用的各服務之間存在串聯(lián)、并聯(lián)和分支等多種情況,，對同一個服務而言,，也可能是一個或多個服務實例同時提供服務。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為在單服務實例情況下,，當服務速率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,。可以看出,，當用戶請求到達率λ小于服務速率μ時,，測量值與理論值曲線的吻合度較高，誤差較??；當λ接近μ時，據(jù)式（15）可知,，延遲值將趨近無限大,；當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1,、2,、3和4的服務速率分別是μ1=24 req/s，μ2=15 req/s,，μ3=32 req/s,，μ4=32 req/s，圖5為該應用在不同請求到達率下的端到端延遲值,?？梢钥闯觯笆隼碚撚嬎惴椒軌蜉^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層服務進行部署時進行優(yōu)化的必要性。通過抽象和數(shù)學建模,，將問題表示成一個多目標組合優(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)應用,，2011，20（9）：1-6.

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

　　[5] 張健.云計算服務等級協(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應用性能管理機制研究[D].濟南：山東大學,，2010.

　　[7] 陸傳賚.排隊論[M].北京：北京郵電大學出版社,，2009.