使用Cloudsim实现基于多维QoS的资源调度算法之二：实现基于多维QoS的资源调度算法

1.Cloudsim体系结构及核心类
CloudSim是一款云计算仿真软件，其由澳大利亚墨尔本大学网格实验室和Gridbus项目于2009年推出，它是一个函数库，可在Windows和Linux系统上跨平台运行，CloudSim的体系结构主要分为四个层次，如图1所示：

Cloudsim仿真层为云计算的虚拟数据中心环境的配置和仿真提供支持，包括虚拟机、内存、容量及带宽的接口，该层用于主机分配到虚拟机的策略研究，并通过扩展核心的虚拟机调度函数实现。
Cloudsim最上层是用户代码层，该层提供一些基本的实体，如主机、应用、虚拟机，用户数和应用类型，以及代理调度策略等。通过扩展这些实体，云应用开发人员可以在该层开发各种用户需求分布、应用配置、云可用性场景等应用调度技术，并执行Cloudsim支持的云配置的Robust测试。
通过扩展Cloudsim提供的基本功能，研究者能基于特定环境和配置进行测试，完成云计算关键技术的开发研究。
CloudSim继承了GridSim并支持云计算的研究和开发，CloudSim的组件工具均为开源的。其中CloudSim具有两个独特功能：
第一，提供虚拟化的引擎，使用户可在数据中心的节点上建立和管理独立的、协同的虚拟化服务；
第二，在对虚拟化服务分配处理核心时，可在时间共享和空间共享之间灵活切换。
在CloudSim函数库中有几个主要核心类，如表1所示：
2.Cloudsim工作模型
在云数据中心，将特定应用的虚拟机分配给主机由虚拟机分配控制器（VmAllocationPolicy）完成，Cloudsim在主机层和虚拟机层都实现了基于时间共享和空间共享的调度策略。
通常情况下，来自不同用户的任务相对独立，假设有m个用户User＝{User1， User2，…， Userm}，n个任务Task＝{t1，t2，…，tn}，n个虚拟化资源VM＝{VM1，VM2，…VMn}，以及p个数据中心Datacenter={Datacenter1， Datacenter2，…Datacenterp}，Cloudsim的工作模型如图2所示：

其中，CIS（Cloud Information Service）将用户请求映射到合适的云服务提供商，DatacenterBroker模拟SaaS提供商代理，根据QoS的需求协商资源和服务的分配策略。VmScheduler是实现主机组件的抽象类，模拟虚拟机的分配调度策略，扩展此抽象类能调整处理器的共享策略。VmAllocationPolicy代表虚拟机监视器调度策略，该策略用于将虚拟机分配给主机。

3.实现基于多维QoS的资源调度算法

开始仿真模拟时，首先需要创建一个数据中心，然后再数据中心中创建CPU、内存等资源，此时只需要向代理中心注册资源信息，用户就可以使用数据中心的资源进行仿真模拟。
在仿真资源分配试验中，其步骤及其各个步骤中的代码如下：
(1) 初始化Cloudsim包，代码如下：
Int num_user= 1 ; //定义用户数量
Calendar calendar=Calendar.getInstance();
boolean trace_flag=false;
CloudSim.init(num_user， calendar， trace_flag); //初始化CloudSim包
(2)创建数据中心(Datacenter)，代码如下所示：
DataCenter datacenter()=createDatacenter("Datacenter_0");
(3) 创建数据中心代理(Broker)，代码如下所示：
DatacenterBroker broker=createBroker();
Int brokerId=broker.get_id();
(4) 创建虚拟机，代码如下所示：
vmlist=new VirtualMachineList(); //创建虚拟机列表
Vmvm=new Vm(vmid， brokerld， mips， PesNumber， ram， bw， size，
vmm，new CloudletSchedulerTimeShared()); //创建虚拟机
vmlist.add(vm); //加入虚拟机列表
broker.submitVMList(vmlist);//提交虚拟机列表
(5) 创建云任务，代码如下所示：
cloudletList = new CloudletList();//创建云任务列表
Cloudlet cloudlet=new Cloudlet(id， length， file_size， output_size);
cloudlet.setUserlD(brokerld);
……
cloudletList.add(cloudlet); //将任务加入任务列表
……
broker.submitCloudletList(cloudletList);//向代理提交任务列表
(6) 执行资源调度算法，完成任务到虚拟机的映射，代码如下所示：
broker. bindCloudletsToVms();
(7) 启动仿真程序，代码如下所示：
CloudSim.startSimulation();
(8) 打印仿真结果，代码如下所示：
List<Cloudlet> newList = broker.getCloudletReceivedList();
CloudSim.stopSimulation();
printCloudletList(newList);
注：任务到虚拟机的映射是由DatacenterBroker类中的bindCloudletsToVms()函数实现。该函数根据不同的策略来实现任务的映射。在《云计算》刘鹏著的示例中，提供了两种映射算法，一种是作业顺序分配的算法、另一种是以总完成时间最短为导向的贪心算法。本人的目标是基于多维QoS的资源调度算法，所以重载了云任务Cloudlet类，在类中增加了与QoS相关的属性，比如资源需求、QoS需求、作业优先级等。然后在资源分配函数中根据这些属性的值，选定分配策略，来完成任务到虚拟机的映射。另外个人认为，在资源调度层面，并不需要指定每维QoS的具体来源、具体意义，映射算法中只需要将其作为一个参数做相应的运算即可。