CN105117285B

CN105117285B - 一种基于移动虚拟化***的非易失性存储器调度优化方法

Info

Publication number: CN105117285B
Application number: CN201510572270.4A
Authority: CN
Inventors: 刘铎; 张丹; 龙林波; 梁靓
Original assignee: Chongqing University
Current assignee: Chongqing University
Priority date: 2015-09-09
Filing date: 2015-09-09
Publication date: 2019-03-19
Anticipated expiration: 2035-09-09
Also published as: CN105117285A

Abstract

本发明公开了一种基于移动虚拟化***的非易失性存储器调度优化方法，它包括以下步骤：步骤1、在移动虚拟化***上，DRAM存储器与NVRAM存储器结合；步骤2、针对单个虚拟机，将任务划分为写密集型任务和读密集型任务；步骤3、根据任务的密集性和CPU的利用率，动态地将写密集型任务分配到DRAM存储器上，读密集型任务分配到NVRAM存储器上；步骤4、在多个虚拟机之间采用不公平的调度算法。本发明具的优点是：增大了内存容量且减少了存储器的能耗，同时提高了任务的响应速度。

Description

一种基于移动虚拟化***的非易失性存储器调度优化方法

技术领域

本发明涉及一种虚拟机和存储器的调度分配方法，具体涉及一种虚拟化***中非易失存储器的调度优化方法。

背景技术

近年来，嵌入式移动设备在计算能力、存储能力等方面都有着明显提升。像大型服务器一样，虚拟化技术也可以应用于智能手机、平板电脑等移动设备。随着多个操作***运行在各自隔离的虚拟机里面，移动虚拟化为移动操作***提供了更好的安全性、隔离性和低成本等优势。一个移动设备上，可在不同虚拟机上运行不同或者相同的操作***。移动虚拟化平台需要在同一时间运行两个或者更多的虚拟机，这样就要求较大内存资源。相比服务器等传统计算设备，移动设备在的内存资源、电池寿命等方面仍然非常有限。以智能手机为例，众所周知智能手机由于大小和温度的限制，只能携带非常有限的电池(1000-2000mAh)。然而，内存单独就能消耗大于30％的所有能耗。通用的DRAM存储器受限于能耗大、容量难扩展等问题，加速了有限能量的耗尽。新型能耗低、容量大的非易失性随机访问存储器(Non-volatile Random Access Memory，简称NVRAM存储器)，如：记忆组存储器、相变存储器(PCM)，有望替代传统的DRAM存储器，并克服DRAM存储器的问题。

但是，NVRAM存储器存在写延迟长的问题，会降低写密集型任务的性能，时间要求严格的任务可能无法接受性能的降低。为此，结合NVRAM存储器和DRAM存储器的优势，提出了基于NVRAM存储器和DRAM存储器的混合内存***，以替代传统的基于DRAM的内存***。另一方面，目前基于KVM虚拟平台的虚拟机调度都是基于公平调度原则，将每个虚拟机作为一个普通的Linux进程，采用Linux默认的CFS调度算法，并将每个虚拟机都赋予相同优先级，，以保证每个虚拟机得到同等的资源。而移动设备用户更关注前台虚拟机性能，例如软件响应速度等。因此，在移动虚拟化***上的基于NVRAM/DRAM混合内存的调度算法需要重新设计，以保证前台虚拟机获得更多硬件资源，增加前台虚拟机的流畅度。

发明内容

针对现有技术存在的不足，本发明所要解决的技术问题是从虚拟化资源管理的层面，提供一种基于移动虚拟化***的非易失性存储器调度优化方法，它能减少存储器的能耗，还能提高前台虚拟机任务的响应速度，并满足前台任务的实时性。

本发明所要解决的技术问题是通过这样的技术方案实现的，它包括有以下步骤：

步骤1、在移动虚拟化***上，

针对单个虚拟机，将任务划分为写密集型任务和读密集型任务；

步骤2、根据任务的密集性和CPU的利用率，动态地将写密集型任务分配到DRAM存储器上，读密集型任务分配到NVRAM存储器上；

步骤1)若待执行的任务为读密集型任务，将任务分配到NVRAM存储器；若任务为写密集型任务，将任务分配到DRAM存储器；

步骤2)首先判断任务的CPU利用率是否大于1，

U_t是满足所有任务都可调度的最大的CPU利用率，U_t取1；该式左端就表示所有任务的CPU利用率之和；x_i为每个任务的标志位,ED_i代表基于DRAM存储器的任务执行时间,EN_i代表基于NVRAM存储器的任务执行时间,P_i代表任务的执行周期；n为执行任务的总数；

然后判断存放在NVRAM存储器的任务大小是否大于NVRAM存储器的大小；

S_i代表任务需内存的大小，S为NVRAM存储器的大小；

步骤3)若步骤2)中有一个条件成立，则选在NVRAM存储器上的任务中具有最大RA_i的任务，RA_i为计算任务T_i写操作次数W_i与读操作次数R_i的比率,改存放到DRAM存储器上，直到步骤2)中没有一个条件成立；

步骤3、在KVM虚拟平台上，提升前台虚拟机优先级，多个虚拟机之间采用不公平的调度算法。

本发明由于在步骤2，根据任务的密集性和CPU的利用率，动态地将写密集型任务分配到高性能的DRAM存储器上，读密集型任务分配到高密度、低功耗的NVRAM存储器上，在扩大内存的基础上尽量减少***能耗；由于在步骤3，在多个虚拟机之间采用不公平的调度算法，增加前台虚拟机任务的优先级，使前台虚拟机获得更多的执行时间，从而减少任务截止时间的缺失率，并提高任务的响应速度。

本发明具有以下优点：增大了内存容量且减少了存储器的能耗，同时提高了任务的响应速度。

附图说明

本发明的附图说明如下：

图1为本发明虚拟机的任务分配流程图；

图2为本发明的虚拟机调度流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明：

本发明包括有以下步骤：

步骤1、在移动虚拟化***上，DRAM存储器与NVRAM存储器结合；

如图1所示，上述步骤2中任务划分过程和上述步骤3中任务分配过程如下：该流程开始于步骤101，

在步骤102，输入要执行的任务集T＝{T₁,T₂,...T_n}，并给出每个任务的相关信息T_i＜W_i,R_i,S_i,ED_i,EN_i,P_i＞，其中，T_i为任务集T的任一元素；W_i代表任务的写次数,R_i代表任务的读次数,S_i代表任务需内存的大小,ED_i代表基于DRAM存储器的任务执行时间,EN_i代表基于NVRAM存储器的任务执行时间,P_i代表任务的执行周期；还输入NVRAM存储器的大小S和NVRAM存储器被占用大小S_N；

在步骤103，初始化每个任务T_i的执行时间为DRAM存储器上的执行时间C_i＝ED_i；

在步骤104，初始化每个任务T_i的标志位x_i＝1，代表任务在DRAM存储器上执行；

在步骤105，设置i＝1，从任务1开始判定；

在步骤106，判定i是否小于执行任务的总数n；若是，则执行步骤107；否则，执行步骤112；

在步骤107，计算任务T_i写操作次数W_i与读操作次数R_i的比率：

在步骤108，判定任务T_i的写密集性：为此设定一个阈值α，如果任务T_i的写操作次数W_i除以读操作次数R_i的值小于该阈值α，T_i归类为读密集型任务，接下来执行步骤109；相反，如果大于阈值α，T_i归类为写密集型任务，接下来执行步骤110；

在步骤109，将任务T_i分配到NVRAM存储器，重新设定任务T_i的执行时间为C_i＝EN_i，标志位x_i＝0，代表任务在NVRAM存储器上执行，接下来执行步骤111；

在步骤110，将任务T_i分配到DRAM存储器，接下来执行步骤111；

在步骤111，执行i加1，接下来执行步骤106；

在步骤112，首先判断任务的CPU利用率是否小于1：

U_t是满足所有任务都可调度的最大的CPU利用率，不同的调度算法U_t不同，本发明使用调度算法的U_t为1；则该式就表示所有任务的CPU利用率之和必需小于调度算法所能调度的最大CPU利用率，否则就会有一部分任务在截止时间之前不能调度；

然后判断存放在NVRAM存储器的任务是否大于NVRAM存储器的大小：

若上述(1)式或(2)式中有一个成立，则执行步骤113；否则，执行步骤115；

在步骤113，选在NVRAM存储器上的任务(N-task)中具有最大RA_i的任务T_i，改存放到DRAM存储器上；

在步骤114，修改任务T_i的执行时间为DRAM存储器上的执行时间C_i＝ED_i，标志位x_i＝1，接下来执行步骤112；

通过步骤112到步骤114循环，直到步骤112中没有一个条件成立，以此来尽可能地提高NVRAM存储器和CPU的利用率。

在步骤115，程序结束。

如图2所示，上述步骤3的虚拟机调度算法如下：该流程开始于步骤201，然后，

在步骤202，输入虚拟机集合VM＝{VM₁,VM₂,...,VM_n}，每个虚拟机VM_i的vCPU集合{vCPU₁,vCPU₂,...,vCPU_n}，以及CPU集合CPU＝{CPU₁,CPU₂,...,CPU_n}和每个CPU的任务运行队列；

在步骤203，假设每个虚拟机VM_i都在后台运行，每个虚拟机VM_i设置级别为低级：PRI_i＝low；

在步骤204，判断任务集T＝{T₁,T₂,...T_n}是否为空；若为空，则执行步骤212；否则，执行步骤205；

在步骤205，判断是否有虚拟机VM_i由后台切换到前台，若是，执行步骤206；否则执行步骤207；

在步骤206，重新设置虚拟机VM_i的级别为高级：PRI_i＝high；然后执行步骤207；

在步骤207，判断是否有虚拟机VM_i由前台切换到后台，若是，执行步骤208；否则执行步骤209；

在步骤208，重新设置虚拟机VM_i的级别为低级：PRI_i＝low；重新执行VM_i负载均衡；然后执行步骤209；

在步骤209，判断CPU的任务运行队列是否为空，若是，则执行步骤210；否则执行步骤211；

在步骤210，重新执行CPU负责均衡；然后执行步骤211；

在步骤211，执行CFS调度算法来调度虚拟机。在KVM虚拟平台上，将每个虚拟机作为一个普通的Linux进程，并根据虚拟机的优先级给每个虚拟机分配不同的调度参数(nice值，值越小优先级越高)，从而给每个虚拟机分配不同的CPU时间，以保证前台虚拟机获得更多的硬件资源。接下来执行步骤204；

在步骤212，程序结束。

Claims

1.一种基于移动虚拟化***的非易失性存储器调度优化方法，其特征是，包括：

步骤1、在移动虚拟化***上，针对单个虚拟机，将任务划分为写密集型任务和读密集型任务；

步骤2、根据任务的密集性和CPU的利用率，动态地将写密集型任务分配到DRAM存储器上，读密集型任务分配到NVRAM存储器上：

步骤2)首先判断任务的CPU利用率是否大于1，

S_i代表任务需内存的大小，S为NVRAM存储器的大小；

2.根据权利要求1所述的基于移动虚拟化***的非易失性存储器调度优化方法，其特征是：所述写密集型任务和读密集型任务划分步骤包括：

步骤1)，获得要执行的任务集T＝{T₁,T₂,...T_n}，并给出每个任务的相关信息T_i＜W_i,R_i,S_i,ED_i,EN_i,P_i＞，其中，T_i为任务集T的任一元素；W_i代表任务的写次数,R_i代表任务的读次数,S_i代表任务需内存的大小,ED_i代表基于DRAM存储器的任务执行时间,EN_i代表基于NVRAM存储器的任务执行时间,P_i代表任务的执行周期；还输入NVRAM存储器的大小S和NVRAM存储器被占用大小S_N；

步骤2)，计算任务T_i写操作次数W_i与读操作次数R_i的比率：

步骤3)，判定任务T_i的写密集性：设定一个阈值α，如果任务T_i的RA_i小于该阈值α，T_i归类为读密集型任务，如果大于阈值α，T_i归类为写密集型任务。

3.根据权利要求2所述的基于移动虚拟化***的非易失性存储器调度优化方法，其特征是：所述步骤3包括以下步骤：

步骤1)获得虚拟机集合VM＝{VM₁,VM₂,...,VM_n}，每个虚拟机VM_i的vCPU集合{vCPU₁,vCPU₂,...,vCPU_n}，以及CPU集合CPU＝{CPU₁,CPU₂,...,CPU_n}和每个CPU的任务运行队列；

步骤2)假设每个虚拟机VM_i都在后台运行，每个VM_i设置级别为低级：PRI_i＝low；若虚拟机VM_i由后台切换到前台，重新设置VM_i的级别为高级：PRI_i＝high；相反，若虚拟机VM_i由前台切换到后台，重新设置VM_i的级别为低级：PRI_i＝low；

步骤3)重新利用CPU的负载均衡调节资源的分配。