Key words: cloud computing    sub-health    system assessment and analysis    cloud monitoring    cloud security

云計算憑借便利、經濟、高可擴展性等強大的優(yōu)勢, 正成為繼互聯(lián)網經濟以來的又一個重要的IT產業(yè)增長點, 具有廣闊的市場前景[1].但是, 云計算不斷朝規(guī)模擴大化、數據海量化、結構復雜化發(fā)展的趨勢給云計算系統(tǒng)的評價與分析, 尤其是云環(huán)境的健康狀況評估帶來了巨大挑戰(zhàn).

如何對云環(huán)境的健康狀況進行系統(tǒng)地評價與分析, 成為了云計算快速發(fā)展的重要需求.云環(huán)境亞健康狀態(tài)診斷與分析是云環(huán)境健康狀況評估的重要方面, 也是當前云環(huán)境健康狀況評估亟待解決的關鍵難題.由于云計算系統(tǒng)的高度復雜性, 亞健康成為了當前主流云平臺的真實寫照.

雖然當前主流云平臺都能正常提供服務, 但效率或性能等服務質量沒有達到預期要求.隨著用戶和規(guī)模的不斷擴大, 在外界不利因素的刺激下, 云環(huán)境亞健康狀態(tài)很容易向故障狀態(tài)傾斜.因此, 如何快速識別云環(huán)境的亞健康狀態(tài), 并進行相應地優(yōu)化、調整, 使其向健康狀態(tài)轉化，格外引人關注.

云環(huán)境健康狀況評估, 尤其是云環(huán)境亞健康狀態(tài)的診斷及分析是一個全新的領域, 相關的研究基礎很少, 其定義、模型、診斷及治療方法都還不清楚.本文旨在通過分析云環(huán)境亞健康狀態(tài)診斷及分析的重要性, 借鑒醫(yī)學領域亞健康的概念, 給出云環(huán)境亞健康狀態(tài)的定義及內涵, 并總結云環(huán)境亞健康研究的知識結構及主要研究內容, 最后重點分析醫(yī)學亞健康、IT系統(tǒng)評價及分析、云環(huán)境亞健康等相關領域的研究現(xiàn)狀和基礎, 以期為未來云環(huán)境亞健康的研究作出有益探索.

1 云環(huán)境亞健康狀態(tài)定義及內涵

亞健康最早出現(xiàn)在醫(yī)學領域, 是現(xiàn)代醫(yī)學中的一個全新概念[2-3].盡管亞健康是目前健康和疾病預防研究中的熱點問題, 但對其客觀評價與量化診斷研究尚處于起步階段.在IT系統(tǒng), 尤其是網絡系統(tǒng)中, 賈平[4]提出要關注網絡的亞健康狀態(tài), 黃大榮等[5]對網絡系統(tǒng)亞健康狀態(tài)的性能退化評估模型也進行了一些研究, 但截至目前還沒有關于網絡系統(tǒng)亞健康狀態(tài)的統(tǒng)一、明確定義, 相關的分析診斷及治愈方法研究較少.

能夠正常提供云平臺相關服務, 但在提供服務的能力、效率、可靠性、可伸縮性等質量上有所欠缺或沒有達到預期的一種介于健康和故障之間的狀態(tài)稱為云環(huán)境的亞健康狀態(tài).云環(huán)境亞健康狀態(tài)是一種臨界狀態(tài), 它既可以向健康狀態(tài)轉化, 也可以向壞的方向轉化為故障狀態(tài).處于亞健康狀態(tài)的云環(huán)境沒有明顯的故障或停機行為, 但具有一些潛在問題, 如存儲系統(tǒng)中垃圾文件的累積、內存消耗過大, 安全威脅嚴重等, 從而表現(xiàn)出系統(tǒng)效率和適應性的下降, 并最終導致云服務質量的下降.

與醫(yī)學中把亞健康分為以軀體癥狀為主的軀體性亞健康、以心理癥狀為主的心理性亞健康、以人際交往中的不良癥狀為主的人際交往性亞健康及道德方面的亞健康相似[6], 云環(huán)境亞健康狀態(tài)的內涵中也應該包含以系統(tǒng)架構缺乏彈性、可擴展性等為主要癥狀的架構性亞健康、以系統(tǒng)性能達不到要求為主要癥狀的性能亞健康、以能耗開銷控制達不到預期為主要癥狀的能耗亞健康、及以系統(tǒng)安全性不夠為主要癥狀的安全性亞健康等方面.

為準確評價云環(huán)境的亞健康狀態(tài), 針對影響云環(huán)境亞健康的4個重要的維度變量：系統(tǒng)架構、性能、能耗控制和安全, 提出一個基于多級模糊綜合評判的云環(huán)境亞健康狀態(tài)診斷模型, 該模型中，U={u1, u2，…, un}為一級評價因素或評價因素類, 本文中具體的影響因素集合可表示為

$ U = left{ {系統(tǒng)架構, 性能, 能耗控制, 安全, cdots } right} $

設A為模糊權向量,ak表示第k類評價因素對應的權重,則有

$ A = { {a_1}, {a_{2, }} ldots, {a_n}}, 0 le {a_k} le 1, sumlimits_{k = 1}^n {{a_k} = 1} . $

在二級評價因素中, U1={u11, u12, …, u1j}表示第一類評價因素對應的二級評價因素集合, 如：系統(tǒng)結構={可擴展性, 開放性, 可靠性, 完整性, …}表示系統(tǒng)架構需要考慮可擴展性、開放性、可靠性和完整性等因素.同理, Ai={ai1, ai2, …, aij}表示第i類評價因素里各二級評價因素對應的權值集合.

V={v1, v2, …, vm}表示適用于各種評價因素的等級評語集合, 本文中具體的等級評語集合為

$ V = left{ {故障狀態(tài), 亞健康狀態(tài), 健康狀態(tài)} right}. $

在確定了評價因素, 等級評語和模糊權向量之后, 欲對云環(huán)境的健康狀況進行評價, 還需要構造當前云環(huán)境下各種二級評價因素的隸屬度矩陣.

設Ri為第i類評價因素里二級評價因素對等級評語的隸屬度矩陣, 根據其二級評價因素的不同, 假設Ri有ni行m列, 每一個行向量表示相應二級評價因素對各等級評語的隸屬度.

為了進行云環(huán)境亞健康狀態(tài)的診斷, 第i類評價因素的模糊權向量Ai與其二級評價因素的隸屬度矩陣Ri將首先進行合成, 以得到云環(huán)境健康狀況在第i類評價因素上的模糊綜合結果向量Bi=Ai·Ri={bi1, bi2, …, bim}, bij表示在第i類評價因素上對第j個等級評語的隸屬度, 其合成公式如下：

$ {b_{ij}} = {rm{min}}{ 1, sumlimits_{i = 1}^{{n_i}} {{a_{ij}}{r_{ij}}} }, 1 le i le n, 1 le j le m. $

然后根據各類評價因素的權重, 對其模糊綜合結果向量進行加權平均, 得到最終所有因素對云環(huán)境健康狀況的模糊綜合向量B={b1, b2, …, bm}.

$ {b_j} = sumlimits_{i = 1}^n {({a_i} cdot {b_{ij}})} {rm{ }}, 1 le j le m. $

模糊綜合結果B描述了當前云環(huán)境整體對各個等級評語(故障、亞健康、健康)的隸屬度, 為了確定當前云環(huán)境的主要狀態(tài), 可根據最大隸屬度原則來判斷, 即, 若

$ {b_r} = mathop {{rm{max}}}limits_{1 le j le m} { {b_j}}, $

則云環(huán)境總體上隸屬于第r等級.這樣, 就可以很容易判斷當前云環(huán)境是否處于亞健康狀態(tài).

2 云環(huán)境亞健康研究的知識結構

如圖 1所示為云環(huán)境亞健康研究的知識結構.在云環(huán)境亞健康評價方面, 主要包括根據專家知識或統(tǒng)計數據建立的云環(huán)境健康標準及測評體系, 以及基于該體系建立的云環(huán)境亞健康狀態(tài)的形式化模型；在云環(huán)境亞健康狀態(tài)診斷及分析方面, 主要通過面向亞健康的智能云監(jiān)控來收集影響云環(huán)境亞健康的系統(tǒng)架構、性能、能耗控制、安全等方面的運行時數據, 并結合前面建立的形式化模型, 采用基于人工智能、模式匹配的方法來判斷當前云環(huán)境是否處于亞健康狀態(tài)；在云環(huán)境亞健康的治療方面, 主要針對當前的亞健康狀態(tài), 采取相應的優(yōu)化配置及調度手段, 改善云環(huán)境的健康狀況；此外, 亞健康的診斷分析及治療結果還可以作為云計算系統(tǒng)管理與調度的決策支持, 方便系統(tǒng)管理員更好地管理不斷復雜的云環(huán)境.

2.1 建立云環(huán)境健康標準及測評體系

云環(huán)境健康標準是度量云計算系統(tǒng)健康狀況的尺度, 也是實現(xiàn)云環(huán)境亞健康狀態(tài)診斷及分析的重要依據.建立云環(huán)境健康標準及測評體系的方法需重點關注以下幾方面的問題.

首先, 云環(huán)境健康標準不僅應支持不同云平臺用戶描述其希望達到的健康目標, 指定其部署或享用的云服務健康狀況指標, 還要求提供工具或系統(tǒng)能讓云平臺用戶在一定權限內查看系統(tǒng)運行的健康狀況信息.其次, 云環(huán)境健康標準應支持對靈活、復雜的云服務過程的健康狀況進行評估.針對云服務商在提供服務時可能租用其他提供商的服務這一靈活、復雜的云服務過程, 應提供跨不同服務商的云環(huán)境健康狀況的計算和評估方法.此外, 云環(huán)境健康標準應規(guī)定云環(huán)境健康目標的驗證方法和程序.用戶自身缺乏舉證能力, 往往不能判斷當前是否達到云服務商宣稱的健康水平, 因此, 還需要第三方機構收集云平臺的健康狀況信息, 定義統(tǒng)一、標準的證據提取及交付方法.

2.2 建立云環(huán)境亞健康狀態(tài)的形式化模型

欲實現(xiàn)對云環(huán)境亞健康狀態(tài)的診斷及分析, 首先需要根據云環(huán)境健康標準及測評體系確定云環(huán)境亞健康狀態(tài)的概念及內涵, 并建立云環(huán)境亞健康狀態(tài)的形式化模型.將形式化模型引入云環(huán)境亞健康狀態(tài)的研究, 是希望能像其他工程學科一樣, 使用適當的數學模型方便對云環(huán)境的亞健康狀態(tài)進行診斷及分析.對云環(huán)境亞健康狀態(tài)進行建模時需要在充分考慮云環(huán)境健康標準及測評體系的基礎上, 根據亞健康的特征, 明確其各項表征因素, 然后采用一種合適的數學模型把這些因素合理地組織起來.在考慮使用何種數學模型時, 除了要考慮能否很好涵蓋亞健康狀態(tài)的影響因素之外, 還要考慮是否有適當的方法或工具能夠方便求解.

2.3 面向亞健康的智能云監(jiān)控研究

在進行云環(huán)境健康狀況分析、亞健康狀態(tài)診斷及治療時首先需要獲得當前云環(huán)境的各種運行時信息.由于云環(huán)境亞健康狀態(tài)定義及內涵中涉及云環(huán)境諸多方面, 包括云計算中心的系統(tǒng)架構、性能、能耗控制及安全等, 因此, 建立一個能夠涵蓋上述所有因素, 專門面向亞健康狀態(tài)診斷的智能云監(jiān)控系統(tǒng)就顯得格外重要.盡管當前產業(yè)界上已出現(xiàn)了一些云監(jiān)控系統(tǒng), 但其功能比較簡單, 監(jiān)控的對象不夠全面, 支持的規(guī)模也較為有限, 運行時開銷、效率還遠未達到人們的預期, 仍有許多關鍵問題尚未解決.因此, 研究面向亞健康的智能云監(jiān)控不僅有廣泛的應用需求, 還有廣闊的研究前景.

2.4 云環(huán)境亞健康狀態(tài)的診斷及分析研究

云環(huán)境亞健康的形式化模型提供了一個嚴謹、直觀的形式化方式, 明確了什么樣的健康狀況表示亞健康狀態(tài)；面向亞健康的智能云監(jiān)控提供了可能造成云環(huán)境亞健康的各種運行時數據.結合這兩方面的信息, 采用人工智能、模式匹配等方法來判斷當前是否處于亞健康狀態(tài)就是云環(huán)境亞健康狀態(tài)診斷及分析.由于亞健康狀態(tài)形式化模型的不同, 可使用的診斷及分析方法也較多, 如基于神經網絡、粗糙集、遺傳算法、故障樹的診斷方法, 以及面向狀態(tài)檢測的模式匹配算法等.另外, 近年來人工智能的迅猛發(fā)展也為狀態(tài)診斷及分析提供了許多新的理論基礎, 出現(xiàn)了基于知識、不需要對象精確數學模型的狀態(tài)診斷方法.結合云環(huán)境的具體情況, 選擇哪種方法可以快速、高效地實現(xiàn)亞健康狀態(tài)的診斷及分析是需要重點關注的問題.

2.5 云環(huán)境亞健康狀態(tài)的治療研究

僅對云環(huán)境亞健康狀態(tài)進行診斷還不夠, 診斷通常只是手段, 優(yōu)化與提升才是最終目的.因此, 通過對云環(huán)境亞健康狀態(tài)進行診斷分析并確定當前處于亞健康狀態(tài)時, 需要對其進行治療, 通過采取一系列具有針對性的動態(tài)資源調整, 任務實時調度及運行環(huán)境的相關配置優(yōu)化等手段, 使云環(huán)境的亞健康狀態(tài)向健康狀態(tài)轉化, 不斷提升服務質量水平, 最終達到高度優(yōu)化的健康狀態(tài).由于云環(huán)境的高度復雜性, 其亞健康狀態(tài)往往涉及很多因素, 不同因素之間相互影響, 相互關聯(lián), 使其治療面臨許多挑戰(zhàn), 還有大量關鍵問題需要解決.因此, 治療也是云環(huán)境亞健康狀態(tài)研究的重要內容.

3 云環(huán)境亞健康相關研究現(xiàn)狀

自20世紀80年代提出亞健康概念以來, 醫(yī)學領域就開始了相關研究, 目前已進入空前活躍的階段[7].在亞健康評價分析方面, 一些基于數學模型的亞健康狀態(tài)評價及影響因素分析方法得到了大量應用.黃鸝等[8]提出的基于決策樹的亞健康狀態(tài)影響因素模型具有結構簡單、分類準確的優(yōu)點.在亞健康量化診斷方面.王利敏等[9]提出了一種基于結構方程模型的亞健康狀態(tài)中醫(yī)癥候量化分析方法.羅曉芳[10]利用人工神經網絡與模糊集的理論和方法構造了一種亞健康狀態(tài)的分類器模型.

盡管從產業(yè)界角度來看, 當前許多云環(huán)境都處于亞健康狀態(tài), 并且亞健康在網絡系統(tǒng)的故障診斷及可靠性研究方面已得到初步應用[5], 但是, 亞健康在云環(huán)境中的研究還很少, 跟云環(huán)境亞健康直接相關的研究基礎甚是薄弱.下面將從IT系統(tǒng)評價及分析、云環(huán)境亞健康間接相關的多個方面對當前云環(huán)境亞健康的研究現(xiàn)狀進行總結.

3.1 IT系統(tǒng)評價及分析研究現(xiàn)狀

系統(tǒng)評價既是系統(tǒng)分析的后期工作, 又是決策分析的前期工作, 是系統(tǒng)工程理論和方法體系的核心部分[11].雖然醫(yī)學領域產生了一些用于亞健康狀態(tài)評價分析及量化診斷的方法, 但由于IT系統(tǒng)與人體構造有很大差別, 這些評價分析及量化診斷方法不能完全照搬直接應用到云環(huán)境的亞健康研究中來, 還需針對云環(huán)境的具體情景, 借鑒IT系統(tǒng)評價及分析方面的研究成果, 找出適用于云環(huán)境亞健康研究的模型和方法.

3.1.1 信息系統(tǒng)整體性評價

華僑大學經濟管理學院郭東強主持的“關于管理信息系統(tǒng)綜合評價的數學模型的研究”利用矩陣和模糊數學的方法建立了一個信息系統(tǒng)的定量化模型, 并用來進行簡單的評價[12].北方交通大學自動化研究所閔文杰等[13]的“信息系統(tǒng)評價體系及方法的研究”提出了包括系統(tǒng)技術水平、性能、效益、科技投入水平、價值及操作6個準則的信息系統(tǒng)評價體系, 并用模糊綜合評價方法和人工神經網絡方法進行了研究.另外, 湯志偉等[14]針對信息系統(tǒng)的特點和小波基具有很強的自適應性和函數變化能力, 提出了一種基于小波神經網絡的信息系統(tǒng)綜合評價模型, 為信息系統(tǒng)的評價研究提供了一條新的途徑.

上述信息系統(tǒng)整體性評價方法為云環(huán)境健康狀況的整體性評價提供了很好的借鑒意義.總體來看, 當前在信息系統(tǒng)整體性評價方面, 結合不同方法對信息系統(tǒng)進行多指標綜合評價的研究較多, 這類方法先定義信息系統(tǒng)的若干評價指標, 然后對各指標給出表示系統(tǒng)優(yōu)劣程度的值, 最后用加權等方法將各指標組合成一個綜合指標并進行評價.由云環(huán)境亞健康狀態(tài)的定義及內涵可知, 影響云環(huán)境亞健康狀態(tài)的因素很多, 這些因素間又相互影響、相互關聯(lián).因此, 應用這些多指標綜合評價方法可為云環(huán)境亞健康狀態(tài)的因素及指標選取、綜合評價提供很好的借鑒和參考.

3.1.2 計算機網絡和計算機系統(tǒng)性能評價及分析

信息系統(tǒng)整體性評價研究為云環(huán)境亞健康狀態(tài)多因素的綜合評價提供了借鑒, 但對具體某個因素如何評價并沒有涉及, 本節(jié)以IT系統(tǒng)最常見的計算機網絡和計算機系統(tǒng)的性能評價及分析為例, 對當前與云環(huán)境亞健康性能因素相關的評價理論及方法進行總結與分析.

計算機網絡和計算機系統(tǒng)的性能分析研究已有多年歷史, Balsamo等[15]總結并分析了一些經典的性能分析模型與方法, 包括基于基準程序的方法、基于排隊網絡模型的方法、基于反饋控制的方法、以及基于統(tǒng)計學習的方法.基準程序和排隊網絡模型是兩類經典的系統(tǒng)性能評價與分析方法, 應用最早, 相應的理論模型也最為成熟.反饋控制和統(tǒng)計學習是近十年來才開始逐漸應用的系統(tǒng)性能評價與分析方法.隨著當前計算機網絡和計算機系統(tǒng)規(guī)模的不斷擴大, 基于反饋控制和統(tǒng)計學習的性能評價與分析的應用也越來越廣泛.Liu等[16]提出的自適應反饋控制技術, 可以實現(xiàn)共享服務器性能的動態(tài)調節(jié).基于統(tǒng)計學習的性能分析方法可根據系統(tǒng)性能的歷史記錄, 預測系統(tǒng)在特定條件下的行為表現(xiàn).例如Xing等[17]使用統(tǒng)計方法對部署于云數據中心內的企業(yè)關鍵負載進行了深入刻畫.Shen等[18]基于變量聚類和主成份分析, 為科學應用開發(fā)了一種統(tǒng)計方法來抽取主要的性能特征, 以產生易于理解的結果.Ozisikyilmaz等[19]使用線性回歸和人工神經網絡2種方法進行系統(tǒng)性能預測.Ganapathi等[20]采用核典型相關分析方法將數據庫查詢語言特征映射到系統(tǒng)性能特征, 從而實現(xiàn)對數據庫查詢語言執(zhí)行性能的預測, 進而為數據庫查詢語言的調度執(zhí)行提供參考.

上述方法在解決計算機網絡和計算機系統(tǒng)的性能評價與分析方面進行了廣泛應用, 但隨著云計算系統(tǒng)架構的不斷復雜, 在進行云計算系統(tǒng)性能評價與分析時面臨越來越多的效率及準確性等問題, 未來面向云環(huán)境亞健康的性能評價與分析需要針對云環(huán)境不斷擴大的規(guī)模及系統(tǒng)架構復雜性等需求進行優(yōu)化設計, 以滿足不斷提升的效率和準確性等要求.因此, 在進行單個影響因素(如:性能)的評價及分析時, 可設計一個或多個基準程序來模擬云環(huán)境中典型的應用場景, 然后通過不同場景下云環(huán)境的表現(xiàn)來獲得該因素對云環(huán)境亞健康狀態(tài)的影響方式及程度, 也還可以使用反饋控制理論或基于統(tǒng)計學習的方法來獲得.

3.1.3 計算機網絡和計算機系統(tǒng)故障診斷及分析

計算機網絡和計算機系統(tǒng)的故障診斷通?？煞譃?個階段：故障發(fā)現(xiàn)、故障定位和故障診斷.目前常見的狀態(tài)信息收集技術主要有異步告警和主動輪詢.當系統(tǒng)發(fā)生故障時, 異步告警會讓發(fā)生故障的設備主動向故障管理系統(tǒng)報告.主動輪詢時, 故障管理系統(tǒng)會定期查詢各種網絡設備和服務器的狀態(tài)信息[5].事件關聯(lián)技術是目前研究最熱的故障定位工具[21-22].基于模型、信號處理、知識的方法是當前應用最為廣泛的3種故障診斷方法.基于模型的方法最早出現(xiàn), 但需要建立一個精確的數學模型；基于信號處理的方法使用信號模型來處理問題, 精確度不高；基于知識的方法比較適合日益復雜化的系統(tǒng)故障診斷, 具有較高的智能性.

計算機網絡和計算機系統(tǒng)的故障診斷及分析對云環(huán)境健康狀況的研究, 尤其是云環(huán)境亞健康狀態(tài)的診斷及分析具有重要的指導意義.通過對這些方法的總結, 可以為云環(huán)境亞健康狀態(tài)的診斷及分析提供重要參考.現(xiàn)有的計算機網絡和計算機系統(tǒng)的故障診斷及分析方法部分可以直接用于云環(huán)境亞健康狀態(tài)的診斷及分析.但由于云計算環(huán)境與傳統(tǒng)的計算機網絡和計算機系統(tǒng)有較大區(qū)別, 尤其是一些新技術(如：虛擬化)的采用, 給云環(huán)境亞健康狀態(tài)的診斷及分析帶來了比較大的挑戰(zhàn).云環(huán)境亞健康狀態(tài)的診斷及分析還需要進行大量的針對性開發(fā).其中, 基于知識的故障診斷方法值得尤為關注, 因為其對復雜系統(tǒng)具有良好的智能故障診斷能力, 可以用于規(guī)模不斷擴大、結構不斷復雜的云環(huán)境亞健康狀態(tài)的診斷及分析.

3.2 云環(huán)境亞健康相關研究現(xiàn)狀

亞健康是當前云環(huán)境面臨的現(xiàn)實難題, 根據前面提出的云環(huán)境亞健康研究的知識結構, 雖然當前直接相關的研究基礎很少, 但有一些工作間接相關, 主要集中在云監(jiān)控、云架構、云平臺性能評價及分析、云平臺能耗控制、云安全等方面.

3.2.1 云監(jiān)控相關

云監(jiān)控是獲得云環(huán)境健康狀況相關數據的重要手段, 也是進行云環(huán)境健康狀況分析、云環(huán)境亞健康狀態(tài)診斷的前提和基礎.在產業(yè)界, 當前各大著名的云計算平臺都有自己的監(jiān)控系統(tǒng), 比較有代表性的是Google App Engine的監(jiān)控工具App Engine System Status Dashboard[23], 可以用來監(jiān)控App Engine各個應用的運行情況.另外, Hyperic公司開發(fā)的第三方監(jiān)控工具CloudStatus[24]可以用來同時監(jiān)控Amazon和Google App Engine的服務.在學術界, Ward等[25-26]對云監(jiān)控方面的技術、工程挑戰(zhàn)及實踐進行了深入研究, 也對云監(jiān)控工具進行了綜述.在監(jiān)控數據傳輸方面, 純粹的推或拉模型已不能適應云計算環(huán)境復雜監(jiān)控對象的要求, Huang等[27]提出了一種結合推拉的混合資源監(jiān)控P & P模型用來進行云環(huán)境的監(jiān)控.Li等[28]提出了一種面向方面的云監(jiān)控數據的分發(fā)機制和基于分布式框架的監(jiān)控數據處理.

雖然當前云監(jiān)控研究已取得了一些進展, 但不論是在監(jiān)控能力, 還是在監(jiān)控效率上都還有很大提升空間.并且, 當前云監(jiān)控主要是為收集云平臺性能數據和檢查是否出現(xiàn)故障而開展, 沒有專門針對云平臺的健康狀況進行相應的數據收集和處理.相較于性能數據, 云平臺的健康狀況需要處理的數據維度及規(guī)模要大很多, 還包括能耗、安全、QoS、可靠性等很多方面的數據.因此, 面向云環(huán)境亞健康狀態(tài)的智能云監(jiān)控技術還需進行深入研究, 利用一些新的數據處理和計算模型來實現(xiàn)面向云環(huán)境亞健康的數據收集、傳輸及處理等功能.

3.2.2 云架構相關

云計算固有的超大規(guī)模、虛擬化、高可靠性、高可擴展性、按需服務及彈性服務等特點使得云計算架構必須能夠支持動態(tài)可伸縮、高度可擴展的靈活機制.在云環(huán)境健康狀況評估中也必須考慮云環(huán)境的架構因素, 一個功能、性能等各方面均正常, 但是在架構上缺乏足夠可擴展性, 無法滿足用戶規(guī)模、資源供應高度動態(tài)變化的云環(huán)境也不能稱作是一種健康的云環(huán)境.

目前在云計算架構方面的研究還不多, Brummett等[29]對當前3個主要的開源云計算架構Eucalyptus、OpenStack和OpenNebula的性能和易用性進行了評估, 并將結果和商業(yè)云計算架構Amazon EC2進行了比較.Cao等[30]根據不同商用云平臺的架構方案綜合構造了一種云計算體系架構.在架構的可伸縮性方面, 針對當前研究更多地停留在較低層次的技術來實現(xiàn)云架構的動態(tài)可擴展, 缺乏在更上層對跨不同云服務商不同服務層次的大型云應用開發(fā)的支持, Michael等[31]描繪了一種新的云架構藍圖, 該藍圖可支持不同云服務商不同服務層次的服務集成, 并提供了一種全新的方法幫助開發(fā)人員在虛擬機和資源池中集成、配置及部署基于虛擬服務的云應用.

上述方法對評估云環(huán)境的架構因素具有一定的參考意義, 通過這些方法可以對云環(huán)境的架構進行評價, 進而作為云環(huán)境健康狀況評估的參考.雖然當前云平臺架構設計、開發(fā)及實現(xiàn)方面的研究已取得一定進展, 但關于云平臺架構評價方面的研究還很少, 還沒有形成統(tǒng)一的標準和模型.因此, 在對云環(huán)境亞健康架構影響因素進行分析時, 還需要對云平臺架構的評價進行深入研究, 確定云平臺架構的評價標準及模型, 進而對云平臺架構進行評價與打分, 并通過分析云平臺架構對云環(huán)境健康狀況的影響方式及影響程度, 最終把架構因素作為云環(huán)境亞健康狀態(tài)形式化模型的一部分.

3.2.3 云平臺性能評價及分析相關

作為云環(huán)境亞健康狀態(tài)定義的內涵之一, 云平臺的性能亞健康也需要引起重點關注.目前, 關于云平臺性能分析與優(yōu)化方面的研究還處于起步階段, 現(xiàn)有的性能分析與優(yōu)化方法對云平臺規(guī)模大、復雜等特點的支持還不夠, 還沒有形成較為完整的云平臺性能分析與評價的理論體系.因此, 潛在的性能問題很有可能成為影響云環(huán)境亞健康狀態(tài)的重要因素, 在對云環(huán)境性能亞健康進行診斷分析時需要借鑒當前云平臺性能評價及分析領域的相關方法.

Yahoo提出了專門的云計算平臺基準程序框架YCSB(Yahoo! Cloud Serving Benchmark)[32], 用來進行云平臺的性能測試.Chhetri等[33]提出了一種通用的云計算基準程序Smart CloudBench, 并通過簡單的案例強調了該benchmark的重要性.Kai等[34]提出了一種云計算性能模型, 用來評估IaaS、PaaS、SaaS或者混合云, 并通過5個真實的云benchmark程序對提出的性能模型進行了驗證.為了解決云計算量化性能分析這一難題, Chen等[35]提出了一種基于概率的排隊網絡模型來進行云基礎架構的性能分析, 該模型主要考慮任務的預期結束時間和被拒絕的概率.

上述方法在一定程度上促進了云平臺性能分析方面的研究, 但往往只關注部署在云平臺上的某類應用或系統(tǒng)的性能情況, 沒有從整體上對云環(huán)境的性能狀況作一個全面的綜合評價.另外, 現(xiàn)有的云平臺性能評價及分析方法沒有研究性能與云環(huán)境健康狀況之間的關系, 即云平臺性能情況對云環(huán)境健康狀況的影響方式.同樣, 在云環(huán)境亞健康狀態(tài)下, 云平臺的性能會產生什么樣的退化等也沒有相關的研究.因此, 在進行云環(huán)境性能亞健康建模、診斷及分析時需要重點考慮這2個問題.

3.2.4 云平臺能耗控制相關

能耗控制是否合理也是評價云環(huán)境是否處于亞健康狀態(tài)的一個重要因素.處于健康狀態(tài)的云環(huán)境不僅在功能、性能等方面處于正常水平, 在能耗管理方面也應該比較好的表現(xiàn).因此, 在云環(huán)境亞健康的研究中, 如何對云環(huán)境的能耗進行合理評價、優(yōu)化控制以及如何評價能耗對云環(huán)境健康狀況的影響方式及程度也是需要重點關注的問題.

當前云計算系統(tǒng)能耗控制、優(yōu)化管理技術主要有3類：開關機、電壓動態(tài)調整和服務器整合技術.開關機方式主要通過讓更多物理機空閑即關機來最大程度地降低功耗, 實現(xiàn)手段主要有兩大類：1) 資源分配, 根據負載動態(tài)為應用開啟或關閉服務器[36]；2) 負載分發(fā), 盡可能地讓負載集中, 從而使某些物理機負載盡快排空, 然后關機來降低功耗[37].電壓動態(tài)調整是指在負載低時降低CPU等芯片的頻率或電壓來降低功耗, 其關鍵是要有低功耗、高能效且支持動態(tài)調整的硬件設備或芯片的支持, 如：基于電壓動態(tài)調整技術設計的啟發(fā)式調度算法[38], 可用來降低并行任務在集群環(huán)境中執(zhí)行時產生的能耗.服務器整合是指采取有效的虛擬機整合策略把應用負載的波峰、波谷到來時機不同的虛擬機進行整合, 更有效地利用物理機資源, 減少使用物理機的數量, 達到降低功耗的目的, 如Padala等[39]對基于虛擬機的服務器整合性能進行了定性評價, Song等[40]對服務器整合進行了定量分析.

盡管云計算被認為是一種綠色計算, 但其本身并沒有提供成熟的解決方案來評價和降低系統(tǒng)能耗[41].上述能耗控制方法為云環(huán)境的能耗管理與優(yōu)化提供了參考, 也為評估云環(huán)境的能耗水平打下了基礎.通過對這些方法的使用和分析, 可以較為容易地獲得云環(huán)境的能耗狀況.具體來說, 進行云環(huán)境亞健康能耗影響因素的研究, 首先需要找到一種能耗的度量模型和測量方法, 通過對云環(huán)境的能耗進行測量和分析, 得出當前云環(huán)境的能耗狀況, 然后通過分析建立關于能耗影響因素與云環(huán)境亞健康之間的模型, 并結合其他影響因素的共同作用來判斷當前云環(huán)境是否處于亞健康狀態(tài).

3.2.5 云安全研究相關

云環(huán)境中各類應用沒有固定不變的基礎設施, 沒有固定不變的安全邊界, 并且由于利益沖突, 云環(huán)境通常無法統(tǒng)一部署安全防護措施.因此, 云環(huán)境中潛在的安全隱患比較隱蔽, 云環(huán)境也比較容易因為一些潛在的安全問題而進入亞健康狀態(tài).總結當前云安全相關的研究現(xiàn)狀對云環(huán)境亞健康狀態(tài)安全影響因素的研究也有比較大的幫助.

隨著云計算的快速發(fā)展, 各類云安全產品與方案也不斷涌現(xiàn).例如, Sun(現(xiàn)為Oracle)公司發(fā)布的一套開源云計算安全工具(包括OpenSolaris VPC網關軟件[42]、VMIs、云安全盒等)可為Amazon的EC2, S3以及虛擬私有云平臺提供安全保護.Medhioub等[43]對云安全的研究現(xiàn)狀, 云架構安全保護的未來研究方向和技術趨勢進行了綜述.在云計算安全技術的研究方面, 當前主要集中在可信訪問控制、數據隱私保護、虛擬安全、可信云計算等方面.可信訪問控制使用最多的是基于密碼學的方法；數據隱私保護方面, Soni等[44]提出了一種使用新的身份管理機制的云計算隱私保護模型；虛擬安全方面, Muhammad等[45]對虛擬化技術帶來的安全和隱私方面的問題進行了介紹, 并對解決這些問題的技術進行了綜述；Raj等[46]提出了通過緩存層次可感知的核心分配, 以及給予緩存劃分的頁染色的2種資源管理方法來實現(xiàn)性能與安全隔離；可信云計算方面, Sen等[47]通過一種分布式的方式實現(xiàn)了一種可信的云計算平臺, 并通過該平臺來阻止不同基礎架構級別的攻擊.

上述云安全框架、安全保護技術為云環(huán)境亞健康狀態(tài)安全影響因素的研究提供了參考, 可以使用或者改進現(xiàn)有方法來獲得當前云環(huán)境的安全狀況, 進而判斷當前的安全狀況是否足以導致云環(huán)境處于亞健康狀態(tài), 或者分析當前的云安全狀況對云環(huán)境亞健康狀態(tài)的貢獻程度.同樣, 當前的云安全框架或保護技術還沒有考慮云安全跟云環(huán)境健康狀況之間的關系, 因此, 跟其他影響因素一樣, 在對云環(huán)境亞健康狀態(tài)進行建模和診斷時, 需要分析云安全影響因素對云環(huán)境亞健康狀態(tài)的影響方式及程度, 并建立關系模型, 作為云環(huán)境亞健康狀態(tài)形式化模型的一部分.

4 結語

隨著云計算技術的飛速發(fā)展, 需求驅動云計算中心的規(guī)模越來越大, 功能越來越多, 結構越來越復雜, 也給云環(huán)境健康狀況評估帶來了巨大挑戰(zhàn).本文一方面對目前云環(huán)境亞健康相關的研究工作進行了總結, 另一方面, 通過梳理云環(huán)境亞健康研究的知識結構, 為未來云環(huán)境亞健康研究工作的更好開展打下基礎.相信隨著云環(huán)境亞健康概念的逐漸明晰, 在不久的將來, 云環(huán)境亞健康狀態(tài)診斷及分析平臺與技術會蓬勃發(fā)展, 得到工業(yè)界和學術界的一致認可.

相關知識

Research on Healing Landscape and Horticultural Therapy Based on Bibliometric Methods
2031 年有機乳制品市場動態(tài)
2031 年移動健康 (mHealth) 應用市場范圍及分析
2031 年骨骼和關節(jié)健康補品市場趨勢分析
學生論文詳情
Impacts of farmers engaging in organic farming on their well
人體微塑料污染特征及健康風險研究進展
Progress in Basic Research and Intervention Techniques for Mental Health Problems
Analysis on self
中東和東南亞運動營養(yǎng)市場基于（關鍵地區(qū)、市場參與者、規(guī)模和份額）

網址: Research on sub http://www.gysdgmq.cn/newsview557138.html