基于CloudMod 云计算建模和仿真环境研究

刘艳+王燕

摘要：CloudMod是一个全面地云计算测试工具，可以广泛的测试处理单元、数据中心、存储、网络、服务水平协议（SLA）、基于web的应用程序、面向服务的体系结构（SOA）等。通过详细介绍CloudMod及其工作流程，搭建一个全面的云计算仿真环境，测试表明基于CloudMod云计算仿真环境不会因为并行任务的增多而消耗更多的资源，较好地支持了云计算研究。

关键词：云计算；CloudMod；建模；仿真；模拟器

中图分类号：TP391 文献标志码：A 文章编号：1009-3044（2015）30-0144-02

1 概述

云计算是一个新兴的计算模式，随着技术革新不断发展壮大。云计算是建立在广博的计算机技术基础上的，如高性能计算、网格和效用计算，分布式系统，虚拟化、存储等[1]。这种复杂性为研究人员进行云计算服务综合实验提出了一个巨大的挑战，没有全面的能涵盖广泛的云计算组件的云计算实验工具，不适用新的云计算技术。由于缺乏一个全面的云计算实验工具，仿真工具 CloudSim的局限性，我们着手开发研究全面和有效的云计算实验框架CloudMod。CloudMod涵盖云计算的全面技术，如大数据管理、移动云计算等。CloudMod使用CloudSim作为基础设计平台，并做了许多新的改进和扩展。

2 云计算仿真平台

2.1 CloudSim

CloudSim是一个墨尔本大学自主开发的云计算建模和仿真工具，旨在为云计算的研究人员提供一个进行云计算相关研究的实验工具，支持各种云计算组件的建模和仿真 [2]。然而，CloudSim有几个局限性和缺点：第一，它是建立在网格计算环境中，限制了可以模拟的基础设施。第二，缺少几个重要的云计算组件（如BPM和SLA）。第三，缺乏一个可有用和方便研究者进行实验的图形用户界面（GUI）。

2.2 iCanCloud

iCanCloud是一个能够进行大规模实验的云计算仿真平台。它提供了一个可伸缩的、灵活的、快速和易于使用的工具，允许组织优化成本和性能之间的权衡。iCanCloud模拟器的云计算系统是由虚拟机构建的，此外，iCanCloud提供了一个图形界面，帮助用户配置自己的云计算实验。该领域的两个主要的模拟器：CloudSim、iCanCloud。CloudMod覆盖更广泛的频谱特性，使它进行更有效、全面的云计算研究。

3 CloudMod框架

CloudSim的特性为云计算提供了很有前景的研究。然而，它缺乏全面的云计算模拟实验所需的几个组件。CloudMod集成了几个新特性和CloudSim的重要组件，这使它成为当前云计算系统的更全面的建模和仿真环境。

3.1 MapReduce模型

MapReduce是一个普遍使用的强大的并行数据处理模型，有效地解决了使用大型集群的机器的大型数据集的问题。CloudMod提供了一个仿真的解决方案，用户在非静态条件下可以使用CloudMod工具包执行实验，可以重新执行和配置的可控环境测试。图1显示MapReduce操作的流程[3]。当一个用户程序模拟MapReduce任务，发生以下行为序列：

1）读取和解析启动map和reduce实例的列表的用户实验工作负载。参数包括：ID、输入数据大小等。

2）主节点分配在步骤1中创建的实例计算集群中的节点，跟踪映射器和还原剂等，如信息数据中心id、主机id等。然后提交每个映射器或还原剂到云计算环境中。

3）提交映射器后（最初在就绪状态），MapReduce开始模拟，同时考虑每个映射器的状态和利用模型。

4）当一个映射器完成处理之后，它将数据集的结果存储在一个特定的位置并通报地址的Master。

5）所有映射器完成处理时，Master将信号发送给所有还原剂开始产生的数据集。

6）在MapReduce模拟期间，CloudMod工具箱不断收集数据来显示仿真结束后的统计分析。

3.2 CloudMod网络拓扑

Network CloudSim不支持常见的云计算的网络拓扑， CloudMod工具集成了这些拓扑。另外，CloudMod支持图形界面方便地拖拽实体，定义其属性，并建立它们之间的联系。

4 CloudMod仿真和实验

CloudMod可以自行配置云基础设施的各种功能，我们将使用两组不同的实验获取数据。第一组实验显示在不同工作负载场景和SLA条件下，云数据中心资源利用率和能源消耗。第二组展示使用CloudMod所做MapReduce任务调度的实验。

4.1 CloudMod实验

第一个场景假设用户ID=0的云环境中，数据中心有10个相同的物理节点，有5个虚拟机（VM），每个主机上执行调用50 VMs（虚拟机进程）。

图2显示了datacenter1在动态变化的工作负载强度情况下的利用率图。数据表明，系统利用率随着工作负载强度的变化而变化。

4.2 MapReduce的实验

MapReduce功能和实验配置中，输入和输出文件的大小设置为64MB。映射器的数量，默认值是20cpu，用户可以自定义映射器的数量。图3、4显示了相同物理节点和不同物理节点在任务量从10000增加到100000的情况下，总执行时间和总能耗的变化。随着工作量的增加，需要更多的执行时间和能耗；使用更多的vm总执行时间将减少，说明并行处理多个任务并不会消耗更多的资源。

5 结束语

本文提出基于CloudMod的云计算建模与仿真环境研究。CloudMod填补了云计算研究长期以来缺乏全面、简洁工具的空白，提供了丰富云基础设施建设研究的图表、配置、分析和评价。CloudMod让用户更容易理解不同的云系统组件和角色。用户可以修改不同的组件和它们的参数，运行仿真，并分析结果。最后，通过综合实验证明CloudMod能够模拟真实的云环境，并能做出相应的功能设置调整。

参考文献：

[1] Zhang Q，Cheng L， Boutaba R.Cloud computing：state-of-the-art and research challenges[J].Internet Services Appl，2010（1）： 7-18.

[2] 刘驰.云仿真工具Cloudsim在虚拟机放置中的应用[J].计算机与数字工程，2015，43（4）：746-749.

[3]覃雄派，王会举.大数据分析——RDBMS与MapReduce的竞争与共生[J].软件学报，2011（1）：38-45.

[4]付伟，严博.云计算实验平台建设关键技术研究[J].实验室研究与探索，2013，32（11）：78-81.