计算机应用研究

作者：吴瑾,朱智强,孙磊,郭松辉,郭松,

单位：1.信息工程大学,郑州450001；2.郑州信大先进技术研究院,郑州450001；

关键词：I/O虚拟化,虚拟CPU调度,机器学习,任务分类,

基金：国家重点研发计划资助项目；；

为了桥接语义鸿沟，提升I/O性能，需要对执行不同类型负载的虚拟CPU（vCPU）采取不同的调度策略，故而虚拟CPU调度算法亟需优化。基于KVM虚拟化平台提出一种基于任务分类的虚拟CPU调度模型STC（virtual CPU scheduler based on task classification），它将虚拟CPU（vCPU）和物理CPU分别分为两个类型，分别为short vCPU和long vCPU，以及short CPU 和long CPU，不同类型的vCPU分配至对应类型的物理CPU上执行。同时，基于机器学习理论，STC构建分类器，通过提取任务行为特征将任务分为两类，I/O密集型的任务分配至short vCPU上，而计算密集型任务则分配至long vCPU上。STC在保证计算性能的基础上，提高了I/O的响应速度。实验结果表明，STC与系统默认的CFS相比，网络延时降低18%，网络吞吐率提高17%~25%，并且保证了整个系统的资源共享公平性。

来源：2020年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第7期