面向软件定义数据中心的多资源协同与自主分配方法研究

Data centers often use the passive management for a single resource of computing, storage or network, and cannot take the initiative to automatically optimize the allocation of global resources, resulting in the low overall resource utilization and the corresponding increase in operation cost. This project intends to use the collaborative optimization of multi-resource including computing, storage and network, exert the operating mode of sensing-feedback-control, and adopt software-defined resource pooling allocation method, to construct the Software-Defined Data Center (SDDC) with the features of efficient utilization, collaborative optimization, self-allocation, and adaptive refactoring for resources. The research contents include: the cross-layer interaction SDDC architecture supporting for collaborative multi-resource optimization; the methods of hierarchical aggregating real-time monitoring and predictive performance model construction; the methods of feedback-driven multi-resource automatic allocation and optimization; the high availability mechanisms using self-diagnostic of fault and adaptive refactoring for multi-resource. This project will innovatively propose the interactive software-defined architecture to run the Software-Defined Network (SDN) layer and distributed resource manager layer to work together, the method of performance predictive model building based on online model identification, the method of resource self-optimization using feedback control, the high availability guarantee mechanism based on self-diagnosis and refactoring. The research results will improve the resource utilization and the level of automation and reliable operation for data centers.

目前数据中心往往采用计算、存储与网络单一资源的被动管理模式，不能主动实现全局资源视图下的自主优化配置，从而造成数据中心整体资源利用率低下与运营成本的增加。本课题拟采用计算、存储与网络多资源协同优化的思想，基于感知-反馈-控制的工作模式，通过软件定义池化资源配置方法，构建资源高效利用、协同优化、自主分配且具有高可重构能力的软件定义数据中心。研究内容包括：支持多资源协同优化的软件定义数据中心跨层交互运行架构；分层聚集的实时监测框架与性能可预测模型构建方法；反馈驱动的多资源协同自主分配与优化控制方法；支持故障自主诊断与多资源自适应重构的高可用运行机制。本课题将创新性地提出软件定义网络控制层与分布式资源管理层协同工作的交互运行架构、基于在线模型辨识的性能可预测模型构建方法、应用反馈控制的资源自主优化方法以及运用自主诊断与治愈的高可用保障机制。研究成果将提高数据中心资源利用率与自动化可靠运行水平。

目前数据中心往往采用计算、存储与网络单一资源的被动管理模式，不能主动实现全局资源视图下的自主优化配置，从而造成数据中心整体资源利用率低下与运营成本的增加。本课题拟采用计算、存储与网络多资源协同优化的思想，基于感知-反馈-控制的工作模式，通过软件定义池化资源配置方法，构建资源高效利用、协同优化、自主分配且具有高可重构能力的软件定义数据中心。研究内容包括：支持多资源协同优化的软件定义数据中心跨层交互运行架构；分层聚集的实时监测框架与性能可预测模型构建方法；反馈驱动的多资源协同自主分配与优化控制方法；支持故障自主诊断与多资源自适应重构的高可用运行机制。本项目经过4年的研究在虚拟化资源管理层，提出了提出了GPU-CPU混合虚拟化架构下的高效调度算法、基于受控直通的设备虚拟化内存管理、细粒度的GPU资源多QoS分析保障方法。软件定义云管理层，提出了提出了资源成本优化的多资源调度方法、软件定义多资源在动态变化需求的多资源分配策略、时间触发调度和事件触发调度的协同调度的数据中心网络调度策略、资源超配下的数据中心可用性分析方法、软件定义云管理模式下的资源超配与调度、基于区块链的软件定义云模式下数据管理与共享方法。本项目的支持下发表论文21篇，申请国家发明专利8项，其中PCT专利1项。获得教育部技术发明一等奖1项。