專(zhuān)利名稱(chēng)：基于cpu親和力的虛擬cpu動(dòng)態(tài)綁定方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)科學(xué)中的在多核和眾核環(huán)境下的虛擬機(jī)領(lǐng)域，特別是基于CPU 親和力的虛擬CPU的動(dòng)態(tài)綁定方法。
背景技術(shù)：
虛擬化技術(shù)是一種利用單個(gè)物理平臺(tái)虛擬多個(gè)客戶(hù)機(jī)操作系統(tǒng)(Guest OS)的技 術(shù)。隨著虛擬化和多核以及眾核技術(shù)的發(fā)展，同一平臺(tái)上多服務(wù)器之間實(shí)現(xiàn)了透明化，同時(shí) 虛擬機(jī)監(jiān)視器(Virtual Machine Monitor, VMM)在硬件管理上的不斷優(yōu)化，使得硬件資源 得以充分利用。多核和眾核平臺(tái)為虛擬化帶來(lái)了性能提升、可靠性提高以及全新的應(yīng)用模 式，同時(shí)以英特爾和AMD為代表的硬件級(jí)別的虛擬化技術(shù)能夠支持效率更高、性能更優(yōu)化 的本機(jī)虛擬化能力。多核與眾核技術(shù)的興起，為虛擬化技術(shù)的發(fā)展帶來(lái)了新的機(jī)遇和挑戰(zhàn)。 XeruKVM以及VMware作為當(dāng)前主流虛擬化技術(shù)，在服務(wù)器整合、資源優(yōu)化、能量控制等方面 具有一定貢獻(xiàn)。隨著虛擬化技術(shù)應(yīng)用的廣泛，云計(jì)算和高性能計(jì)算已經(jīng)逐步在采取相應(yīng)的 虛擬化技術(shù)。其中，Xen作為當(dāng)前流行的開(kāi)源項(xiàng)目已經(jīng)在虛擬化的實(shí)現(xiàn)上有較大的共享。同 時(shí)虛擬化技術(shù)還在虛擬集群領(lǐng)域也有著廣闊的利用前景。在上述應(yīng)用場(chǎng)景中，由于多核處理器和多處理器的廣泛應(yīng)用，如何合理的分配使 用CPU資源是調(diào)度面臨嚴(yán)重的問(wèn)題。虛擬化技術(shù)使得客戶(hù)機(jī)操作系統(tǒng)不可直接訪問(wèn)硬件 資源，以CPU資源為例，虛擬機(jī)監(jiān)控器需要向客戶(hù)機(jī)操作系統(tǒng)提供虛擬CPU (Virtual CPU, VCPU)，使得其系統(tǒng)內(nèi)的調(diào)度器完成調(diào)度。因此，對(duì)于運(yùn)行在上層虛擬機(jī)的進(jìn)程來(lái)說(shuō)，其執(zhí)行 過(guò)程經(jīng)過(guò)了兩次調(diào)度。第一次是虛擬機(jī)操作系統(tǒng)本身的調(diào)度器，該算法可有效分析進(jìn)程特 性并進(jìn)行相應(yīng)的高效調(diào)度；第二次是虛擬機(jī)監(jiān)視器的調(diào)度器，負(fù)責(zé)整合多客戶(hù)機(jī)操作系統(tǒng) 間的CPU資源的分配，由于其調(diào)度單位為虛擬CPU，對(duì)虛擬機(jī)操作系統(tǒng)的進(jìn)程信息不可知， 因此基于下層硬件資源的公平分配方式使得某些進(jìn)程不能得到有效執(zhí)行。以Xen虛擬機(jī)默 認(rèn)的Credit調(diào)度器為例，盡管其在對(duì)稱(chēng)多處理器(Symmetrical Multi-Processors, SMP) 平臺(tái)下具有較高的適應(yīng)性，可有效提高CPU利用率，但是由于其調(diào)度單位為虛擬CPU，缺乏 對(duì)虛擬CPU內(nèi)的進(jìn)程屬性的認(rèn)知，因此在客戶(hù)機(jī)操作系統(tǒng)的調(diào)度器針對(duì)進(jìn)程屬性的調(diào)度策 略，無(wú)法在虛擬機(jī)監(jiān)視器這一層的調(diào)度器中實(shí)現(xiàn)。特別是對(duì)于CPU密集型的多線(xiàn)程進(jìn)程，由 于其頻繁訪問(wèn)內(nèi)存中的數(shù)據(jù)使得CPU 二級(jí)緩存的命中率成為其執(zhí)行效率的瓶頸，而Credit 調(diào)度器在調(diào)度時(shí)不對(duì)虛擬CPU進(jìn)行客戶(hù)機(jī)操作系統(tǒng)的區(qū)分，以及無(wú)法獲取其進(jìn)程特性，因 此這種情況下的盲目調(diào)度將較大的降低CPU 二級(jí)緩存命中率，從而影響系統(tǒng)整體效率。傳統(tǒng)的CPU親和力分為硬親和力和軟親和力，硬親和力的進(jìn)程主要是指由用戶(hù) 或操作系統(tǒng)硬性綁定在某CPU隊(duì)列中的進(jìn)程，軟親和力是操作系統(tǒng)固有的親和力特性，特 別是對(duì)于頻繁讀取數(shù)據(jù)的計(jì)算密集型進(jìn)程而言，其在CPU之間的遷移會(huì)造成較大的性能開(kāi) 銷(xiāo)，而操作系統(tǒng)可有效防止這種開(kāi)銷(xiāo)。而在虛擬化環(huán)境下，虛擬機(jī)監(jiān)視器中的調(diào)度器無(wú)法根 據(jù)虛擬CPU上進(jìn)程的CPU親和力特性進(jìn)行調(diào)度優(yōu)化，因此，一種從虛擬機(jī)監(jiān)視器層獲取客戶(hù) 機(jī)操作系統(tǒng)進(jìn)程信息并且采取相應(yīng)策略的調(diào)度方法是十分必要的。

發(fā)明內(nèi)容
本發(fā)明以實(shí)現(xiàn)虛擬機(jī)進(jìn)程高效運(yùn)行為目標(biāo)，通過(guò)CPU親和力的感知和虛擬CPU動(dòng) 態(tài)綁定，設(shè)計(jì)并實(shí)現(xiàn)了基于CPU親和力的虛擬CPU動(dòng)態(tài)綁定方法，具體包括1.客戶(hù)機(jī)操作系統(tǒng)中進(jìn)程的CPU親和力感知方法。首先，將客戶(hù)機(jī)操作系統(tǒng)中的進(jìn)程信息進(jìn)行捕獲，通過(guò)獲取進(jìn)程地址描述符，來(lái)獲 取CPU硬親和力信息；通過(guò)統(tǒng)計(jì)進(jìn)程實(shí)際的CPU時(shí)間與CPU占用時(shí)間，獲取CPU軟親和力信 肩、O其次，分析CPU硬親和力信息和軟親和力信息，設(shè)定CPU親和力系數(shù)值(Value ofAffinity Coefficient, VAC)。最后，修改Xen代碼中虛擬CPU的數(shù)據(jù)結(jié)構(gòu)，添加結(jié)構(gòu)體PI (Process Information)，用于存儲(chǔ)所捕獲進(jìn)程的相關(guān)信息。2.虛擬CPU動(dòng)態(tài)綁定方法 利用虛擬CPU中PI信息完成虛擬CPU綁定決策分析，分析過(guò)程包括對(duì)VAC的分析 和判定；制定虛擬CPU綁定策略，針對(duì)虛擬CPU中PI信息的分析結(jié)果，實(shí)現(xiàn)虛擬CPU的動(dòng)態(tài)綁定。與現(xiàn)有技術(shù)相比較，本發(fā)明的創(chuàng)新之處在于針對(duì)客戶(hù)機(jī)操作系統(tǒng)中正在執(zhí)行的 進(jìn)程，提出一種CPU親和力系數(shù)的量化方法，用于標(biāo)識(shí)該進(jìn)程對(duì)CPU 二級(jí)緩存的依賴(lài)程度； 根據(jù)AC值，采取基于CPU親和力的虛擬CPU綁定策略，從而保證CPU密集型進(jìn)程所在CPU 訪問(wèn)二級(jí)緩存的命中率，提高進(jìn)程執(zhí)行效率。具體體現(xiàn)在1.本發(fā)明實(shí)現(xiàn)了在虛擬機(jī)監(jiān)視器層對(duì)客戶(hù)機(jī)操作系統(tǒng)的進(jìn)程的捕獲，通過(guò)統(tǒng)計(jì)該 進(jìn)程所在虛擬CPU上的CPU實(shí)際使用情況和CPU占用情況，實(shí)現(xiàn)了一種CPU親和力系數(shù)的
量化方法。2.本發(fā)明實(shí)現(xiàn)了一種基于上述CPU親和力系數(shù)的虛擬CPU綁定方法，打破了在遷 移時(shí)優(yōu)先選擇CPU隊(duì)頭的虛擬CPU這一傳統(tǒng)思想，而是在保持負(fù)載平衡的前提下，選擇遷移 所造成的性能開(kāi)銷(xiāo)最小的虛擬CPU。


圖1基于CPU親和力的虛擬CPU動(dòng)態(tài)綁定方法的體系結(jié)構(gòu)圖2CPU親和力系數(shù)的捕獲與量化流程3虛擬CPU動(dòng)態(tài)綁定方法流程4虛擬CPU執(zhí)行綁定決策的調(diào)度器與傳統(tǒng)調(diào)度器在遷移時(shí)的對(duì)比圖
具體實(shí)施例方式如圖1所示，基于CPU親和力的虛擬CPU動(dòng)態(tài)綁定方法在虛擬機(jī)監(jiān)控器(VMM)中 實(shí)現(xiàn)，分為客戶(hù)機(jī)操作系統(tǒng)CPU親和力感知引擎和虛擬CPU動(dòng)態(tài)綁定器2個(gè)模塊?？蛻?hù)機(jī)操作系統(tǒng)CPU親和力感知引擎負(fù)責(zé)從客戶(hù)機(jī)操作系統(tǒng)中獲取即將得到執(zhí) 行的進(jìn)程的CPU親和力信息，并采用量化的VAC (Value of Affinity Coefficient, CPU親 和力系數(shù)值)，向虛擬CPU動(dòng)態(tài)綁定器模塊提供該信息。包括CPU親和力信息捕獲、CPU親
5和力信息分析和虛擬CPU信息修改三個(gè)部分。CPU親和力信息捕獲分為CPU硬親和力捕獲和CPU軟親和力信息捕獲兩部分。在 虛擬機(jī)中，進(jìn)程切換需要更新CR3寄存器內(nèi)容，而由于客戶(hù)機(jī)操作系統(tǒng)沒(méi)有修改CR3寄存器 的特權(quán)，因此這部分工作由虛擬機(jī)監(jiān)視器來(lái)完成。如圖2所示，在虛擬機(jī)監(jiān)視器層通過(guò)捕獲 CR3寄存器被修改這一時(shí)刻，立即讀取進(jìn)程描述符地址，通過(guò)虛擬地址到機(jī)器地址的轉(zhuǎn)換， 讀取即將執(zhí)行的進(jìn)程信息，利用CPU硬親和力信息在進(jìn)程結(jié)構(gòu)體中的偏移量，來(lái)獲取CPU的 硬親和力信息。不同的Linux版本對(duì)應(yīng)的該偏移量不同，因此該偏移量需要根據(jù)客戶(hù)機(jī)操 作系統(tǒng)的內(nèi)核版本進(jìn)行調(diào)整。如果此時(shí)該進(jìn)程對(duì)CPU硬親和力進(jìn)行了設(shè)定，即完成CPU硬親 和力的捕獲，無(wú)需再進(jìn)行CPU軟親和力捕獲過(guò)程；如果此時(shí)CPU硬親和力信息為空，則在該 進(jìn)程執(zhí)行過(guò)程中，通過(guò)統(tǒng)計(jì)該進(jìn)程的CPU實(shí)際使用情況來(lái)完成CPU軟親和力信息捕獲。CPU 實(shí)際使用情況的統(tǒng)計(jì)方法通過(guò)在虛擬CPU數(shù)據(jù)結(jié)構(gòu)中為每個(gè)執(zhí)行的進(jìn)程設(shè)定計(jì)時(shí)器。對(duì)于 I/O訪問(wèn)頻繁的進(jìn)程，在其執(zhí)行時(shí)間內(nèi)所消耗CPU時(shí)間較少；對(duì)于CPU密集的進(jìn)程，其可充 分利用執(zhí)行時(shí)間內(nèi)的CPU資源。因此，通過(guò)統(tǒng)計(jì)該進(jìn)程在本次調(diào)度周期內(nèi)占有CPU時(shí)間與 實(shí)際使用的CPU時(shí)間，來(lái)提供CPU軟親和力信息。其中CPU執(zhí)行時(shí)間指進(jìn)程實(shí)際使用的CPU 時(shí)間，CPU占用時(shí)間指調(diào)度器調(diào)度給該進(jìn)程的時(shí)間，CPU執(zhí)行時(shí)間與CPU占用時(shí)間均針對(duì)在 一個(gè)調(diào)度周期內(nèi)的相應(yīng)統(tǒng)計(jì)數(shù)值。CPU的親和力信息分析負(fù)責(zé)針對(duì)CPU親和力信息捕獲情況來(lái)設(shè)定VAC的數(shù)值。 VAC(Valueof Affinity Coefficient)指CPU親和力系數(shù)值，其值被設(shè)定在
的閉區(qū) 間內(nèi)。對(duì)于CPU硬親和力信息不為空的情況，令VAC= 100 ；對(duì)于CPU硬親和力信息為空的 情況，根據(jù)CPU親和力捕獲中統(tǒng)計(jì)的CPU執(zhí)行時(shí)間來(lái)計(jì)算VAC的數(shù)值。具體公式為
/CPU執(zhí)行時(shí)間、
￥AG = ---— * 100
Icpu占用時(shí)冏/虛擬CPU信息修改負(fù)責(zé)向虛擬CPU動(dòng)態(tài)綁定器模塊提供VAC信息。具體實(shí)現(xiàn)為， 通過(guò)修改Xen代碼中虛擬CPU的數(shù)據(jù)結(jié)構(gòu)，添加結(jié)構(gòu)體PI (Process Information)，該結(jié)構(gòu) 用于存儲(chǔ)當(dāng)前VAC的值，同時(shí)還負(fù)責(zé)記錄最近Is內(nèi)的所有調(diào)度周期中的各個(gè)VAC數(shù)值，當(dāng) 新進(jìn)程到來(lái)尚未執(zhí)行并且其硬親和力信息為空時(shí)，由于無(wú)法計(jì)算此時(shí)的VAC，因此可通過(guò)計(jì) 算歷史數(shù)據(jù)的平均值向虛擬CPU動(dòng)態(tài)綁定器提供VAC信息。虛擬CPU動(dòng)態(tài)綁定器模塊通過(guò)客戶(hù)機(jī)操作系統(tǒng)CPU親和力感知引擎提供的CPU親 和力信息，對(duì)虛擬CPU實(shí)現(xiàn)動(dòng)態(tài)綁定。具體分為虛擬CPU綁定決策分析和虛擬CPU綁定策 略?xún)刹糠?。虛擬CPU綁定決策分析負(fù)責(zé)讀取虛擬CPU中的PI信息，將VAC提取出來(lái)，通過(guò)VAC 的數(shù)值進(jìn)行綁定決策判定。在VAC大于75時(shí)，判定為可綁定；在VAC小于等于75時(shí)，判定 為不綁定。通過(guò)實(shí)驗(yàn)分析，這種情況下，整體調(diào)度性能最優(yōu)，因此選擇此判定策略進(jìn)行虛擬 CPU綁定決策分析。虛擬CPU的綁定策略負(fù)責(zé)根據(jù)虛擬CPU的綁定信息對(duì)相應(yīng)的虛擬CPU進(jìn)行綁定和 遷移。當(dāng)虛擬CPU綁定決策分析結(jié)果為不綁定時(shí)，如果虛擬CPU處于綁定狀態(tài)，則執(zhí)行相應(yīng) 解除綁定策略，如果虛擬CPU此時(shí)處于非綁定狀態(tài)，則不進(jìn)行任何綁定和遷移；當(dāng)虛擬CPU 綁定決策分析結(jié)果為可綁定時(shí)，執(zhí)行相應(yīng)綁定策略。具體策略如下
6
(1)綁定到未發(fā)生虛擬CPU綁定的CPU上；(2)根據(jù)各CPU運(yùn)轉(zhuǎn)情況，綁定在負(fù)載較輕的CPU上；(3)各CPU負(fù)載較為均衡時(shí)，綁定在虛擬CPU所處隊(duì)列對(duì)應(yīng)的CPU上；(4)解除綁定時(shí)，虛擬CPU不遷移；(5)當(dāng)虛擬CPU綁定數(shù)目等于CPU個(gè)數(shù)時(shí)，對(duì)于下次綁定之前，將VAC最低的虛擬 CPU的綁定解除；(6)空閑狀態(tài)的虛擬CPU不進(jìn)行任何綁定操作，當(dāng)虛擬CPU從其它狀態(tài)進(jìn)入空閑狀 態(tài)時(shí)，如果該虛擬CPU被綁定，則解除其綁定。虛擬CPU的遷移策略旨在減少CPU 二級(jí)緩存的失效率，提高CPU利用效率。因此 對(duì)于VAC較高的虛擬CPU，其頻繁的訪問(wèn)CPU 二級(jí)緩存突顯綁定的必要性。策略(1)通過(guò) 防止兩個(gè)VAC較高的虛擬CPU在同一 CPU隊(duì)列中，從而避免兩個(gè)虛擬CPU輪流執(zhí)行而導(dǎo)致 CPU 二級(jí)緩存的頻繁失效；策略(2)通過(guò)在綁定時(shí)考慮負(fù)載情況，從而保證了 CPU之間的負(fù) 載平衡；策略(3)在負(fù)載平衡均衡時(shí)，避免遷移的開(kāi)銷(xiāo)，優(yōu)先將虛擬CPU綁定在本地隊(duì)列中； 策略(4)通過(guò)在解除綁定時(shí)避免虛擬CPU遷移從而進(jìn)一步減少了遷移開(kāi)銷(xiāo)；策略(5)保證 了任意時(shí)刻虛擬CPU綁定的數(shù)量不大于CPU數(shù)量，結(jié)合策略(1)避免了多個(gè)綁定虛擬CPU 在同一 CPU隊(duì)列從而帶來(lái)的CPU 二級(jí)緩存頻繁失效問(wèn)題，并進(jìn)一步保證了負(fù)載平衡。策略 (6)考慮到虛擬CPU的狀態(tài)轉(zhuǎn)換時(shí)的綁定解除問(wèn)題，確保了空閑的虛擬CPU不會(huì)綁定。根據(jù)以上策略，虛擬CPU動(dòng)態(tài)綁定流程如圖3所示。首先根據(jù)虛擬CPU綁定決策分 析結(jié)果來(lái)判定該虛擬CPU是否需要綁定。如果該虛擬CPU不可綁定，那么繼續(xù)判斷該虛擬 CPU是否已經(jīng)被綁定，如果是，則解除其綁定并結(jié)束，如果否，則直接結(jié)束。如果該虛擬CPU 可綁定，則繼續(xù)判斷該虛擬CPU是否已經(jīng)綁定。如果是，則直接結(jié)束，如果否，則從所有的 CPU隊(duì)列中選擇沒(méi)有綁定虛擬CPU的CPU，并將此類(lèi)型的CPU數(shù)目分為三種情況數(shù)目等于 0，這表明所有CPU存在虛擬CPU綁定的情況，按照策略，選擇VAC值最小的虛擬CPU，并解除 其綁定，然后將需要綁定的該虛擬CPU綁定至解除綁定的虛擬CPU所在的CPU隊(duì)列上并結(jié) 束；數(shù)目等于1，則直接綁定在該CPU上并結(jié)束；數(shù)目大于1，則根據(jù)CPU隊(duì)列中虛擬CPU個(gè) 數(shù)，選擇虛擬CPU個(gè)數(shù)最少的CPU隊(duì)列，如果虛擬CPU個(gè)數(shù)最少的CPU隊(duì)列有多個(gè)的情況， 則首先判定虛擬CPU所在CPU是否處于其中，如果是，則直接綁定到該CPU隊(duì)列中并結(jié)束， 如果否，按照CPU的id優(yōu)先選擇id小的CPU，然后將虛擬CPU綁定到該隊(duì)列中并結(jié)束，如果 虛擬CPU個(gè)數(shù)最少的CPU隊(duì)列只有一個(gè)，則直接將虛擬CPU綁定到該隊(duì)列中并結(jié)束。以上過(guò)程在調(diào)度每個(gè)虛擬CPU時(shí)執(zhí)行，每個(gè)調(diào)度周期執(zhí)行一次。另外，由于調(diào)度期 間調(diào)度器只針對(duì)非空閑的虛擬CPU進(jìn)行調(diào)度，因此為保證策略(6)的執(zhí)行，在虛擬CPU進(jìn)入 空閑狀態(tài)時(shí)，進(jìn)行判定，對(duì)于處于綁定狀態(tài)的虛擬CPU，解除綁定；對(duì)于非綁定的虛擬CPU， 不進(jìn)行額外操作。圖4是基于CPU親和力的虛擬CPU動(dòng)態(tài)綁定方法與傳統(tǒng)的調(diào)度方法在遷移時(shí)的 區(qū)別對(duì)比。傳統(tǒng)的調(diào)度策略(圖4中的A)在遷移時(shí)選擇其它CPU的隊(duì)列中的第一個(gè)虛擬 CPU ；通過(guò)本發(fā)明中的兩個(gè)模塊進(jìn)行判定并綁定了虛擬CPU Y. 1之后當(dāng)需要遷移(圖4中的 B)時(shí)，優(yōu)先選擇未綁定的虛擬CPU，如圖4B中的虛擬CPU X. 1。
權(quán)利要求
一種多核/眾核平臺(tái)下的基于CPU親和力的虛擬CPU動(dòng)態(tài)綁定方法，其特征在于包括以下步驟(1)客戶(hù)機(jī)操作系統(tǒng)CPU親和力感知引擎從客戶(hù)機(jī)操作系統(tǒng)中獲取即將執(zhí)行的進(jìn)程的CPU親和力信息，并用CPU親和力系數(shù)值VAC量化該CPU親和力信息，向虛擬CPU動(dòng)態(tài)綁定器提供該VAC值，具體包括CPU親和力信息捕獲、CPU親和力信息分析和虛擬CPU信息修改三個(gè)步驟，其中1)CPU親和力信息捕獲包括CPU硬親和力信息捕獲和CPU軟親和力信息捕獲通過(guò)捕獲CR3寄存器被修改這一時(shí)刻，立即讀取進(jìn)程描述符地址，并通過(guò)虛擬地址到機(jī)器地址的轉(zhuǎn)換，讀取即將執(zhí)行的進(jìn)程信息，利用CPU硬親和力信息在進(jìn)程結(jié)構(gòu)體中的偏移量，來(lái)獲取CPU的硬親和力信息，如果此時(shí)該進(jìn)程對(duì)CPU硬親和力進(jìn)行了設(shè)定，即CPU硬親和力信息不為空，那么CPU硬親和力信息捕獲完成，如果此時(shí)CPU硬親和力信息為空，則進(jìn)行CPU軟親和力信息捕獲，CPU軟親和力信息是通過(guò)在進(jìn)程執(zhí)行過(guò)程中統(tǒng)計(jì)該進(jìn)程的CPU實(shí)際利用情況來(lái)完成的，具體包括CPU執(zhí)行時(shí)間和CPU占用時(shí)間，其中CPU執(zhí)行時(shí)間指進(jìn)程實(shí)際使用的CPU時(shí)間，CPU占用時(shí)間指調(diào)度器調(diào)度給該進(jìn)程的時(shí)間，CPU執(zhí)行時(shí)間與CPU占用時(shí)間均針對(duì)在一個(gè)調(diào)度周期內(nèi)的相應(yīng)統(tǒng)計(jì)數(shù)值；2)CPU的親和力信息分析中針對(duì)CPU親和力信息捕獲情況來(lái)設(shè)定VAC的數(shù)值，對(duì)于CPU硬親和力信息不為空的情況，令VAC＝100，對(duì)于CPU硬親和力信息為空的情況，根據(jù)以下公式來(lái)計(jì)算VAC的數(shù)值3)虛擬CPU信息修改中向虛擬CPU動(dòng)態(tài)綁定器提供VAC信息，存儲(chǔ)當(dāng)前VAC的值，同時(shí)還記錄1秒內(nèi)的調(diào)度周期的各個(gè)VAC數(shù)值，當(dāng)新進(jìn)程到來(lái)尚未執(zhí)行并且其硬親和力信息為空時(shí)，通過(guò)計(jì)算歷史數(shù)據(jù)的平均值向虛擬CPU動(dòng)態(tài)綁定器提供VAC信息；(2)虛擬CPU動(dòng)態(tài)綁定器通過(guò)客戶(hù)機(jī)操作系統(tǒng)CPU親和力感知引擎提供的CPU親和力信息，對(duì)虛擬CPU實(shí)現(xiàn)動(dòng)態(tài)綁定，具體包括虛擬CPU綁定決策分析和執(zhí)行虛擬CPU綁定策略?xún)蓚€(gè)步驟，其中1)虛擬CPU綁定決策分析中，讀取VAC值，通過(guò)VAC的數(shù)值進(jìn)行綁定決策判定在VAC大于75時(shí)，判定為可綁定，在VAC小于等于75時(shí)，判定為不綁定；2)執(zhí)行虛擬CPU的綁定策略中，根據(jù)虛擬CPU的綁定決策分析結(jié)果對(duì)相應(yīng)的虛擬CPU進(jìn)行綁定和遷移，當(dāng)虛擬CPU綁定決策分析結(jié)果為不綁定時(shí)，如果虛擬CPU處于綁定狀態(tài)，則執(zhí)行相應(yīng)解除綁定策略，如果虛擬CPU此時(shí)處于非綁定狀態(tài)，則不進(jìn)行任何綁定和遷移；當(dāng)虛擬CPU綁定決策分析結(jié)果為可綁定時(shí)，執(zhí)行相應(yīng)綁定策略。FSA00000321403700011.tif
2.如權(quán)利要求1所述的方法，其特征在于，VAC的取值區(qū)間為
的閉區(qū)間，VAC 值越大代表CPU親和力程度越高。
3.如權(quán)利要求1所述的方法，其特征在于，客戶(hù)機(jī)操作系統(tǒng)CPU親和力感知引擎在統(tǒng)計(jì) 進(jìn)程的CPU實(shí)際利用情況時(shí)，通過(guò)統(tǒng)計(jì)該進(jìn)程在本次調(diào)度周期內(nèi)時(shí)實(shí)際使用的CPU時(shí)間和 調(diào)度器調(diào)度給該進(jìn)程的CPU時(shí)間來(lái)完成。
4.如權(quán)利要求1所述的方法，其特征在于，虛擬CPU動(dòng)態(tài)綁定器中虛擬CPU的綁定策略 具體為1)綁定到未發(fā)生虛擬CPU綁定的CPU上；2)根據(jù)各CPU運(yùn)轉(zhuǎn)情況，綁定在負(fù)載較輕的CPU上；3)各CPU負(fù)載較為均衡時(shí)，綁定在虛擬CPU所處隊(duì)列對(duì)應(yīng)的CPU上；4)解除綁定時(shí)，虛擬CPU不遷移；5)當(dāng)虛擬CPU綁定數(shù)目等于CPU個(gè)數(shù)時(shí)，對(duì)于下次綁定之前，將VAC最低的虛擬CPU的 綁定解除；6)空閑狀態(tài)的虛擬CPU不進(jìn)行任何綁定操作，當(dāng)虛擬CPU從其它狀態(tài)進(jìn)入空閑狀態(tài)時(shí)， 如果該虛擬CPU被綁定，則解除其綁定。
5.如權(quán)利要求1所述的方法，其特征在于，客戶(hù)機(jī)操作系統(tǒng)是Linux。
6.如權(quán)利要求1所述的方法，其特征在于，虛擬機(jī)監(jiān)視器是Xen。
7.一種系統(tǒng)，其執(zhí)行如權(quán)利要求1所述的方法步驟。
全文摘要
一種在多核/眾核平臺(tái)下的基于CPU親和力的虛擬CPU動(dòng)態(tài)綁定方法，其包括客戶(hù)操作系統(tǒng)CPU親和力感知引擎和虛擬CPU動(dòng)態(tài)綁定器兩個(gè)模塊。客戶(hù)操作系統(tǒng)CPU親和力感知引擎從Guest OS中獲取即將得到執(zhí)行的進(jìn)程的CPU親和力信息，并采用量化的VAC(Valueof Affinity Coefficient，CPU親和力系數(shù)值)，向虛擬CPU動(dòng)態(tài)綁定器提供該信息；虛擬CPU動(dòng)態(tài)綁定器模塊通過(guò)客戶(hù)操作系統(tǒng)CPU親和力感知引擎提供的CPU親和力信息，執(zhí)行相應(yīng)策略，實(shí)現(xiàn)對(duì)虛擬CPU實(shí)現(xiàn)動(dòng)態(tài)綁定。
文檔編號(hào)G06F9/455GK101976201SQ20101052210
公開(kāi)日2011年2月16日 申請(qǐng)日期2010年10月22日 優(yōu)先權(quán)日2010年10月22日
發(fā)明者李智, 白躍彬 申請(qǐng)人:北京航空航天大學(xué)