22、云资源管理与调度技术解析

云资源管理与调度技术解析

1. 云资源管理技术概述

云资源管理有多种技术，主要包括机器学习、基于效用和面向市场/经济机制这几种：
- 机器学习 ：其主要优势在于无需系统的性能模型。该技术可用于协调多个自主系统管理器。
- 基于效用 ：这种方法需要一个性能模型，以及一种将用户级性能与成本关联起来的机制。
- 面向市场/经济机制 ：这类机制不需要系统模型，例如组合式资源包拍卖。

此外，还需区分交互式和非交互式工作负载。交互式工作负载（如 Web 服务）的管理技术涉及流量控制和动态应用放置；非交互式工作负载的管理则侧重于调度。目前，相关研究大多集中在交互式工作负载的资源管理，部分涉及非交互式工作负载，仅有少量研究关注异构工作负载（即两者的组合）。

2. 控制理论在云任务调度中的应用

控制理论已被用于为多种应用设计自适应资源管理，如电源管理、任务调度、Web 服务器的 QoS 自适应和负载均衡等。经典的反馈控制方法通过测量系统输出来调节系统的关键运行参数，这些方法假设系统是线性时不变的，并采用闭环控制器。该控制器基于满足稳定性和灵敏度约束的开环系统传递函数。

下面详细介绍控制理论在云任务调度中的应用：
- 控制理论原理 ：最优控制在预估操作条件变化的同时，在一个前瞻范围内生成一系列控制输入。离散时间最优控制问题是确定控制变量序列 (u(i), u(i + 1), \cdots, u(n - 1))，以最小化表达式：
[J(i) = \varPhi