[发明专利]一种基于NUMA架构的虚拟机内存及网卡资源亲和度计算方法

说明书

本发明公开了一种基于NUMA架构的虚拟机内存及网卡资源亲和度计算方法，涉及计算机系统虚拟化领域，包括下列步骤：获取当前NUMA架构下，虚拟机的CPU和内存之间的亲和度矩阵、虚拟机的内存和网卡之间的亲和度矩阵和虚拟机CPU和网卡之间的亲和度矩阵；获取虚拟机的性能数据，并计算虚拟机的CPU与内存亲和度权重α，虚拟机内存和网卡之间的亲和度权重β以及虚拟机CPU和网卡之间亲和度的权重γ；使用如下模型公式计算虚拟机的内存及网卡资源亲和度值，并作为性能指标：本发明解决了在非一致性内存访问NUMA架构，高性能网络虚拟化环境下，虚拟机的内存亲和度及网卡亲和度的建模与性能预测问题。

技术领域

本发明涉及计算机系统虚拟化领域，尤其是一种基于NUMA架构的虚拟机内存及网卡资源亲和度计算方法。

背景技术

如今，由于虚拟化技术高度的资源整合性和容错性，虚拟化技术已经成为了实现云计算的关键技术。数据中心和云计算提供商通过虚拟化技术来实现基础设施即服务(Infrastructure as a Service，IaaS)，并且提供灵活的和按需付费的资源共享服务。通过虚拟化技术，一台物理机可以运行多台虚拟机，而每台虚拟机都拥有自己的资源，如虚拟处理器(virtual CPU，vCPU)，内存和I/O设备。与此同时，随着网络功能虚拟化(NetworkFunctions Virtualization，NFV)技术的兴起，虚拟机会越来越多的执行网络密集型的任务，例如网络包处理，网络包转发和流量分析等。因此，探索如何优化虚拟化网络的性能并且提升虚拟机的网络性能变得越来越重要。

与此同时，非一致性内存访问(Non-Uniform Memory Access，NUMA)架构由于其高内存带宽和良好的可扩展性成为了现代多核服务器的主流架构。基于NUMA架构的服务器广泛部署于现有的云数据中心。在NUMA架构下，CPU和内存等被划分成多个节点，每个CPU都可以访问全部的内存，但是CPU访问本地节点的内存时延迟最小，访问远程节点的内存的延迟随着距离的增大而增大。这种NUMA架构带来的特性也被称为“内存亲和度”问题。在虚拟化环境下，底层物理机的物理拓扑对虚拟机来说是透明的，因此，内存亲和度问题给虚拟机的性能优化带来了不小的挑战。而目前国内外的不少研究也正是集中在优化虚拟化环境下的内存亲和度问题上，即让虚拟机的vCPU和虚拟机的内存具有最优亲和度，以提升虚拟机性能。

然而，随着网卡性能的提升，在NUMA架构上的亲和度问题不再局限于处理器和内存的亲和度。如图1所示为本研究所使用的Intel Ivy Bridge的服务器架构图。在该架构下，网卡(NIC)只与节点0相连。显而易见，比起节点1，2，3，节点0与网卡的距离更近，因此节点0与网卡的亲和度也会更好。在过去，内存的带宽、性能通常比网卡带宽、性能高出若干个数量级。然而，随着40G网卡的普及和100G网卡的出现，内存和网卡之间的性能差距逐渐被消除，网卡亲和度也和内存亲和度一样成为了高性能虚拟化环境下影响虚拟机性能的重要因素。

然而，现有的研究主要集中在优化虚拟机的内存亲和度从而提升性能，少有研究关注于优化虚拟机的网卡亲和度。而少数的关注虚拟机网卡亲和度的研究，也只是经验主义地将虚拟机放置在网卡所在NUMA节点，缺乏具体地理论、实验分析与建模，从而缺乏实用性与自适应性。除此之外，也没有研究尝试将内存亲和度与网卡亲和度结合起来建模从而优化虚拟机的性能。最后，同一台虚拟机，当运行不同程序时，虚拟机的性能特征是不同的，对于内存和网卡资源的需求度也是不同的，因此，模型还需要实时考虑虚拟机的性能特征才能较准确的预测虚拟机性能。

因此，本发明致力于开发基于NUMA架构的，在高性能虚拟化网络下的，虚拟机内存亲和度以及网卡亲和度计算方法。同时，模型会将虚拟机的实时性能特征数据作为输入参数。通过该模型，可以较准确的捕获虚拟机在当前的内存和网卡亲和度下的性能，并可以通过模型预测虚拟机在NUMA系统下，放置在哪个节点时性能最优。

发明内容