實驗環境

首先為了驗證 Task Grouping 方法能為聯邦雲的工作產生多少效益，本研究 執行 The NAS Parallel Benchmarks (NPB)[20][44]於 UniCloud，採用 The NAS Parallel Benchmarks (NPB) [44]中 IS 跟 EP 兩種不同溝通行為模式之 Benchmarks；

IS 使用許多 MPI 廣播指令，為一個 all to all 高穩定通訊量之工作，如圖 十七所 示。而 EP 除了最後將各節點結果收集回來之外幾乎沒有溝通行為，如圖 十八 所示。本實驗工作利益則隨機產生，並且同時與 Maui Scheduler 和 Heuristic Algorithm Scheduling(HAS)[35]比較，Maui 預設策略為 First Fit 策略[21][20]。

圖 十七 NPB IS

圖 十八 NPB EP

35

本研究採用台灣學術界用之聯邦雲 UniCloud[15]，UniCloud 以 Openstack 為 基礎，連接數個學校的雲。UniCloud 由國立清華大學、國立中興大學、中華大 學、國立成功大學、國立台中教育大學和靜宜大學一共六所學校所組成。本研究 使用其中三所學校進行效能實驗。如圖 十九所示。UniCloud 硬體架構圖如圖 二 十所示，使用者能夠透過 Wed Based 的 Dashboard 自動建置符合使用者需求之 Virtual Cluster 可以選擇建置於某個學校的 Cloud 或者是跨越多校 Cloud 之 Virtual Cluster[15]。

圖 十九 UniCloud 系統架構圖

36

圖 二十 UniCloud 硬體架構圖

UniCloud 資源如表 三所示；NTCU Cloud 由一台 Controller 及兩台 Computer 組成，NTHU Cloud 由一台 Controller 及一台 Computer 組成，PU Cloud 由一台 Controller 及三台 Computer 組成。以 OpenStack 預設 VM Type 為例，本實驗皆採 用 m1.tiny 大小之 VM，m1.tiny 需要一個 Core 的 VCPU 和 512MB RAM，對比 每個 Cloud 所擁有的實體資源，NTCU 可以開 32 個 m1.tiny 大小之 VM，NTHU 可以開 16 個 m1.tiny 大小之 VM，PU 則可以開 40 個 m1.tiny 大小之 VM。VM 數 量 以 PU 最 高 其 次 為 NTCU ， 最 少 為 NTHU ， CPU 計 算 能 力 則 相 反 NTHU>NTCU>PU。

37

表 三 UniCloud 實體資源

為了驗證此實驗之結果，本文利用 iperf (network benchmark tool)[18]評估現 實網路速度，其網路速度如表 四所示。

表 四 UniCloud Network Speed

Sites NTCU-NTCU NTCU-NTHU NTCU-PU NTHU-PU Network Speed 115MB/s 13MB/s 42MB/s 33MB/s

針對調整價格之分散式排程方法，模擬 N 個雲(基於模擬時間，N=5)，雲資 源與工作特性及基本價格如所示；資源基本價格為 1P(P=資源單位成本)，用於計 算 Cost-driven Pricing[27]中的所使用到的 Ratio 值依照資源量等比產生，如表 五 所示。

38

表 五 Pricing 聯邦雲模擬環境

Clouds Cloud1 Cloud2 Cloud3 Cloud4 Cloud5

#Tiny VMs 15 15 15 35 40

Ratio 1 1 1 2.3 2.7

#Task group range per job 1-3 Task groups

#Task range per Task group 1-4 Tasks

Job profit # of Task * random rate

針對另一方法模擬實驗中聯邦雲由 N 個雲所組成，考慮模擬實驗完成時間，

本研究參考 Grid 相關之模擬實驗規模[36][37]將 N 分別訂為 5、7、9 和 11。每秒 每個雲皆會產生 2 個工作需求，共有三種不同需求數量之工作，其產生機率分別 為 10%、80%和 10%。模擬實驗每次執行 100 秒，為了降低因為隨機而產生的實 驗數據不穩定，實驗將每種不同規模執行 10 次後帄均所得。本實驗將探討不同 執行時間需求之工作集合所產生的影響與分析，另外也針對不同工作需求組合和 不同大小資源規模執行實驗並分析其結果。

模擬流程如圖 二十一所示，每秒每雲皆產生定量隨機 Jobs，每個 Cloud 分 別依資源與 Jobs 情況形成資源剩餘方或是資源缺乏方，並且依照當前身分不同，

獨立運行相對應之動作；包含尋找可外包之資源剩餘方和依照資源情況與外包需 求情況決定相對優之外包需求接受策略。

39

圖 二十一 模擬實驗流程圖