基于任务分类的虚拟CPU调度模型

• 作者: 吴瑾 孙磊 朱智强 郭松 郭松辉
• 来源期刊: 计算机应用研究
• 关键词: I/O虚拟化 虚拟CPU调度 机器学习 任务分类
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 软件技术研究
• 页码范围: 2087-2092
• 页数: 6页
• 分类号: TP334
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.12.0953

摘要

为了桥接语义鸿沟,提升I/O性能,需要对执行不同类型负载的虚拟CPU(vCPU)采取不同的调度策略,故而虚拟CPU调度算法亟需优化.基于KVM虚拟化平台提出一种基于任务分类的虚拟CPU调度模型STC(virtual CPU scheduler based on task classification),它将虚拟CPU(vCPU)和物理CPU分别分为两个类型,分别为short vCPU和long vCPU,以及short CPU和long CPU,不同类型的vCPU分配至对应类型的物理CPU上执行.同时,基于机器学习理论,STC构建分类器,通过提取任务行为特征将任务分为两类,I/O密集型的任务分配至short vCPU上,而计算密集型任务则分配至long vCPU上.STC在保证计算性能的基础上,提高了I/O的响应速度.实验结果表明,STC与系统默认的CFS相比,网络延时降低18％,网络吞吐率提高17％ ～25％,并且保证了整个系统的资源共享公平性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙磊		30	141	7.0	11.0
2	郭松辉		9	28	3.0	5.0
3	朱智强		13	40	3.0	6.0
7	郭松		5	9	2.0	3.0
8	吴瑾		1	0	0.0	0.0