1 通信行業(yè)的新要求

隨著3G網(wǎng)絡(luò)的進一步完善，運營商部署的業(yè)務(wù)平臺也愈來愈多，除了當前已經(jīng)廣泛運用的WAP/WEB網(wǎng)關(guān)、短信中心、彩信中心等基礎(chǔ)引擎平臺以外，隨著業(yè)務(wù)的進一步發(fā)展，還會陸續(xù)出現(xiàn)各種形形色色的業(yè)務(wù)應用平臺。目前這些業(yè)務(wù)平臺，不管實現(xiàn)何種業(yè)務(wù)功能，不管局點大小，都是采用獨立建設(shè)的模式。

通過對多個廠家的多類業(yè)務(wù)產(chǎn)品進行對比分析，我們得到的結(jié)論是：除了核心業(yè)務(wù)處理模塊以外，其余模塊的功能基本上都是雷同的（如：計費管理模塊、用戶管理模塊、配置管理模塊、維護管理模塊、日志/報表模塊等），這些模塊可以通過一定的手段進行融合與集成，從某種角度來講可以實現(xiàn)一定的資源復用。但對于各業(yè)務(wù)的核心處理部分，由于業(yè)務(wù)邏輯迥異、流程復雜，無法在業(yè)務(wù)層面做到能力共享。這種多業(yè)務(wù)分散建設(shè)模式已逐漸成為阻礙移動通信產(chǎn)業(yè)高速發(fā)展的重要原因。這主要體現(xiàn)在以下幾個方面[1-5]：

各業(yè)務(wù)平臺采用的外購軟硬件類型各異，對于外購件異常帶來的業(yè)務(wù)中斷、系統(tǒng)故障等問題較難控制和規(guī)避；各廠家業(yè)務(wù)平臺提供的操作維護手段不同，需要運營商培訓大量的技術(shù)人員熟悉各種維護系統(tǒng)，加大了維護成本的投入；業(yè)務(wù)平臺獨立建設(shè)，不同地域、不同業(yè)務(wù)的處理能力嚴重負載不均，投資建設(shè)的硬件資源利用率不高。

從理論上分析，無論是何種業(yè)務(wù)，其處理邏輯都仍然屬于應用程序范疇，任何應用程序都可以簡單歸納為計算模式+存儲模式+通信模式的集合。為帶來有彈性、容量無限的系統(tǒng)，一般有兩種解決辦法：一是在同一機器上部署單一業(yè)務(wù)的多模塊或者選擇性地部署多個業(yè)務(wù)；二是通過虛擬化技術(shù)實現(xiàn)統(tǒng)計性復用資源。前者對業(yè)務(wù)程序的依賴度很高，需要相互之間互不影響，對于同廠家同類型業(yè)務(wù)相對比較容易實現(xiàn)，只能在一定程度上實現(xiàn)資源共享。而虛擬化技術(shù)可以較好地隱藏資源復用和共享的實現(xiàn)細節(jié)，能最大程度地減小結(jié)構(gòu)上與業(yè)務(wù)的耦合性。

當然，僅依靠虛擬化技術(shù)還不能完全做到業(yè)務(wù)級彈性的調(diào)用控制，文章在下一章節(jié)將重點介紹業(yè)務(wù)調(diào)度和虛擬化的完整解決方案。通過該方案移動運營商可得到：

(1) 業(yè)務(wù)按實際處理需要合理的獲取計算資源。從而使運營商不用在提供某種業(yè)務(wù)服務(wù)之前就要做計算資源的預測，消除了事先投入的風險，使業(yè)務(wù)可以從小規(guī)模做起，隨著需求的增加通過業(yè)務(wù)調(diào)度和虛擬化技術(shù)快速擴展業(yè)務(wù)占用的硬件資源。

(2) 解決不同地區(qū)、不同時段的業(yè)務(wù)不均衡問題。一方面可以在日常業(yè)務(wù)量相對較低的情況下通過減少硬件資源的占用降低電源損耗；另一方面可以在節(jié)假日或未預期到的業(yè)務(wù)峰值出現(xiàn)時通過擴大硬件資源占用來規(guī)避運營風險。

(3) 提供了一種將大量移動網(wǎng)絡(luò)資源對外租借的可能。計算資源虛擬化后，能以短時間為單位付費，租借方可按需申請使用計算資源。

2 業(yè)務(wù)調(diào)度和虛擬化方案

針對上述移動運營商的迫切要求，文章給出了一種將虛擬化與業(yè)務(wù)調(diào)度相結(jié)合的整體解決方案，其模型架構(gòu)如圖1所示[6]。

核心管理部件主要包括虛擬機管理系統(tǒng)及業(yè)務(wù)調(diào)度中心。從方案設(shè)計角度將底層物理設(shè)備的虛擬化與業(yè)務(wù)層面的處理能力控制分離。

一個應用程序必然需要一個計算模式、一個存儲模式和一個通信模式。為實現(xiàn)計算資源的彈性和無限鏡像，最現(xiàn)實的辦法就是將這些資源虛擬化，面對應用隱藏它們的復用和共享機制。不同的公用計算會根據(jù)抽象性和管理層次加以區(qū)分。本方案提出將移動通信業(yè)務(wù)計算云分為兩級進行管理，其一是將物理硬件虛擬為抽象計算單元的過程，該過程不受上層業(yè)務(wù)的影響，所有計算單元屬性均保持一致；其二是針對差異化業(yè)務(wù)的動態(tài)調(diào)度系統(tǒng)，可根據(jù)不同的業(yè)務(wù)處理邏輯、業(yè)務(wù)性能要求以及資源占用預期對業(yè)務(wù)系統(tǒng)進行伸縮性控制。通過業(yè)務(wù)調(diào)度中心與虛擬機管理系統(tǒng)的配合，滿足運營商多業(yè)務(wù)實時動態(tài)資源調(diào)整的要求。

目前虛擬機技術(shù)已日漸成熟，大多數(shù)主流的虛擬機廠家通過XEM、KVM等核心技術(shù)實現(xiàn)對硬件CPU、內(nèi)存資源的虛擬單元構(gòu)建，虛擬機技術(shù)主要包括以下四大特征：

可在單一物理服務(wù)器上同時運行多個虛擬單元；

在同一物理硬件設(shè)備上的虛擬機之間相互隔離；

可將完整的虛擬單元都保存在文件中，通過移動和復制這些文件的方式來移動和復制該虛擬單元；

可屏蔽虛擬單元與底層物理硬件的關(guān)聯(lián)，無需修改即可在任何服務(wù)器上平滑遷移。

虛擬化技術(shù)將物理資源轉(zhuǎn)化為便于切分的資源池，在設(shè)計理念上符合云計算的基本條件，具有通用的資源調(diào)度能力；但在通信領(lǐng)域的實際使用過程中，需要調(diào)度的資源不僅僅局限于虛擬單元本身，移動運營商急需一種針對不同業(yè)務(wù)應用進行集中能力控制的解決方案，可以實時監(jiān)測全網(wǎng)多種業(yè)務(wù)流量動態(tài)，智能判斷各業(yè)務(wù)間的負荷關(guān)系，平衡硬件及虛擬單元的資源分配。

文章通過在虛擬機技術(shù)基礎(chǔ)上構(gòu)建業(yè)務(wù)調(diào)度模塊的方式彌補了虛擬機技術(shù)對通信業(yè)務(wù)控制層面的不足。調(diào)度中心與虛擬機管理系統(tǒng)配合完成調(diào)度的模型如圖2所示。

調(diào)度中心內(nèi)部可細分為四大功能模塊：

(1) 業(yè)務(wù)智能調(diào)度分析模塊：作為調(diào)度中心的核心處理模塊，根據(jù)實時監(jiān)控采集匯總的各業(yè)務(wù)運行數(shù)據(jù)，綜合分析當前業(yè)務(wù)層處理能力情況，對各業(yè)務(wù)許可證進行調(diào)節(jié)。在必要時可通過與虛擬機管理系統(tǒng)直接的交互申請空閑計算單元或釋放已占用冗余計算單元，通過自動部署模塊式進行業(yè)務(wù)快速加載、卸載，動態(tài)調(diào)整業(yè)務(wù)許可證處理能力。同時該模塊還負責將業(yè)務(wù)節(jié)點的伸縮情況動態(tài)通知到外圍接口分發(fā)設(shè)備（如：四層交換機、協(xié)議接口機設(shè)備等）。

(2) 實時處理能力采集模塊：通過與各業(yè)務(wù)處理之間的交互實現(xiàn)對各業(yè)務(wù)實時消息處理流量、數(shù)據(jù)庫資源占用要求、處理能力狀況等信息進行采集。支持兩種采集模式：業(yè)務(wù)進程定時上報模式，以及調(diào)度子系統(tǒng)發(fā)消息主動驅(qū)動采集模式。并將采集到的數(shù)據(jù)寫入調(diào)度分析庫，以便進行智能調(diào)度策略分析。

(3) 自動部署模塊：根據(jù)業(yè)務(wù)智能調(diào)度分析模塊的部署消息把指定的業(yè)務(wù)包加載到指定計算單元上或停止業(yè)務(wù)清理該計算單元上的業(yè)務(wù)包程序。

(4) 人機操作維護：提供人機操作界面，一方面可對業(yè)務(wù)模塊運行狀態(tài)進行監(jiān)控，另一方面可提供人工手動干預調(diào)度的功能。

調(diào)度中心通過上述的模塊化設(shè)計結(jié)構(gòu)與虛擬化管理平臺協(xié)同工作，可以真正實現(xiàn)對移動通信領(lǐng)域業(yè)務(wù)處理的動態(tài)調(diào)節(jié)和資源復用。具體調(diào)度過程如圖3所示。

通過對業(yè)務(wù)處理單元進行實際業(yè)務(wù)量跟蹤監(jiān)測，結(jié)合智能調(diào)度分析中心配置的調(diào)度策略與閥值，動態(tài)進行業(yè)務(wù)許可證的彈性伸縮控制。

智能調(diào)度分析策略可主要分為以下幾類[7-10]：

(1) 冗災性調(diào)度策略：針對某一業(yè)務(wù)處理單元異常情況下，分析其他同類業(yè)務(wù)處理單元是否能夠分擔該業(yè)務(wù)節(jié)點的工作，在必要時申請新的虛擬計算單元接管原有業(yè)務(wù)處理，以確保系統(tǒng)穩(wěn)定運行。

(2) 周期性休眠策略：根據(jù)業(yè)務(wù)流量的變化識別周期性調(diào)整要求，根據(jù)規(guī)律釋放、申請計算單元。為達到業(yè)務(wù)快速啟停切換的目的，釋放的計算單元可仍保留原業(yè)務(wù)程序，僅在狀態(tài)上實現(xiàn)休眠和激活，以節(jié)約能耗。

(3) 業(yè)務(wù)發(fā)展調(diào)整策略：根據(jù)業(yè)務(wù)發(fā)展的情況確定是否需要增加或減少計算資源的占用，并完成業(yè)務(wù)的自動加載和卸載。

以上3種分析策略是由調(diào)度中心的核心部件——智能調(diào)度分析模塊予以實現(xiàn)，該模塊負責根據(jù)監(jiān)測到的數(shù)據(jù)對虛擬資源進行整體調(diào)控，為實現(xiàn)非人為干預的動態(tài)調(diào)控需要通過一系列比對算法完成多項指標的評測，根據(jù)綜合評測結(jié)果發(fā)出資源調(diào)配指令[11]。為簡化描述，文章僅給出一種通用計算模型：

(1) 采樣條件：

采樣時間間隔：1s。

(2) 采樣數(shù)據(jù)：

當前采樣點虛擬單元承載“業(yè)務(wù)類型1”處理許可證為：Llic；
   　 當前采樣點虛擬單元占用CPU為：Lcpu；
 　   當前采樣點虛擬單元占用內(nèi)存為：Lmemory；
 　   當前采樣點虛擬單元占用輸入輸出端口(I/O)資源：Lio。

上述參數(shù)在計算中所占權(quán)值分別為R1-R4，該權(quán)值表示不同類型的業(yè)務(wù)應用在計算單元中占用的資源偏差[12]。例如，短消息服務(wù)中心(SMSC)業(yè)務(wù)處理服務(wù)器，我們采用以系數(shù){0.3, 0.3, 0.3, 0.1}，這里認為計算單元在承載SMSC業(yè)務(wù)時CPU占用、許可證處理及內(nèi)存較其他參數(shù)重要一些。若當前的系數(shù)Ri（指R1-R4）不能很好地反映應用的負載，可以對系數(shù)不斷地修正，直到找到貼近當前應用的一組系數(shù)[13-15]。

(3) 采樣值計算公式：

LOAD(Ni)= R1×Llic (Ni)+R2 × Lcpu(Ni )+R3× Lmemory(Ni)+R4 × Lio(Ni)

(4) 判斷周期及方法：

針對上述加權(quán)后的負載值，可通過多次連續(xù)取樣的方式進行綜合判斷。關(guān)于采集權(quán)值的周期設(shè)置，雖然很短的周期可以更確切地反映各個計算單元的即時負載，但是很頻繁地采集會給調(diào)度中心和被檢測計算單元帶來負擔，也可能增加不必要的網(wǎng)絡(luò)負荷[16]。為解決該問題可適當?shù)卣{(diào)整采集負載信息的周期（建議可以在10~15 s）；同時使用滑動窗口來避免采樣數(shù)據(jù)的抖動。

(5) 調(diào)度決策：

根據(jù)以上多次周期性采樣獲得的數(shù)據(jù)結(jié)合虛擬單元的負載區(qū)間進行比對，實現(xiàn)對計算單元負載的智能判斷并采取相應的調(diào)度處理策略。

通過以上方案可切實解決移動運營商建設(shè)可伸縮性業(yè)務(wù)平臺的要求，有效降低業(yè)務(wù)平臺的資本性支出(CAPEX)和運營成本(OPEX)，減少投資浪費，獲取更大的利潤空間。

3 結(jié)束語

在目前移動通信網(wǎng)絡(luò)各業(yè)務(wù)平臺仍處于獨立建設(shè)的情況下，運營商在前期建設(shè)投資過程中往往都是根據(jù)預測的節(jié)假日最大業(yè)務(wù)量峰值評估規(guī)模，這樣即便峰值預估準確也會造成投資的浪費。同時如果低估了峰值出現(xiàn)配置不足的情況，則可能會導致直接拒絕超量用戶的業(yè)務(wù)請求。不僅被拒絕的用戶不可能帶來任何收益，而且由于業(yè)務(wù)服務(wù)感知差，致使用戶失去信心不會再次使用，造成用戶流失的嚴重后果。

如圖4所示，通過業(yè)務(wù)層的動態(tài)調(diào)度結(jié)合虛擬化技術(shù)可使資源分配與實際業(yè)務(wù)量曲線趨于一致，規(guī)避上述兩種情況的發(fā)生。

文章中提出的“業(yè)務(wù)調(diào)度和虛擬化”是移動通信網(wǎng)絡(luò)云化的一種可選方案，具備云計算思想的以下特征：

(1) 可按需獲取看似無限的計算資源，使云計算用戶不用在提供服務(wù)很久之前就要做計算資源的計劃。

(2) 消除了云用戶的事先投入，從而使業(yè)務(wù)可以從小規(guī)模做起，隨著需求增加來擴展他們的硬件資源。

(3) 能夠以很短的時間為單位付費按需使用計算資源，不需要的時候就將這些資源釋放。這樣，通過將閑置的機器和存儲器釋放來節(jié)省開支。

業(yè)務(wù)調(diào)度和虛擬化技術(shù)方案的提出為移動通信產(chǎn)業(yè)的計算云落地提供了一種具體的解決思路和方法。相信在不久的將來，業(yè)務(wù)調(diào)度和虛擬化技術(shù)的解決方案會逐步成為移動通信產(chǎn)業(yè)的主要建設(shè)模式。

4 參考文獻
[1] Armbrust m, Fox a, Griffith r,et al. Above the clouds: A Berkeley view of cloud computing[R]. UCB/EECS-2009-28. University of California at Berkeley, 2009.
[2] Washington post case study: Amazon Web services [EB/OL]. [2008-03-13].
     http://aws.amazon.com/solutions/ case-studies/washington-post.
[3]Amazon.com CEO Jeff Bezos on Animoto [EB/OL]. [2008-04-21].http://blog.animoto.com.
[4] Vouk M A. Cloud Computing-Issues, Research and Implementations[C]// Proceedings of the 30th International Conference on Information Technology Interfaces(ITI’08),Jun 23-26,2008, ?Dubrovnik, Croatia. Piscataway,NJ, USA: IEEE, 2008:31-40.
[5] BARROSO L A, HOLZLE U. The Case for Energy-Proportional Computing[J]. IEEE Computer,2007,40(12):33- 37.
[6] Bechtolsheim A. Cloud Computing and Cloud Networking. Talk at UC Berkeley[EB/OL]. [2008-08-10]. http://fi.consolidate-it.eu/tool_userfiles/file/CloudNeworkingQandA2008.
[7] 云計算的演進和挑戰(zhàn)性問題(3).[EB/OL]. [2009-05-13].http:// www.cncloudcomputing.com/jinghua/182_3.html.
[8] Dean J, Ghemawat S. MapReduce: Simplified Data Processing on Large Clusters[C]// Proceedings of the 6th USENIX Symposium on Operation Systems Design and Implementation (OSDI'04), Dec 6-8, 2004, San Francisco, CA USA. Berkeley, CA, USA: USENIX Association,2003:10.
[9] BULKELEY W M. IBM, Google, Universities Combine ‘Cloud’ Foces[J].The Wall Street Journal,2007-10-08.
[10] Demers a j, Petersen k, Spreitzer m j,et al. The Bayou Architecture: Support for Data Sharing Among Mobile Users[C]// Proceedings of the 1st IEEE Workshop on Mobile Computing Systems and Applications (WMCSA’94), Dec 8-9,1994, Santa Cruz ,CA, USA. Los Alamitos,CA,USA:IEEE Computer Society, 1994: 2-7.
[11] Garfinkel s l. An evaluation of Amazon’s Grid Computing Services: EC2, S3 and SQS [R]. TR-08-07. Harvard University, 2007.
[12] Ghemawat s, Gobioff h, Leung s t,et al. The Google File System[C]// Proceedings of the 19th ACM SIGOPS Symposium on Operating Systems Principles (SOSP’03), Oct 19 - 22, 2003, Bolton Landing, NY, USA. New York, NY, USA: ACM, 2003: 29-43.
[13] Gray J. Distributed Computing Economics[M]. New York, NY, USA:ACM Press, 2008:63-68.
[14] Gray J, Patterson D. A Conversation with Jim Gray[M]. New York, NY, USA:ACM Press, 2003:8-17.
[15] HAMILTON J. Cost of Power in Large-Scale Data Centers [EB/OL]. [2009-05-13].http://perspectives.mvdirona.com/2008/11/28/CostOfPower.
[16] HAMILTON J. Internet-Scale Service Efficiency[C]. Proceedings of the 2nd Workshop on Large-scale Distributed Systems and Middleware (LADIS'08), Sep 15-17, 2008, Yorktown Heights, NY,USA. New York,NY,USA: ACM,2008.

歐陽新志，南京理工大學計算機科學及應用專業(yè)畢業(yè)，現(xiàn)就職于中興通訊業(yè)務(wù)研究院消息類產(chǎn)品研發(fā)總工；主要研究業(yè)務(wù)運營&融合業(yè)務(wù)云，曾從事語音、短信、WAP等項目的研發(fā)和市場方案推廣工作，對移動增值業(yè)務(wù)和互聯(lián)網(wǎng)業(yè)務(wù)有多年的了解和研究。