在提供數(shù)據(jù)強(qiáng)一致性保障的分布式對(duì)象存儲(chǔ)系統(tǒng)中,其I/O并行性受到系統(tǒng)I/O調(diào)度算法（主副本優(yōu)先調(diào)度）的限制。本文提出了一種簡(jiǎn)單高效的I/O調(diào)度策略,其基于多副本的主從模型,可在保障強(qiáng)一致性的同時(shí)充分挖掘I/O并行空間。其包括如下3個(gè)主要步驟:第一,I/O請(qǐng)求被發(fā)送至主副本節(jié)點(diǎn)進(jìn)行負(fù)載合并;第二,這些請(qǐng)求被送至數(shù)據(jù)相關(guān)性檢測(cè)器根據(jù)相關(guān)性分配優(yōu)先級(jí);第三,根據(jù)I/O優(yōu)先級(jí)及負(fù)載分布,將I/O請(qǐng)求盡可能均衡地轉(zhuǎn)發(fā)至各副本節(jié)點(diǎn)上并行處理。本文實(shí)現(xiàn)了一個(gè)分布式對(duì)象存儲(chǔ)系統(tǒng)原型用于驗(yàn)證該策略的有效性。實(shí)驗(yàn)分別對(duì)本文策略的各個(gè)環(huán)節(jié)進(jìn)行了評(píng)估,實(shí)驗(yàn)結(jié)果表明,較主副本優(yōu)先調(diào)度策略,本文策略使得GET請(qǐng)求吞吐量最大提升41.8%,GET請(qǐng)求平均延遲最大降低42.5%,GET請(qǐng)求99.9^th延遲最大降低15.8倍,這使得系統(tǒng)性能達(dá)到最終一致性下基準(zhǔn)調(diào)度策略C3的水平。 

【文章來源】：高技術(shù)通訊. 2020,30(02)北大核心

【文章頁數(shù)】：11 頁

【部分圖文】：

負(fù)載合并效果

本文策略有助于提高分布式對(duì)象存儲(chǔ)系統(tǒng)的資源利用率。如圖6所示,在不同GET請(qǐng)求并發(fā)度下,利用本文多副本調(diào)度算法的分布式對(duì)象存儲(chǔ)系統(tǒng)表現(xiàn)出良好的GET請(qǐng)求吞吐量。隨著GET請(qǐng)求并發(fā)度的不斷提高,4種算法均提高了整體GET吞吐量,但是,MAIN遠(yuǎn)未達(dá)到系統(tǒng)吞吐量上限,RANDOM在較高并發(fā)度下接近了系統(tǒng)吞吐量上限,C3和本文-負(fù)載合并在并發(fā)度達(dá)到64后達(dá)到了系統(tǒng)上限,而本文策略較本文-負(fù)載合并進(jìn)一步提高了系統(tǒng)吞吐量,說明負(fù)載合并效果帶來了明顯的收益。在并發(fā)度為64時(shí),本文策略所產(chǎn)生的GET請(qǐng)求吞吐率較MAIN提高了41.8%,較RANDOM提高了29.1%,較C3提高了6.4%。這說明,本文策略的負(fù)載均衡效果明顯優(yōu)于其他基準(zhǔn)算法。本文策略有助于降低GET請(qǐng)求平均延遲。如圖7所示,在不同GET請(qǐng)求并發(fā)度下,尤其是隨著并發(fā)度的提高,利用本文策略下所得的GET平均處理延遲明顯低于其他策略。并發(fā)度為64時(shí),本文策略較其他策略優(yōu)勢(shì)最明顯,其GET請(qǐng)求平均延遲較MAIN降低了42.5%,較RANDOM降低了29.7%,與C3基本持平。

本文策略有助于降低GET請(qǐng)求平均延遲。如圖7所示,在不同GET請(qǐng)求并發(fā)度下,尤其是隨著并發(fā)度的提高,利用本文策略下所得的GET平均處理延遲明顯低于其他策略。并發(fā)度為64時(shí),本文策略較其他策略優(yōu)勢(shì)最明顯,其GET請(qǐng)求平均延遲較MAIN降低了42.5%,較RANDOM降低了29.7%,與C3基本持平。本文策略有助于降低GET請(qǐng)求延遲分布的波動(dòng)狀態(tài)。如圖8所示,在不同GET請(qǐng)求并發(fā)度下,利用本文策略所得的GET請(qǐng)求99.9th延遲明顯低于其他策略。當(dāng)I/O并發(fā)度達(dá)到256時(shí),本文策略效果的優(yōu)勢(shì)最為顯著,其99.9百分位延遲較MAIN策略降低了10.3倍,較RANDOM策略降低了15.8倍,與C3基本持平。這說明,本文策略有助于提供可靠的、可預(yù)測(cè)的I/O服務(wù)。如圖9所示,在不同GET請(qǐng)求并發(fā)度下,本文策略可以有效地保障延遲分布的平穩(wěn)。


本文編號(hào)：3054111