[发明专利]时延可预测的NVMe存储虚拟化方法和系统

说明书

本发明提供了一种时延可预测的NVMe存储虚拟化方法和系统，包括：步骤1：输入虚拟机类型和延时指标；步骤2：分配物理列队，计算限流阈值；步骤3：负载运行一个周期，限制非延时敏感虚拟机I/O，收集性能数据；步骤4：根据性能数据进行物理列队重分配；步骤5：判断延时指标是否达标，若达标则执行步骤6，若没有达标则执行步骤7；步骤6：调整限流阈值；步骤7：判断负载是否结束，若没有结束则返回步骤3继续执行。本发明有效解决了现有NVMe虚拟化方法存在的隔离性不足缺陷，在复杂云环境中可以有效减少运行在线负载的延时敏感虚拟机的性能受其他虚拟机负载的干扰情况，为其提供上界可预测的延时表现。

技术领域

本发明涉及存储虚拟化技术领域，具体地，涉及一种时延可预测的NVMe存储虚拟化方法和系统。

背景技术

随着存储虚拟化技术的发展，主流云服务商们提供的NVMe云存储服务或产品基本都具备接近原生的性能，包括吞吐量、延时和尾延时等等。因此，性能可预测性将成为他们的竞争力的决定性因素。可预测性这一概念是对隔离性的推广，它表征的是性能的可度量性，即确定的性能范围。它不如隔离性严格，但比隔离性更加实用，因为隔离需要以超额配给为代价，其收益往往与投入不成正比。对于大多数商业线上应用而言，可预测性便足以满足它们对于性能稳定性的要求。而毫无疑问，稳定性是用户对云服务最关键的需求。在实际生产环境中，任何性能抖动都极有可能会造成直接的经济损失，所以如果云服务供应商不能按照约定提供足够稳定的交付，租户可能会拒绝支付相应费用。同时，可预测的性能还能够吸引更多对性能有苛刻要求的服务上云，为云计算的发展带来新的动力。

然而，现有的NVMe虚拟化栈并不具备保障这种可预测性的能力。当多个虚拟机共享同一块物理磁盘时，尽管每个虚拟机都有独占一块虚拟磁盘的错觉，但事实上这些虚拟磁盘都具备独立访问物理磁盘的能力，从而会对其他虚拟磁盘的性能产生干扰，尤其是在各虚拟机负载不均衡时，这种干扰可能导致数倍的性能恶化。考虑到这一缺陷，将可预测性引入到当前的NVMe虚拟化软件栈的设计中。这意味着关注的虚拟机总是可以获得固定的性能分配，不受其他虚拟机的干扰。分配额应该在系统初始化时确定，只有当相关租户意识到可能的后果并最终同意时才能更改。当然，可预测性是以整个系统吞吐量的牺牲为代价的，因此，本发明设计将会基于工业界中的一个普遍设定：对延时敏感的高优先级虚拟机往往和另外一些低实时性要求的运行离线重负载的虚拟机运行在相同的硬件环境下，以提高整个系统的物理资源利用率。本发明主要目标就是保障对延时敏感的虚拟机的延时可预测性，将在确定的系统设置下为这些虚拟机内的I/O负载的延迟提供一个上界，并基于实时微积分证明该上界的有效性，而系统整体的吞吐量则在一定程度上可以被适当牺牲。

专利文献CN104363159A(申请号：CN201410724630.3)公开了一种基于软件定义网络的开放虚拟网络构建系统，包括网络拓扑信息探测模块、网络性能探测模块、网络资源整合模块、网络资源呈现模块、用户虚拟节点选择模块、虚拟网络管理模块、网络资源虚拟化模块、主机资源虚拟化模块和用户交互界面模块；一种基于软件定义网络的开放虚拟网络构建方法，包括步骤：(1)用户登录开放虚拟网络构建系统；(2)系统收集网络资源信息并向用户进行直观显示；(3)用户为特定业务进行资源的发现，并提出服务请求；(4)系统向用户提供虚拟网络定制服务。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种时延可预测的NVMe存储虚拟化方法和系统。

根据本发明提供的时延可预测的NVMe存储虚拟化方法，包括：

步骤1：输入虚拟机类型和延时指标；

步骤2：分配物理列队，计算限流阈值；

步骤3：负载运行一个周期，限制非延时敏感虚拟机I/O，收集性能数据；

步骤4：根据性能数据进行物理列队重分配；

步骤5：判断延时指标是否达标，若达标则执行步骤6，若没有达标则执行步骤7；