CUNG cấp tài NGUYÊN CHO DỊCH vụ ảo hóa dựa TRÊN nền TẢNG máy CHỦ CHIA sẻ TRONG TÍNH TOÁN đám mây

B® GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HOC ĐÀ NȀNG
***

PHẠM NGUYEN MINH NHỰT

CUNG CAP TÀI NGUYÊN CHO D±CH VỤ ẢO HÓA
DỰA TRÊN NEN TẢNG MÁY CHỦ CHIA SẺ
TRONG TÍNH TỐN ĐÁM MÂY

LU N ÁN TIEN SĨ KỸ THU T

ĐÀ NȀNG, 2018


B® GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HOC ĐÀ NȀNG
***

PHẠM NGUYEN MINH NHỰT

CUNG CAP TÀI NGUYÊN CHO D±CH VỤ ẢO HÓA
DỰA TRÊN NEN TẢNG MÁY CHỦ CHIA SẺ
TRONG TÍNH TỐN ĐÁM MÂY

CHUYÊN NGÀNH: KHOA HOC MÁY TÍNH
MÃ SO: 62.48.01.01

LU N ÁN TIEN SĨ KỸ THU T

Ngư i hư ng dȁn khoa hoc:

1. PGS. TS. LÊ VĂN SƠN
2. PGS. TS. ĐOÀN VĂN BAN

ĐÀ NȀNG, 2018


L I CAM ĐOAN
Tôi xin cam đoan: Lu n án này là cơng trình nghiên cáu thực sự của cá nhân
tôi, được thực hi n tại Trường Đại hoc Bách khoa, Đại hoc Đà Nȁng dưới sự hướng
dan khoa hoc của PGS.TS. Lê Văn Sơn và PGS.TS. Đoàn Văn Ban.
Các ket quả, nhǎng ket lu n nghiên cáu được trình bày trong lu n án này là trung
thực và chưa tàng được cơng bo ở bat kỳ cơng trình nào của tác giả khác.
Tôi xin chịu trách nhi m ve nhǎng lời cam đoan của tôi.
Nghiên cáu sinh

Phạm Nguyen Minh Nhựt

iii


L I CẢM ƠN
Lu n án "Cung cap tài nguyên cho d ch vi ao hóa dta trên nen tang
máy chi chia sé trong tính tốn đám mây " được hồn thành dưới sự hướng
dan t n tình, cùng nhǎng yêu cau nghiên cáu nghiêm túc của PGS.TS. Lê Văn Sơn
và PGS.TS. Đoàn Văn Ban. Các Thay đã truyen đạt nhieu kien thác chuyên môn
quý báu cũng như nhǎng kinh nghi m nghiên cáu khoa hoc trong thời gian nghiên cáu
đe viet lu n án này. Tôi xin được bày tỏ lịng biet ơn chân thành và sự kính trong
sâu sac đoi với các Thay.
Đe hoàn thành lu n án này, tôi cũng đã tiep nh n được nhǎng kien thác quý giá,
sự đóng góp ý kien và quan tâm chân tình tà q Thay, Cơ trong Khoa Cơng ngh

Thơng tin, Trường Đại hoc Bách khoa Đà Nȁng. Quý Thay, Cô đã tạo moi đieu ki n
thu n lợi cho quá trình hoc t p, nghiên cáu khoa hoc, tham gia h®i thảo và trao đői
chun mơn, tiep xúc với chuyên gia. Tôi xin chân thành cảm ơn sự quan tâm, đ®ng
viên và sự ho trợ nhi t tình tat cả quý Thay, Cô.
Xin chân thành cảm ơn các tác giả ve nhǎng tài li u, bài báo và các cơng bo nghiên
cáu khoa hoc mà tơi có sả dụng tham khảo, trích dan trong đe tài nghiên cáu này.
Tơi xin cảm ơn bạn bè, đong nghi p đã có nhieu đ®ng viên và đóng góp ý kien đe lu n
án được hoàn chỉnh.
Nghiên cáu sinh

Phạm Nguyen Minh Nhựt


DANH MỤC VIET TAT
Viet tat

Dạng đay đủ

API

Application Programming In-

Dien giải ý nghĩa
Giao di n l p trình áng dụng.

terface.
Ant Colony Optimization.

Toi ưu đàn kien.

Ant System.

H kien.

ACS

Ant Colony System.

H đàn kien.

BW

BandWidth.

Băng thông.

BWAS

Best-Worst Ant System.

H kien Best-Worst.

CPU

Center Processing Unit.

Đơn vị xả lý trung tâm.

CIS

Cloud Information Service.

Dịch vụ thông tin đám

DC

Data Center

mây. Trung tâm dǎ li u.

Energy Consumption Resource

Cung cap tài nguyên với mục

Allocation for Virtual Services.

tiêu ràng bu®c năng lượng

ACO
AS

ECRAVS

tiêu thụ cho dịch vụ ảo hóa.
FFD

Firt Fit Decreasing.

Thu t tốn Firt Fit Decreasing

GA

Genetic Algorithm.

Thu t toán Di truyen.

HaaS

Hardware as a Service.

Phan cáng như m®t dịch vụ.

IaaS

Infrastructure as a Service.

Cơ sở hạ tang như m®t dịch

I/O

Input/Output.

vụ. Thiet bị vào/ra.

MDRAVS

Multi-Dimensional

Resource

Cung cap tài nguyên đa chieu

Allocation for Virtual Services.

cho dịch vụ ảo hóa.

MMAS

Max-Min Ant System.

H kien Max-Min.

MORA

Multi-Objective Resource Al-

Cung cap tài nguyên đa mục

location.

tiêu.

NSDV

Năng suat dịch vụ.

Năng suat dịch

OS

Operation System.

vụ. H đieu hành.

PSO

Particle Swarm Optimization.

Toi ưu bay đàn.

PaaS

Platform as a Service.

Nen tảng như m®t dịch vụ.

PM

Physical Machine.

Máy v t lý.

RBAS

Rank-Based Ant System.

H kien Rank-Based.

RAM

Random Access Memory.

B® nhớ truy xuat ngau nhiên.

RaaS

Resource as a Service.

Tài nguyên như m®t dịch vụ.

Viet tat

Dạng đay đủ

Dien giải ý nghĩa


SaaS

Software as a Service.

Phan mem như m®t dịch vụ.

QoS

Quality of Service.

Chat lượng dịch vụ.

SLA

Service Level Agreement.

Thỏa thu n mác dịch vụ.

SA

Simulated Annealing.

Mơ phỏng luy n kim.

VM

Virtual Machine.

Máy ảo.

VMM

Virtual Machine Manager.

B® giám sát máy ảo.

VMCS

Virtual

Cau trúc giám sát máy ảo.

Structure.

Machine

Control


DANH MỤC CÁC KÝ HI U
Ký hi u
VS

Dien giải ý nghĩa
T p các dịch vụ ảo hóa.

i

Dịch vụ ảo hóa thá i.

N

So lượng dịch vụ ảo hóa.

PM

T p các máy v t lý.

j

Máy v t lý thá j.

M

So lượng máy v t lý.

D

T p các loại tài nguyên.

D

So loại tài nguyên.

rik

Nhu cau tài nguyên của dịch vụ ảo hóa thá i với loại tài nguyên
k.

Q+
R
xij

T p so hǎu t dương.
T p so thực.
Bien nhị phân, có giá trị 1 neu dịch vụ ảo hóa i được cap tài
nguyên tà máy v t lý j và bang 0 neu ngược lại.

aik

Bien nhị phân, có giá trị 1 neu rik là m®t nhu cau tat yeu, bang
0 neu rik là m®t nhu cau tùy bien.

bij

Năng suat dịch vụ của dịch vụ ảo hóa i trên máy v t lý j.

yj

Bien nhị phân, có giá trị 1 neu máy v t lý j được sả dụng đe
cung cap tài nguyên cho các dịch vụ ảo hóa và có giá trị 0 neu
ngược lại.

pij

Xác suat đe con kien chon m®t dịch vụ ảo hóa i như là dịch
vụ ke tiep đe được cung cap tài nguyên tà máy v t lý j hi n
hành.

τij

V t mùi đe con kien dựa vào đó chon dịch vụ ảo hóa i như là
dịch vụ ảo hóa ke tiep đe được cung cap tài nguyên tà máy v t
lý hi n hành j.

τijmax

V t mùi cực đại.

τijmin
α, β

V t mùi cực tieu.

VStemp

H so nham làm női b t mùi và thông tin heuristic.
T p các dịch vụ ảo hóa h®i đủ đieu ki n sě được chon đe được
cung cap tài nguyên tà máy v t lý hi n hành j.

Ký hi u

Dien giải ý nghĩa


Vector nhu cau tat yeu của dịch vụ ảo hóa i.

ri∗
ri∗∗

Vector nhu cau tùy bien của dịch vụ ảo hóa i.

Loadj

Tải của máy v t lý hi n hành j.

Cj

Vector năng lực tài nguyên của máy v t lý j.

ηij

Thông tin heuristic.

Tőng mùi tăng cường được sinh ra tà con kien có giải pháp tot

∆τbest
ij

nhat của lan l p.
ρ

Đ® bay hơi của v t mùi.

BINARY
eij

nA

best

f (S

)

Sbest
pbest
Sbest−vong−lap

Ma tr n lưu các giải pháp.
Bieu dien ánh xạ tà dịch vụ ảo hóa i đen các máy v t lý j.
Hàm tính giải pháp tot nhat.
Giải pháp tot nhat.
Tham so đieu chỉnh biên của v t mùi.

Giải pháp tot nhat vòng l p.

Sbest−toan−cuc Giải pháp tot nhat tồn cục.
P (numLoop) Xác suat tìm thay giải pháp của thu t toán H kien Max-Min
sau numLoop bước l p.
Ce
e
cjk

Ca
a
cjk

Re
Ra
reik
raik
Fe
f eik
Fa
a
f ik

Vector tài nguyên thành phan.
Phan tả đơn lẻ của loại tài nguyên k trên máy v t lý j.
Vector tài nguyên tőng hợp.
Phan tả tőng hợp của loại tài nguyên k trên máy v t lý j.
Vector nhu cau tài nguyên tat yeu thành phan.
Vector nhu cau tài nguyên tat yeu tőng hợp.
Phan tả nhu cau tat yeu thành phan loại tài nguyên k của dịch

vụ ảo hóa i.
Phan tả nhu cau tat yeu tőng hợp loại tài nguyên k của dịch
vụ ảo hóa i.
Vector nhu cau tùy bien thành phan.
Phan tả nhu cau tùy bien thành phan đoi với loại tài nguyên k
của dịch vụ ảo hóa i.
Vector nhu cau tài nguyên tùy bien tőng hợp.
Phan tả nhu cau tài nguyên tùy bien tőng hợp đoi với loại tài
nguyên k của dịch vụ ảo hóa i.

Q

Vector h so bő sung.

qij

H so bő sung nhu cau tùy bien của dịch vụ ảo hóa i đoi với
máy v t lý j.

Ký hi u

Dien giải ý nghĩa


Pj(uj)
j
Pmax

P idle
j

uj

Đi n năng tiêu thụ tại máy v t lý j.
Công suat của máy v t lý j tương áng ở trạng thái sả dụng
ti n ích tài nguyên toi đa.
Công suat của máy v t lý j tương áng ở trạng thái trạng thái
khơng hoạt đ®ng.
Tőng ti n ích sả dụng của tat cả các loại tài nguyên trên máy
v t lý j.

E(t)

Năng lượng tiêu thụ của M máy v t lý khi cung cap tài nguyên
cho N dịch vụ ảo hóa trong khoảng thời gian ∆t.

Vp

V n toc của partical.

Xp

Vị trí của partical.

t
Fijk

Tőng tài nguyên loại k mà dịch vụ ảo hóa i được cung cap tài
nguyên tà máy v t lý j.

FjPSO

E FFD
E

Làm thích nghi của partical.
Năng lượng tiêu thụ của h thong khi sả dụng thu t toán
FFD. Năng lượng tiêu thụ của h thong khi sả dụng thu t
toán ECRAVS-PSO hay thu t toán ECRAVS-SA.
Tài nguyên còn lại của máy v t lý j khi cung cap tài nguyên

∗

cho dịch vụ ảo hóa.
Rj

Giá trị tài ngun trung bình cịn lại của tat cả các máy v t
lý.

R

Năng lượng tiêu thụ của giải pháp s0.
Đ® l ch chuȁn của giải pháp s0.

E(s0)

Thông tin heuristic cho mục tiêu cân bang tải.

σ(s )

Thông tin heuristic cho mục tiêu toi thieu năng lượng tiêu thụ.

ηijσ
ηijE

Năng lượng tiêu thụ tương áng với giải pháp tot nhat tồn

0

E(sbest)
σ(sbest)
ERoundRobin

cục. Đ® l nh chuȁn tương áng với giải pháp tot nhat toàn
cục.
Năng lượng tiêu thụ của h thong khi sả dụng thu t toán
RoundRobin.
Năng lượng tiêu thụ của h thong khi sả dụng thu t toán
MORA − ACS.

E

MORA−ACS


MỤC LỤC
L i cam đoan
L i cảm ơn
Danh mnc viet tat
Danh mnc các ký hi u
Mnc lnc
Danh mnc bảng, bieu

Danh mnc hình vẽ
M đau
Chương 1. Tong quan và đe xuat bài tốn cung cap tài ngun cho

i
ii
iii
v
viii
xi
xii
1

dịch vn ảo hóa
6
1.1 H thong tính tốn đám mây...................................................................6
1.1.1 Đ c điem của h thong tính tốn đám mây...................................7
1.1.2 Mơ hình dịch vụ của h thong tính tốn đám mây.............................7
1.1.3 Mơ hình trien khai của h thong tính tốn đám mây.........................9
1.2 u cau và thách thác của h thong tính tốn đám mây.............................10
1.2.1 u cau của m®t h thong tính tốn đám mây.................................10
1.2.2 Thách thác của m®t h thong tính tốn đám mây............................11
1.3 Máy ảo..................................................................................................................12
1.4 Cơng ngh ảo hóa............................................................................................13
1.4.1 Ảo hóa máy chủ..................................................................................13
1.4.2 Ảo hóa tích hợp.......................................................................................14
1.5 Cơng cụ mơ phỏng h thong tính tốn đám mây.........................................15
1.5.1 Khảo sát các cơng cụ mơ phỏng............................................................15
1.5.2 Công cụ mô phỏng CloudSim.............................................................17
1.6 Cung cap tài nguyên trong h thong tính tốn đám mây.............................19

1.6.1 Mơ hình cung cap tài nguyên.................................................................19
1.6.2 Cung cap áng dụng..............................................................................20
1.6.3 Cung cap máy ảo.................................................................................21
1.6.4 Cung cap tài nguyên v t lý..........................................................23
1.7 Các nghiên cáu liên quan đen cung cap tài nguyên cho dịch vụ ảo hóa . 24
1.7.1 Mơ hình h thong cung cap tài ngun cho dịch vụ ảo hóa.............24
1.7.2 Mơ hình cung cap tài nguyên cho dịch vụ ảo hóa với mục tiêu
1.7.3

toi thieu so lượng máy v t lý được dùng..........................................25
Mơ hình cung cap tài ngun cho dịch vụ ảo hóa với mục tiêu
toi thieu năng lượng tiêu thụ.................................................................26


1.7.4

Mơ hình cung cap tài ngun cho dịch vụ ảo hóa với mục tiêu

cân bang tải..........................................................................................27
1.8 Mục tiêu và n®i dung của lu n án...................................................................28
1.8.1 Mục tiêu nghiên cáu của lu n án........................................................28
1.8.2 N®i dung nghiên cáu của lu n án.......................................................28
1.9 Tieu ket Chương 1..............................................................................................30
Chương 2. Cung cap tài nguyên cho dịch vn ảo hóa tfi nen tảng máy
chủ chia sẻ đong nhat
32
2.1 Mơ hình tài ngun và nhu cau tài nguyên....................................................32
2.2 Bài toán MDRAVS..................................................................................33
2.2.1 Phát bieu bài toán MDRAVS........................................................33
2.2.2 Đ® phác tạp bài tốn MDRAVS.........................................................35

2.3 Đe xuat giải pháp cho bài toán MDRAVS......................................................36
2.3.1 Giải pháp áp dụng các thu t toán First Fit và Best Fit..................36
2.3.2 Giải pháp dựa trên thu n toán Toi ưu đàn kien...............................39
2.3.2.1 Giới thi u thu n toán Toi ưu đàn kien...............................39
2.3.2.2 Đe xuat thu t toán MDRAVS-MMAS...............................41
2.3.3 Thực nghi m và nh n xét..............................................................46
2.3.3.1 Phương pháp mô phỏng.........................................................46
2.3.3.2 Nh n xét ket quả thực nghi m các thu t toán First
2.3.3.3

Fit*, Best Fit*..................................................................47
Nh n xét ket quả thực nghi m các thu t toán MDRAVSMMAS, First Fit* và Best Fit*

49
2.4 Tieu ket Chương 2..............................................................................................52
Chương 3. Cung cap tài nguyên cho dịch vn ảo hóa tfi nen tảng máy
chủ
3.1
3.2
3.3
3.4

chia sẻ khơng đong nhat
54
Mơ hình tài ngun và nhu cau tài ngun....................................................54
Mơ hình năng lượng tiêu thụ.............................................................................57
Phát bieu bài toán ECRAVS....................................................................58
Đe xuat giải pháp cho bài toán ECRAVS..................................................59
3.4.1 Giải pháp dựa trên thu t toán Toi ưu bay đàn...............................59
3.4.1.1 Giới thi u thu t toán Toi ưu bay đàn.................................59

3.4.1.2 Đe xuat thu t toán ECRAVS-PSO..................................60
3.4.2 Giải pháp dựa trên thu t tốn Mơ phóng luy n kim.......................67
3.4.2.1 Giới thi u thu t tốn Mơ phóng luy n kim........................67
3.4.2.2 Đe xuat thu t toán ECRAVS-SA....................................68
3.4.3 Thực nghi m và nh n xét..............................................................72
3.4.3.1 Phương pháp mô phỏng.........................................................72


3.4.3.2

Đ c điem của các thu t toán FFD, ECRAVS-PSO và
ECRAVS-SA..................................................................74
3.4.3.3 Ket quả và nh n xét.......................................................76
3.5 Tieu ket Chương 3...............................................................................................78
Chương 4. Cung cap tài nguyên đa mnc tiêu cho dịch vn ảo hóa tfi
nen
4.1
4.2
4.3

tảng máy chủ chia sẻ khơng đong nhat
Mơ hình cân bang tải . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Phát bieu bài toán MORA . . . . . . . . . . . . . . . . . . . . . . . . .
Giải pháp cho bài toán MORA . . . . . . . . . . . . . . . . . . . . . .
4.3.1 Phương pháp toi ưu Pareto . . . . . . . . . . . . . . . . . . . .
4.3.2 Đe xuat thu t toán MORA-ACS . . . . . . . . . . . . . . . . .
4.3.3 Thực nghi m và nh n xét . . . . . . . . . . . . . . . . . . . . .
4.3.3.1 Phương pháp mô phỏng . . . . . . . . . . . . . . . . .
4.3.3.2 Đ c điem của thu t toán Round Robin và MORA-ACS
4.3.3.3 Ket quả thực nghi m và nh n xét . . . . . . . . . . . .

4.4 Tieu ket Chương 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Ket lu n và hư ng phát trien
Danh mnc các cơng trình của tác giả liên quan đen lu n án
Tài li u tham khảo

80
80
82
84
84
85
90
90
92
93
95
96
99
100


DANH MỤC BẢNG, BIEU
1.1 Đ c tính của m®t so cơng cụ mơ phỏng h thong tính tốn đám mây
tiêu bieu................................................................................................................17
2.1 so lượng máy v t lý đã sả dụng khi thực hi n các thu t toán First Fit*,
Best Fit*........................................................................................................47
2.2 Thời gian thực hi n các thu t toán First Fit*, Best Fit*............................48
2.3 so lượng máy v t lý đã sả dụng khi thực hi n thu t toán MDRAVSMMAS và các thu t toán khác.
50
2.4 Thời gian thực hi n của thu t toán MDRAVS-MMAS và các thu t tốn

3.1
3.2
3.3
3.4

khác.......................................................................................................................51
Đ c tính cau hình tài ngun của các loại máy v t lý...............................73
Đ c tính nhu cau tài nguyên CPU và RAM của các loại máy ảo...............73
Đ c tính nhu cau tài nguyên BW và DISK của các loại máy ảo.................73
Ket quả thực nghi m của các thu t toán ECRAVS-PSO, ECRAVS-SA

và FFD.......................................................................................................76
4.1 Năng lượng tiêu thụ và đ® l ch chuȁn của các thu t tốn MORA-ACS
và Round Robin.............................................................................................93


DANH MỤC HÌNH VẼ
1.1
1.2
1.3
1.4
1.5

Kien trúc ảo hóa máy chủ [107].........................................................................14
Kien trúc ảo hóa tích hợp [27]...........................................................................15
Các thành phan của cơng cụ mơ phỏng CloudSim [14]..................................18
Mơ hình cung cap tài ngun trong h thong tính tốn đám mây...............20
Mơ hình cung cap tài nguyên cho dịch vụ ảo hóa tà nen tảng máy chủ

chia sẻ...................................................................................................................24

2.1 Mục tiêu toi thieu so lượng máy v t lý được dùng khi cung cap tài
nguyên cho dịch vụ ảo hóa.
36
2.2 Cau trúc t p tin dǎ li u thực nghi m.......................................................47
2.3 Đo thị bieu dien so lượng máy v t lý đã sả dụng khi thực hi n các thu t
toán First Fit*, Best Fit*...........................................................................48
2.4 Đo thị bieu dien thời gian thực hi n các thu t toán First Fit*, Best Fit*. 49
2.5 Đo thị bieu dien so lượng máy v t lý đã sả dụng khi thực hi n thu t
toán MDRAVS-MMAS và các thu t toán khác.........................................51
2.6 Đo thị bieu dien thời gian thực hi n thu t toán MDRAVS-MMAS và
các thu t toán khác..........................................................................................52
3.1 Tài nguyên của 2 máy v t lý và nhu cau tài nguyên của 1 dịch vụ ảo hóa. 56
3.2 Cau trúc của particle
62
3.3 Đo thị bieu dien thời gian thực hi n các thu t toán ECRAVS-PSO,
ECRAVS-SA và FFD
76
3.4 Đo thị bieu dien năng lượng tiêu thụ khi thực hi n các thu t toán
ECRAVS-PSO, ECRAVS-SA và FFD.......................................................77
4.1 Mục tiêu cân bang tải khi cung cap tài nguyên cho dịch vụ ảo hóa.............83
4.2 Bieu dien các giải pháp trong khơng gian giải pháp của bài tốn toi ưu
02 mục tiêu..........................................................................................................84
4.3 Bieu dien đường cong Pareto trong không gian giải pháp của bài toán
toi ưu 02 mục tiêu...............................................................................................85
4.4 Đo thị bieu dien năng lượng tiêu thụ khi thực hi n thu t toán MORAACS và Round Robin..................................................................................94
4.5 Đo thị bieu dien đ® l ch chuȁn khi thực hi n thu t toán MORA-ACS
và Round Robin.............................................................................................94


M ĐAU

1. Lý do chon đe tài
Mơ hình tính tốn đám mây (Cloud Computing) phát trien dựa trên ket quả vi c
thích áng của Internet cũng như nhǎng phát trien cơng ngh trong các lĩnh vực: tính
tốn lưới (Grid Computing), tính tốn cụm (Cluster Computing), tính tốn ti n ích
(Utility Computing) và tính tốn tự đ®ng (Automatic Computing). Mục đích của các
h thong này là tạo ra m®t nen tảng tính tốn hi u quả, sả dụng chung các tài ngun
máy tính được tích hợp thơng qua các thiet bị phan cáng, mạng và phan mem nham
nâng cao hi u suat, khả năng chịu loi, đảm bảo tính sȁn sàng ve tài ngun tà các
máy tính đơn lẻ.
Bên cạnh đó, sự phát trien cơng ngh ảo hóa (Virtualization Technology) giúp cho
q trình trien khai h thong tính tốn đám mây trở nên de dàng. Trong kien trúc
phân tang của công ngh ảo hóa, tang ảo hóa có khả năng phân chia ho c ket hợp tài
nguyên của nhieu máy chủ v t lý ở tang bên dưới thành các máy ảo đe cung cap cho
các nhu cau khác nhau trong đám mây. H thong gom nhieu máy v t lý được ket noi
với nhau qua các thiet bị mạng đe chia sẻ tài nguyên, nham cung cap cho dịch vụ ảo
hóa được goi là nen tảng máy chủ chia sẻ (Shared Hosting Platform).
Nhǎng đ c điem của h thong tính tốn đám mây, như: tính linh hoạt, khả năng
truy c p mạng di n r®ng, khả năng tőng hợp tài nguyên, dịch vụ cung cap tự đ®ng
theo nhu cau và có khả năng đo lường,... đã đem lại nhieu lợi ích cho người dùng và
thu n lợi cho nhà cung cap dịch vụ trên đám mây. Tuy nhiên, nhǎng thách thác trong
vi c toi ưu h thong can được quan tâm nghiên cáu, như: tiet ki m tài nguyên và năng
lượng tiêu thụ trong cung cap tài nguyên, toi ưu các mơ hình chi phí, khả năng
cân bang tải,... là nhǎng chủ đe nghiên cáu quan trong. Đ c bi t, nhu cau sả dụng
các máy v t lý (Physical Machine) đe cung cap tài nguyên cho dịch vụ ảo hóa
(Virtual Service) tại các trung tâm dǎ li u (Data Center) ngày càng tăng. Đieu này,
dan đen vi c sả dụng tài nguyên các máy v t lý trong các trung tâm dǎ li u tăng,
làm tăng năng lượng tiêu thụ và lượng khí thải CO2, có the trở thành moi đe doa
đoi với mơi trường song.
Vì the, toi ưu trong cung cap tài nguyên máy v t lý cho dịch vụ ảo hóa tà nen
tảng máy chủ chia sẻ tại các trung tâm dǎ li u, đáp áng nhu cau ve chat lượng dịch

15


vụ, khả năng cân bang tải và giảm thieu toi đa sả dụng tài nguyên v t lý, năng
lượng tiêu thụ là can thiet. Đó cũng là mục đích chính của đe tài: "Cung cap tài
nguyên cho d ch vi ao hóa dta trên nen tang máy chi chia sé trong tính
tốn đám mây ".
Hơn nǎa, cung cap tài ngun cho dịch vụ ảo hóa là bài tốn toi ưu tő hợp
(Combinatorial Optimization Problem), thu®c lớp bài tốn NP-đay đủ. Các thu t
toán đe giải lớp bài toán này được chia thành 02 nhóm [53]: các thu t tốn chính xác
(Exact Algorithms) và các thu t toán xap xỉ (Approximation Algorithms). Các thu t
tốn chính xác có the tìm được lời giải toi ưu nhưng thời gian tính tốn rat lớn.
Ngược lại, các thu t tốn xap xỉ có the thực hi n trong thời gian cho chép và lời
giải đạt gan toi ưu. Hi n nay, các thu t toán xap xỉ người ta thường dùng các tiep
c n: (1) tìm kiem heuristic đe tìm lời giải đủ tot; (2) tìm kiem cục b® đe tìm lời
giải toi ưu địa phương; (3) tìm lời giải gan đúng nhờ các thu t tốn mơ phỏng tự
nhiên (Meta heuristic). Trong đó, cách tiep c n (1) và (2) cho lời giải nhanh nhưng
không cải thi n thêm mục tiêu toi ưu. Vì the, lu n án nghiên cáu cách tiep c n (3), đe
xuat các thu t toán Meta heuristic đe giải bài toán đưa ra trong lu n án.

2. Đoi tư ng và phạm vi nghiên cfíu
Cung cap tài nguyên trong h thong tính tốn đám mây có the được phân thành
03 lớp bài toán: bài toán cung cap áng dụng, bài toán cung cap máy ảo và bài toán
cung cap tài nguyên v t lý (máy v t lý) cho dịch vụ ảo hóa đe tạo ra các máy ảo cung
cap cho đám mây. Các lớp bài toán này liên quan đen các đoi tượng sả dụng các dịch
vụ trên đám mây như: người dùng, nhà cung cap dịch vụ SaaS, nhà cung cap dịch vụ
PaaS và nhà cung cap cap dịch vụ IaaS.
Trong phạm vi và đoi tượng nghiên cáu, lu n án t p trung nghiên cáu mơ hình
cung cap tài ngun máy v¾t lý cho d ch vự ảo hóa đe tạo ra các máy ảo, đáp áng nhu

cau của nhà cung cap dịch vụ IaaS. Nghiên cáu các thu t toán Meta Heuristic, như:
thu t toán Toi ưu bay đàn, thu t toán Toi ưu đàn kien và thu t tốn Mơ phóng luy n
kim nham đe xuat các thu t toán đe giải bài tốn cung cap tài ngun cho dịch vụ ảo
hóa.

3. Phương pháp nghiên cfíu
3.1 Phương pháp nghiên cfíu tài li u
- Tìm kiem, thu th p ve các cơng trình nghiên cáu đã được cơng bo trong các tạp chí, k
yeu h®i thảo, báo cáo khoa hoc, sách đã xuat bản ve lĩnh vực cung cap tài


ngun trong h thong tính tốn đám mây;
- Trên cơ sở các tài li u sưu tâp, thực hi n phân tích, tőng hợp và đe xuat bài tốn
nghiên cáu. Đong thời, dựa trên các tài li u ve thu t toán Toi ưu bay đàn, Toi ưu đàn
kien và Mơ phóng luy n kim đe xuat các thu t tốn cung cap tài ngun cho dịch vụ
ảo hóa tà nen tảng máy chủ chia sẻ trong tính tốn đám mây.

3.2 Phương pháp thfic nghi m khoa hoc
- Tạo và lựa chon dǎ li u thực nghi m;
- Cài đ t và đánh giá các thu t toán đe xuat trên t p dǎ li u thực nghi m. Sả dụng
cơng cụ mơ phỏng h thong tính tốn đám mây CloudSim đe trien khai thả nghi m,
phân tích và đánh giá hi u suat của các thu t toán đe xuat.

4. Ý nghĩa thfic tien
- Xây dựng mơ hình cung cap tài nguyên v t lý cho dịch vụ ảo hóa tà nen tảng máy
chủ chia sẻ đe tạo ra các máy ảo và đe xuat các thu t toán có đ® phác tạp trong
thời gian đa thác đe giải, góp phan nâng cao hi u suat cung cap tài ngun của lớp
dịch vụ IaaS trong h thong tính tốn đám mây.
- Lu n án có the được sả dụng làm tài li u tham khảo cho sinh viên, người đoc quan
tâm ve van đe cung cap tài nguyên cho dịch vụ ảo hóa và nghiên cáu các phương

pháp Meta heuristic, phương pháp xap xỉ đe giải các bài toán toi ưu.

5. Đóng góp chính của lu n án
(1) Dựa trên mơ hình h thong cung cap tài ngun cho dịch vụ ảo hóa của Mark Stillwell
[100] và đ c tính tài nguyên của máy v t lý, nhu cau tài nguyên của dịch vụ ảo hóa
tà [99] trong nen tảng máy chủ chia sẻ đong nhat đe đe xuat mơ hình tốn hoc cho
van đe cung cap tài ngun cho dịch vụ ảo hóa tà nen tảng máy chủ chia sẻ đong
nhat (Homogeneous Shared Hosting Platform) với mục tiêu toi thieu so lượng máy
v¾t lý được dùng. Áp dụng thu t toán H kien Max-Min (Max-Min Ant System- MMAS)
[105], đe xuat thu t toán MDRAVS-MMAS đe ước lượng và so sánh với thu t toán Firt
Fit, Best Fit [63], [72] thơng qua 02 thước đo: so lượng máy v¾t lý can dùng và thời
gian thực hi n thu¾t tốn. Ket quả thực nghi m nh n thay rang: thu t toán đe xuat
MDRAVS-MMAS cho giá trị hàm mục tiêu tot hơn (tác là, so lượng máy v t lý can
dùng ít hơn) thu t tốn First Fit, Best Fit. Đ® phác tạp của thu t tốn đe xuat
thực hi n trong thời gian đa thác.


(2) Dựa trên mơ hình h thong cung cap tài nguyên cho dịch vụ ảo hóa của Mark Stillwell
[100], đ c tính tài nguyên của máy v t lý và nhu cau tài nguyên của dịch vụ ảo
hóa tà [101] trong nen tảng máy chủ chia sẻ không đong nhat cùng với vi c cải
tien mơ hình năng lượng tiêu thụ của Eugen Feller [36] đe đe xuat mơ hình toán hoc
cho van đe cung cap tài nguyên tà nen tảng máy chủ chia sẻ không đong nhat
(Heterogeneous shared hosting platform) với mục tiêu toi thieu năng lượng tiêu thự của
h thong. Cải tien thu t toán Toi ưu bay đàn (Particle Swarm Optimization-PSO)[31]
đe đe xuat thu t toán ECRAVS-PSO và áp dụng thu t tốn Mơ phóng luy n kim
(Simulated Annealing-SA) [59] đe đe xuat thu t toán ECRAVS-SA đe giải bài toán.
Các thu t toán đe xuat được so sánh với thu t toán với thu t toán Firt Fit Decreasing
(FFD) [101] thông qua 02 thước đo: năng lượng tiêu thự và thời gian thực hi n thu¾t
tốn. Ket quả thực nghi m nh n thay rang: 02 thu t toán đe xuat ECRAVS-PSO và
ECRAVS-SA cho giá trị hàm mục tiêu tot hơn (tác là, năng lượng tiêu thụ ít hơn)

thu t tốn FFD. Đ® phác tạp của các thu t toán thực hi n trong thời gian đa thác.
(3) Trên cơ sở mơ hình h thong, mơ hình tài ngun và nhu cau tài ngun của bài
tốn cung cap tài nguyên tà nen tảng máy chủ chia sẻ khơng đong nhat (trong
đóng góp (2)), xây dựng mơ hình tốn hoc cho vi c cung cap tài ngun đa mục
tiêu cho dịch vụ ảo hóa, gom: mục tiêu cân bang tải trên các máy v t lý và mục
tiêu toi thieu năng lượng tiêu thự của h thong. Áp dụng thu t toán H đàn kien
(Ant Colony System - ACS)[28] đe đe xuat thu t toán MORA-ACS nham ước lượng
bài toán và so sánh với thu t toán Round Robin [79] thông qua 03 thước đo: năng
lượng tiêu thự, đ® l ch chuȁn và thời gian thực hi n thu¾t tốn. Ket quả thực nghi
m nh n thay rang: thu t toán đe xuat MORA-ACS cho giá trị hàm mục tiêu tot hơn
(tác là, năng lượng tiêu thụ ít hơn và khả năng cân bang tải tot hơn) thu t tốn
Round Robin. Đ® phác tạp của thu t toán thực hi n trong thời gian đa thác.

7. Bo cnc lu n án
Ngoài phan mở đau và ket lu n, n®i dung của lu n án được tő chác gom có 04
chương với cau trúc như sau:
- Chương 1: Tőng quan và đe xuat bài toán cung cap tài ngun cho d ch vự ảo hóa.
Chương này trình bày ket quả nghiên cáu tőng quan ve các van đe nghiên cáu trong
lu n án. Cụ the: tìm hieu các khái ni m, đ c điem, yêu cau, công ngh và các mơ
hình trong h thong tính tốn đám mây. Thơng qua vi c phân tích, đánh giá các cơng
trình liên quan ve lĩnh vực cung cap tài nguyên trong đám mây, nêu ra m®t so van đe
ton tại và đe xuat n®i dung nghiên cáu. Bên cạnh đó, n®i dung của chương còn


trình bày ket quả đánh giá các cơng cụ mơ phỏng h thong tính tốn đám mây thơng
dụng hi n nay. Qua đó, nh n thay CloudSim là mơi trường phù hợp đe trien khai thực
nghi m mô phỏng nham đánh giá thu t toán giải các bài toán trong phạm vi nghiên
cáu của lu n án.
- Chương 2: Cung cap tài nguyên cho d ch vự ảo hóa tù nen tảng máy chủ chia sé
đong nhat. Dựa trên mô hình h thong cung cap tài nguyên cho dịch vụ ảo hóa do

Mark Stillwell [100] và đ c tính tài nguyên của máy v t lý, nhu cau tài nguyên của
dịch vụ ảo hóa tà [99] trong nen tảng máy chủ chia sẻ đong nhat. Trên cơ sở đó, đe
xuat mơ hình tốn hoc của vi c cung cap tài nguyên đa chieu cho dịch vụ ảo hóa tà
nen tảng máy chủ chia sẻ đong nhat với mục tiêu toi thieu so lượng máy v¾t lý can
dùng. Áp dụng thu t toán First Fit, Best Fit và đe xuat thu t tốn MDRAVS-MMAS
đe giải và đánh giá thơng qua nhieu kịch bản thực nghi m trên dǎ li u được tạo ra
bang phương pháp xác suat ngau nhiên.
- Chương 3: Cung cap tài nguyên cho d ch vự ảo hóa tù nen tảng máy chủ chia sé
không đong nhat. Dựa trên mơ hình h thong cung cap tài ngun cho dịch vụ ảo
hóa do Mark Stillwell [100] đe xuat và đ c tính tài nguyên của máy v t lý, nhu cau
tài nguyên của dịch vụ ảo hóa tà [101] trong nen tảng máy chủ chia sẻ không đong
nhat của. Qua đó, xây dựng mơ hình bài tốn cung cap tài nguyên đa chieu cho
dịch vụ ảo hóa tà nen tảng máy chủ chia sẻ không đong nhat với mục tiêu toi
thieu năng lượng tiêu thự của h thong. Đe xuat thu t toán ECRAVS-PSO và
ECRAVS-SA đe giải. Các thu t tốn được thực thi trên mơi trường mơ phỏng đám
mây CloudSim với dǎ li u thực nghi m được thu th p tà các đám mây thực te.
- Chương 4: Cung cap tài nguyên đa mực tiêu cho d ch vự ảo hóa tù nen tảng máy chủ
chia sé khơng đong nhat. Dựa trên mơ hình h thong, đ c tính tài ngun và nhu cau
tài ngun được trình bày ở Chương 3, chương này đe xuat mơ hình bài toán cung
cap tài nguyên đa mục tiêu cho dịch vụ ảo hóa tà nen tảng máy chủ chia sẻ không
đong nhat. Các mục tiêu toi ưu gom: mục tiêu toi thieu năng lượng tiêu thự và mục
tiêu cân bang tải trên các máy v t lý. Đe xuat thu t tốn MORA-ACS đe giải và
đánh giá trên mơi trường mô phỏng đám mây CloudSim với dǎ li u thực nghi m
được thu th p tà các đám mây thực te.
Các ket quả của lu n án được công bo trong 07 cơng trình khoa hoc được đăng
trong các h®i nghị và tạp chí chun ngành trong và ngồi nước. Trong đó, có 01 bài
đăng trong k yeu h®i thảo quoc gia, 02 bài đăng trong các tạp chí chuyên ngành
trong nước, 02 bài đăng trong tạp chí quoc te và 02 bài đăng tại các h®i thảo quoc te
chuyên ngành.

Chương 1.
TONG QUAN VÀ ĐE XUAT BÀI TOÁN CUNG
CAP TÀI NGUN CHO D±CH VỤ ẢO HĨA
Chương này trình bày ket quả nghiên cáu tőng quan ve h thong tính tốn đám
mây, các mơ hình áp dụng trong h thong tính tốn đám mây, cơng ngh ảo hóa và
máy ảo, các đ c điem cũng như m®t so thách thác khi trien khai đám mây. Thơng
qua vi c phân tích, đánh giá các cơng trình liên quan ve lĩnh vực cung cap tài nguyên
trong đám mây, nêu ra m®t so van đe ton tại của mơ hình cung cap tài ngun cho
dịch vụ ảo hóa tà nen tảng máy chủ chia sẻ. Tà đó, đe xuat n®i dung cải tien mơ hình
cũng như bài tốn nghiên cáu. Bên cạnh đó, n®i dung của chương cịn trình bày ket
quả đánh giá các cơng cụ mơ phỏng h thong tính tốn đám mây thông dụng hi n nay.
Nh n thay rang, CloudSim là công cụ phù hợp đe trien khai thực nghi m mơ phỏng
và đánh giá các thu t tốn đe xuat trong lu n án.

1.1. H thong tính tốn đám mây
H thong tính tốn đám mây (Cloud Computing) phát trien dựa trên ket quả vi
c thích áng của Internet cũng như nhǎng tien b® ky thu t, cơng ngh trong lĩnh vực
ảo hóa, tính tốn lưới, tính tốn ti n ích, tính tốn cụm và tính tốn tự đ®ng.
Theo Rajkumar Buyya [117]: đám mây là m®t loại h thong tính tốn song song v
phõn tỏn, gom mđt tắp cỏc mỏy tớnh thực được ket noi với nhau và các máy ảo đe
cung cap đ®ng tài ngun tính tốn hợp nhat dựa trên thóa thu¾n đàm phán ve
cung cap d ch vự giũa nhà cung cap và người dùng.
Có nhieu định nghĩa ve mơ hình của h thong tính tốn đám mây được đe xuat
trong nhǎng năm qua. Tuy nhiên, đen nay van chưa có định nghĩa chuȁn, trong đó
Peter Mell và Tim Grance [73] định nghĩa mơ hình h thong tính tốn đám mây
như sau: m®t mơ hình cho phép vi c truy cắp mng mđt cỏch rđng rói, ti n lợi và theo
nhu cau nham chia sé tài nguyên tính tốn (ví dự: mạng, máy chủ, thiet b lưu trũ, các
úng dựng và d ch vự) và có the được cap phát nhanh với khả năng toi thieu các nő lực
quản lý, cung cap d ch vự. Mơ hình đám mây gom có 5 đ¾c điem chính, 3 mơ hình d

ch vự và 4 mơ hình trien khai.


1.1.1.

Đ c điem của h thong tính tốn đám mây

Theo Peter Mell và Tim Grance [73], 05 đ c điem chính của đám mây, gom: truy
c p mạng di n r®ng, dịch vụ cung cap tự đ®ng theo nhu cau, tőng hợp tài nguyên,
tính co dãn nhanh và dịch vụ có the đo lường.
- Truy c p mạng di n r ng: các dịch vụ trong h thong tính tốn đám mây có sȁn
trên Internet. Do đó, nó có the truy c p tà bat kỳ thiet bị noi mạng nào, như: máy
tính xách tay, đi n thoại di đ®ng, máy tính đe bàn,...
- Dịch vn cung cap tfi đ ng theo nhu cau: người dùng có the thuê tài nguyên tà các
nhà cung cap đám mây. Đieu này có the thực hi n bang vi c sả dụng giao di n l p
trình áng dụng (Applicaton Programming Interface - API) mà nhà cung cap đám
mây cung cap thông qua Internet.
- Tong h p tài nguyên: tài nguyên đám mây được cung cap bởi các nhà cung cap
đám mây, được lưu trǎ trên cơ sở hạ tang đám mây và có khả năng chia sẻ giǎa nhieu
người dùng. Cau trúc bên trong của cơ sở hạ tang cung cap dịch vụ đám mây là trong
suot đoi với người dùng. Do đó, người dùng khơng the và khơng can biet chính xác
nơi mà các tài nguyên được cung cap.
- Tính linh hoạt: người dùng có the được cap phát tự đ®ng tài ngun (tài ngun tính
tốn hay tài ngun lưu trǎ) bat cá khi nào can thiet. Các yêu cau cap phát được gải
đen nhà cung cap đám mây thông qua vi c sả dụng giao di n l p trình áng dụng được
cung cap tà nhà cung cap dịch vụ đám mây.
- Dịch vn có khả năng đo lư ng: nhà cung cap đám mây có the theo dõi người dùng sả
dụng tài nguyên và tính phí khi người dùng sả dụng tài ngun dựa trên mơ hình kinh
doanh pay-as-you-go.

1.1.2.

Mơ hình dịch vn của h thong tính tốn đám mây

Hi n nay, h thong tính tốn đám mây có 03 mơ hình dịch vụ [3], đó là: cơ sở hạ
tang như m®t dịch vụ (Infrastructure as a Service - IaaS), nen tảng như m®t dịch vụ
(Platform as a Service-PaaS) và phan mem như m®t dịch vụ (Software as a ServiceSaaS).
Ngồi 03 mơ hình dịch vụ nêu trên, m®t so nhà chun mơn cũng cho rang phan
cáng như m®t dịch vụ (Hardware as a Service-HaaS) là m®t mơ hình ton tại trước khi
h thong tính tốn đám mây ra đời cũng được xem như là m®t mơ hình dịch vụ của
h thong tính tốn đám mây.


- Phan cfíng như m t dịch vn (Hardware as a Service - HaaS): mơ hình này cho
phép người dùng th tài ngun phan cáng (tài ngun tính tốn, lưu trǎ, máy tính
xách tay, màn hình, máy tính đe bàn,...) theo nhu cau. Mơ hình này giúp cho
người dùng cá nhân ho c doanh nghi p không muon ton chi phí đau tư phan cáng
cho mình. Đieu này, có lợi cho vi c khởi nghi p mà không muon đau tư lớn ve chi phí
phan cáng. M®t so nhà cung cap dịch vụ HaaS là Grenke [43], Hetzner [47]. Ngoài ra,
mơ hình dịch vụ HaaS có the cung cap các phịng thí nghi m khoa hoc cho phép các
nhà nghiên cáu sả dụng tài ngun phan cáng. Ví dụ, m®t so mơ hình dịch vụ
HaaS phő bien hi n nay đe cung cap cho mục đích thực hi n các thả nghi m khoa hoc,
như: h thong Grid’5000 [4] tại Pháp hay Trung tâm tính tốn khoa hoc nghiên cáu
năng lượng quoc gia (National Energy Research Scientific Computing Center) [76] ở
My.
- Cơ s hạ tang như m t dịch vn (Infrastructure as a Service - IaaS): mơ hình đám
mây IaaS cho phép người dùng thuê và quản lý các nguon tài nguyên ảo, như: máy
chủ ảo, thiet bị lưu trǎ ảo, mạng ảo,... thơng qua Internet. Người dùng có the cài đ
t và cau hình các phan mem, như: h đieu hành, chương trình áng dụng,... mà khơng
can lo lang ve lớp h thong đám mây bên dưới. Tác là, người dùng có the de dàng sả

dụng máy chủ được cung cap dưới dạng các máy ảo (Virtual Machine - VM) mà
không can quan tâm các máy v t lý (Physical Machine - PM) đang chạy. M®t so h
thong tính toán đám mây IaaS thương mại női tieng, như: Amazon Elastic Compute
Cloud [93], Google Compute Engine [65],... Ngồi ra, m®t so h thong tính tốn đám
mây IaaS mã nguon mở cũng được phát trien trong thời gian qua, tạo đieu ki n cho
vi c tạo ra các đám mây, như: CloudStack [51], Eucalyptus [49], Globus Nimbus [20],...
- Nen tảng như m t dịch vn (Platform as a Service - PaaS): mơ hình đám mây PaaS
cung cap cho người dùng các dịch vụ nen tảng đe trien khai các áng dụng, như:
servlet, các dịch vụ web, middleware, database,... Đieu này cho phép người dùng t p
trung vào phát trien áng dụng và giải phóng ho khỏi gánh n ng của vi c trien khai,
quản lý và mở r®ng quy mơ của các mơi trường run-time. M®t so đám mây PaaS mã
nguon mở tiêu bieu: AppScale [19], ConPaaS [85],... Các đám mây PaaS thương mại
tiêu bieu: RedHat OpenShift [1], Windows Azure [25],...
- Phan mem như m t dịch vn (Software as a Service - SaaS): mơ hình đám mây
PaaS cho phép người dùng trien khai các áng dụng tùy bien, nhǎng đám mây SaaS
thường cung cap m®t t p các áng dụng kinh doanh đã được cài đ t sȁn trên các máy
chủ, như: các áng dụng ke toán, áng dụng quản lý quan h khách hàng,... Các áng
dụng này được quản lý bởi h thong của nhà cung cap dịch vụ đám mây thay cho
người dùng. Úng dụng có the được truy c p qua Internet bang cách sả dụng trình


duy t Web ho c m®t phan mem có khả năng truy c p vào giao di n l p trình áng
dụng của đám mây PaaS. M®t so ví dụ ve dịch vụ đám mây SaaS như: Google
Apps [65], iClound [45],...

1.1.3.

Mơ hình trien khai của h thong tính tốn đám mây

Trong tài li u [3], các tác giả phân loại dựa vào tiêu chí trien khai, gom có 04 đám

mây sau đây: đám mây riêng (Private Cloud), đám mây công c®ng (Public Cloud),
đám mây c®ng đong (Community Cloud) và đám mây lai (Hybrid Cloud).
- Đám mây riêng (Private Cloud): các đám mây riêng là nhǎng h

thong tính tốn

đám mây được trien khai trên cơ sở hạ tang tính tốn và lưu trǎ thu®c các trung tâm
dǎ li u riêng lẻ. Người sả dụng các đám mây này thường được giới hạn trong phạm vi
của tő chác. Các đám mây riêng női tieng hi n nay, như: các đám mây riêng của công
ty IBM, VMware vCloud [113] và các đám mây riêng dựa trên công ngh mã nguon mở
như: OpenStack [95] và CloudStack [51].
- Đám mây công c ng (Public Cloud): các đám mây cơng c®ng là nhǎng h thong tính
tốn đám mây thương mại có sȁn cho tat cả moi người trên Internet. Các đám mây
này thường được đieu hành bởi m®t nhà cung cap đám mây cơng c®ng và cho phép
người dùng de dàng sả dụng các dịch vụ mà khơng can phải có cơ sở hạ tang riêng.
Qua đó, người dùng phải trả phí cho nhǎng gì ho sả dụng. Các nhà cung cap đám mây
cơng c®ng thơng dụng: Amazon Web Services [77], Google Apps [65], Microsoft
Azure [8],...
- Đám mây c ng đong (Community Cloud): các đám mây c®ng đong là nhǎng h
thong tính tốn đám mây cho phép chia sẻ cơ sở hạ tang, như: hạ tang tính tốn, hạ
tang lưu trǎ,... giǎa các cá nhân ho c các tő chác khác nhau có chung lợi ích. Vi c truy c
p đám mây c®ng đong thường được giới hạn giǎa các thành viên trong c®ng đong. Ví
dụ, m®t đám mây c®ng đong chăm sóc sác khỏe có the được sả dụng bởi các b nh vi
n đe trao đői thông tin y te, b nh nhân. Ho c, nhǎng đám mây c®ng đong được
thiet l p giǎa các tő chác khoa hoc đe thực hi n các dự án, chia sẻ dǎ li u và trao
đői ket quả nghiên cáu mới nhat.
- Đám mây lai (Hybrid Cloud): các đám mây lai là nhǎng h thong tính tốn đám
mây cho phép các tő chác t n dụng cơ sở hạ tang tà các đám mây riêng, cơng c®ng và
c®ng đong. Chȁng hạn, m®t h thong tính tốn đám mây lai cho phép giảm tải dǎ li
u ít nhạy cảm bang cách chia sẻ nó các đám mây cơng c®ng trong khi van giǎ dǎ li

u nhạy cảm trên đám mây riêng của nó. Ngồi ra, nhǎng đám mây lai cho phép các tő
chác sả dụng cơ sở hạ tang riêng của mình trong giai đoạn tải dịch vụ


thap và mở r®ng dịch vụ của ho trong giai đoạn tải cao bang cách truy xuat vào đám
mây công c®ng.

1.2. u cau và thách thfíc của h thong tính tốn đám mây
1.2.1.

u cau của m t h thong tính tốn đám mây

- Mnc đích của h thong (System focus): moi h thong tính tốn đám mây được
thiet ke đe t p trung vào m®t so mục đích riêng. Chȁng hạn, Amazon Elastic Compute
Cloud [93] được thiet ke đe cung cap các cơ sở hạ tang tot nhat cho các h thong tính
tốn đám mây với tat cả các tính năng có sȁn cho người dùng. H thong GENI t p trung
vào vi c cung cap m®t phịng thí nghi m ảo đe khám phá h thong Internet tương lai
trong đám mây. Globus Nimbus t p trung vào vi c mở r®ng và thả nghi m m®t so khả
năng mới, chȁng hạn thả nghi m mơ hình tài ngun như là dịch vụ (Resource as a
Service - RaaS) và các mơ hình tính tốn de sả dụng. Open Nebula
[83] cung cap m®t mơ hình đay đủ như m®t trung tâm dǎ li u đe làm tien đe cho đám mây
IaaS.
- Các dịch vn (services): mơ hình tính tốn đám mây được xem là bước phát trien tiep
theo của mơ hình lưới ti n ích (Grid Utility) [91]. Tuy nhiên, h thong tính tốn đám
mây khơng chỉ quan tâm đen dịch vụ, chia sẻ tài nguyên mà còn đảm bảo vi c cung
cap các dịch vụ nhat quán thông qua các trung tâm dǎ li u được xây dựng dựa trên
công ngh ảo hố lưu trǎ và tính tốn [39], [91]. Sự đa dạng, tính őn định của các
loại dịch vụ mà h thong cung cap cho người dùng là m®t thơng so quan trong đe
đánh giá tính năng của đám mây [68]. Do đó, kien trúc đám mây có the được phân
loại dựa vào loại dịch vụ mà chúng cung cap, chȁng hạn: Amazon EC2 cung cap dịch

vụ tính tốn và các dịch vụ lưu trǎ. Sun Grid [41] chỉ cung cap dịch vụ tính tốn,
Microsoft Live Mesh [74] cung cap dịch vụ nen tảng và GRIDS Lab Aneka [87] cung
cap dịch vụ phan mem.
- Sfi ảo hoá (virtualization): tài ngun đám mây được mơ hình hóa như các nút tính
tốn ảo ket noi thơng qua mạng quy mơ lớn với cau trúc mạng liên ket xác định. Cau
trúc mạng vịng Peer-to-Peer là m®t ví dụ thường được sả dụng cho m®t h thong tính
tốn đám mây và tő chác c®ng đong người sả dụng [39]. Dựa trên cơng ngh ảo hóa,
các mơ hình tính tốn đám mây cho phép luong cơng vi c được trien khai và mở r®ng
m®t cách nhanh chóng thơng qua vi c cung cap đ®ng các máy ảo trên các máy v t
lý.
- Đàm phán QoS đ ng (dynamic QoS negotiation): cung cap các thu®c tính chat
lượng dịch vụ (Quality of Service - QoS) tự đ®ng tại thời điem thực thi dựa trên


đieu ki n cụ the được goi là đàm phán QoS đ®ng, chȁng hạn như: đàm phán băng
thơng mạng, đàm phán tăng giảm tài nguyên sả dụng, đàm phán ve thời gian đáp
áng,... Yêu cau QoS có the thay đői trong q trình thực hi n các cơng vi c của h
thong đe đáp áng tot nhat nhu cau của người dùng. Tóm lại, tự đ®ng đieu chỉnh QoS
đe cung cap linh hoạt nhu cau người dùng là đ c tính the hi n sự khác bi t của đám
mây và được xem như m®t thu®c tính so sánh giǎa các đám mây.
- Giao di n truy c p ngư i dùng (user access interface): giao di n truy c p người
dùng là các giao thác truyen thông của h thong tính tốn đám mây với người sả
dụng. Giao di n truy c p phải được trang bị các công cụ can thiet đảm bảo nâng
cao hi u suat của h thong. M c dù, giao di n truy c p có sȁn trong h thong tính
tốn cụm và h thong tính tốn lưới, nhưng trong trường hợp của tính toán đám mây,
giao di n truy c p là rat quan trong bởi vì neu nó khơng phải là giao di n thân thi n
người dùng, thì người dùng có the khơng sả dụng dịch vụ. Vì the, nó đóng m®t vai
trị quan trong và được sả dụng như là m®t tính năng so sánh giǎa các đám mây.
- Dịch vn giá trị gia tăng (value added services): dịch vụ giá trị gia tăng là các dịch
vụ bő sung ngoài các dịch vụ chuȁn được cung cap bởi h thong. Dịch vụ giá trị gia

tăng được cung cap với m®t khoản phụ phí vàa phải (ho c mien phí) và xem như
sự ho trợ hap dan của h thong cho người dùng với chi phí thap. Vì the, mục đích của
dịch vụ giá trị gia tăng là: thúc đȁy sự phát trien của h thong tính tốn đám mây,
thu hút người sả dụng dịch vụ mới và giǎ chân người dùng dịch vụ cũ. Các dịch vụ
nêu trong thỏa thu n mác dịch vụ (Service Level Agreement - SLA) là các dịch vụ
chuȁn của đám mây. Ngoài ra, can gia tăng các dịch vụ đe cung cap cho người dùng
nham thúc đȁy người dùng sả dụng các dịch vụ giá trị gia tăng. Dịch vụ giá trị gia
tăng rat quan trong đe phát trien h thong tính tốn đám mây và cung cap m®t lợi
the đoi với đoi thủ cạnh tranh. Neu trong đám mây chỉ cung cap các dịch vụ SLA
thì người dùng sě chuyen sang sả dụng các đám mây có dịch vụ giá trị gia tăng.

1.2.2.

Thách thfíc của m t h thong tính tốn đám mây

Nhǎng thách thác cơ bản khi trien khai m®t h thong tính tốn đám mây, đó là
vi c đáp áng nen tảng các tiêu chuȁn sau [26]:
- Bảo m t (Security): với mơ hình đa th bao (Multi-Tenancy) và tat cả các dǎ li u
lưu trǎ và tính tốn được xả lý trong các máy chủ trên đám mây, nên các van đe
ve tính bảo m t, tính tồn ven dǎ li u và tính khơng tà choi dịch vụ là các yeu to
quan trong khi xây dựng các đám mây. Vì the, các ky thu t bảo m t mới, như:
phòng chong sự tan công tà các đám mây botnet can được nghiên cáu và áp
dụng.