论文部分内容阅读
云存储是在随着Internet的发展，传统的网络存储架构已不能满足当下全球信息量的爆炸式增长的背景下，基于云计算的概念而提出来的新概念。自其概念提出以来就倍受全球众多IT厂商的青睐，且其中很多都有了自己的云存储产品，如EMC的Atoms等。为了有效地支撑云存储，存储虚拟化技术和集群技术必须能够应对存储业务增长的快速变化。因此，研究具有高可扩展性的存储虚拟化结构是云存储领域的一个具有很高研究和应用价值的课题。云存储的可扩展性主要体现在数据可扩展性及功能可扩展性两个方面，且对其的研究主要集中在数据可扩展性上，对功能可扩展性的研究则才刚起步。
功能可扩展性包括容量和性能两个方面，而存储虚拟化技术是影响它们的最主要的因素之一。传统的存储虚拟化结构采用资源预留和静态分配策略，不仅使得云存储系统的存储资源利用率低，系统可扩展性差，更不能满足云存储按需为用户提供存储资源的基本需求。传统的等平行开销计算比可扩展性评价准则存在一定的局限性，如算法执行时间较长，不适用于云计算环境等。
针对传统的存储虚拟化技术存在的问题，本文设计了两级存储虚拟化结构(2-LSVSM)，采用写时按需分配和动态地址映射策略，以满足云存储为用户按需动态地提供存储资源的需求，改善存储资源利用率，提高系统的可扩展性。针对传统的等平行开销计算比准则的局限性进行改进和推广，提出了适用于云存储环境的EP可扩展性模型。EP模型直观地反映了云存储系统在系统规模和任务规模扩展时的功能可扩展性。
本文将2-LSVSM通过CloudSim仿真工具应用于云存储系统中。首先通过实验验证了EP模型在云存储环境中的适用性；然后利用EP模型对该系统的可扩展性进行了评估，实验结果表明2-LSVSM能够有效地提高云存储系统的可扩展性；最后通过实验对该系统的读写性能、存储资源利用率及系统开销进行了测试，实验结果证明了2-LSVSM不仅适用于云存储系统，且使得云存储系统具有极高的读写性能和极低的系统开销，同时还极大地提高了存储资源利用率。