基于開放架構的SaaS服務平臺數據管理技術研究

國艷群，韓 敏，孫林夫

?

基于開放架構的SaaS服務平臺數據管理技術研究

國艷群1,2，韓 敏1，孫林夫1

(1. 西南交通大學CAD工程中心 成都 610031; 2. 西南電子設備研究所 成都 610036)

為解決SaaS平臺面臨的數據安全及分布式數據管理等問題，提出了基于開放架構的SaaS服務平臺系統應用框架；在此基礎上，對數據應用進行了抽象建模，以優化緩存管理策略的思路解決網絡環境下的數據訪問問題。通過將傳統LRU算法與SIZE算法相結合，提出了LRU-RSIZE算法，對開放SaaS服務平臺的數據訪問進行管理，并進行仿真分析。開放SaaS服務架構與LRU-RSIZE算法相結合，可有效地解決用戶數據的按需存儲與管理問題，并對增強用戶的應用體驗具有重要的意義。

緩存管理; 數據管理; LRU算法; LRU-RSIZE算法; SaaS

隨著云計算技術[1-2]的發展，軟件即服務(SaaS)[3-4]作為云計算的典型代表，取得了廣泛的應用。然而，在SaaS的建設中，數據存儲的安全及管理問題一定程度上影響了SaaS的應用，使得SaaS始終難以走過“最后一公里”。一個典型的表現就是企業私有數據的存儲問題，即把涉及企業敏感或私有數據托管給第三方平臺進行虛擬存儲，一直是企業用戶難以接受的事情。除此之外，與之相關的分布式的數據存儲與管理、基于網絡的數據訪問等機制，都是SaaS平臺建設中面臨的巨大挑戰。

為解決數據的存儲、管理與訪問等問題，國內外學者做了大量的研究工作。文獻[5]提出了海量數據的分布式協同處理機制，文獻[6-7]提出了多租戶模式下的數據存儲、遷移及虛擬化訪問等策略，文獻[8]則從數據安全的角度，開展了數據隱私保護機制的研究工作。上述研究均是基于SaaS服務平臺，從運行效率、安全等方面開展的對平臺的優化，未從根本上解決SaaS用戶的數據物理托管安全及相應的分布式數據訪問等問題。

本文在傳統SaaS平臺的基礎上，提出了基于開放架構的SaaS服務平臺數據管理技術。在開放架構下，企業用戶既作為平臺的使用者又可作為平臺的建設者，企業的數據可根據實際需要存儲于企業本地或SaaS平臺提供的虛擬存儲空間。可有效地解決平臺建設中用戶數據的存儲與管理問題，同時，通過對傳統LRU緩存算法進行改進，提出了LRU- RSIZE算法，對提高開放架構下SaaS的平臺的數據訪問進行了優化，對增強系統網絡環境下的應用體驗，具有重要意義。

1 系統應用架構

根據實體及業務的不同，系統分為平臺端與企業端兩類，其中平臺基于網絡對外提供存儲、計算等服務，企業端則利用平臺提供的服務開展企業相關業務，與傳統SaaS不同的是，本文系統采用開放架構，即企業既作為系統的使用者使用平臺的相關服務，又可作為建設者開發相應的服務，并選擇將服務及其數據存儲于平臺端或企業內部。系統分為應用層、網絡層與平臺層，其應用架構如圖1所示。

圖1 系統應用架構設計

1) 存儲層：包括SaaS平臺的存儲以及企業用戶的存儲陣列兩部分，其中平臺存儲以虛擬的方式為企業租戶提供存儲空間，企業通過互聯網絡實現對虛擬存儲的訪問，企業存儲陣列物理上位于企業內部，為企業私有。對于需存儲的對象，從可公開性分類，可分為企業私有數據和企業共性應用數據；從動態性分類，可分為靜態數據和動態數據；從數據的大小分類，則可按照數據所需的存儲空間進行分級。對于數據的存儲，由于在本文架構中，企業用戶同時也作為平臺的建設者，可以根據實際需要，將數據分類存儲于平臺或企業內部。

2) 網絡層：包括互聯網與企業網兩類，企業內部的用戶通過企業局域網絡互聯，企業則通過Internet與SaaS服務平臺互聯。

3) 應用層：平臺端提供的服務主要包括平臺管理服務、共性平臺服務以及企業應用服務三類，其中平臺管理服務實現平臺自身的管理，共性平臺服務為有平臺提供的構件部署、發布、虛擬等服務，企業應用服務則為企業部署于平臺的各類應用服務；企業端的服務及應用則為企業根據自身需要，部署于企業內部的服務及相應應用。

2 數據管理建模

對開放SaaS平臺下數據訪問機制進行抽象，可形成以下幾種訪問模式：

1) 企業數據及服務均部署于SaaS平臺，企業用戶通過網絡訪問；

2) 企業數據存儲于SaaS平臺，應用及服務部署于企業用戶內部；

3) 企業數據存儲與企業內部，企業服務部署于SaaS平臺；

4) 企業數據及服務均部署于企業內部，平臺僅提供基礎管理服務及與多企業間的交互服務。

對于不同的企業應用，存在幾種模式共存的情況，而在模式2、3均面臨應用與數據分離的情況，本文主要針對這兩種情況進行討論。對這兩種模式進一步抽象，則演化成網絡化境下對應用程序數據進行緩存優化的問題，綜合考慮訪問訪問數據特性、網絡帶寬、緩存等因素，定義如下。

定義1 數據，用三元組標識，D=(S,G,T)。其中D表示第個數據對象，S為D的唯一標識，G為數據D的大小，T為數據D的最近訪問時間。

定義2 帶寬，用常量表示，設企業的帶寬保持穩定。

定義3 緩存，用變量C表示。有兩種計量策略，一種是緩存大小恒定情況下，計算不同緩存策略的性能指標，另一種是計算不同緩存策略緩存大小的需求指標。

目前，對于緩存的處理策略，典型的有LRU(以最久未訪問作為替換對象)、LFU(以訪問頻率最低作為替換對象)、SIZE(以訪問代價最大作為替換對象)以及相應的組合及改進算法[9-10]，文獻[11-12]基于分布式網絡環境，開展了多級緩存、中心網絡緩存等方面的替換策略研究，其本質仍然是對緩存策略與網絡環境的綜合應用，在具體實現方面，目前采用較多的為LRU算法。本文在SaaS應用環境下，從增強用戶體驗的角度，對LRU算法進行擴展，優先保留SIZE較大的對象可以增強用戶的應用體驗，本文在傳統LRU及SIZE策略的，提出LRU-RSIZE交換算法(LRU reverse size)，其評價因子計算為：

式中，K為“命中率-代價”因子，作為訪問效率的綜合評價；為命中率統計；B為累計命中的訪問數據大小與總訪問數據量的比值，即在LRU替換的基礎上，加入對象的訪問代價作為計算權值。式(1)可有效地增強開放SAAS平臺下的用戶應用體驗。

3 LRU-RSIZE算法描述與仿真分析

3.1 算法描述

/*LRU-RSIZE算法偽代碼*/

輸入：

1) 隨機生成的訪問對象全集All-Set

2) 隨機生成的對象訪問順序Seq

3) 棧形式的緩存列表Stack

輸出：

1) 以K為評價因子的訪問命中率-代價統計

2) 算法對緩存空間的需求，即Ⅰ、Ⅱ的值

Begin

While(<) //為循環訪問次數

{

隨機生成訪問對象A；

If(A)in Stack //判斷是否命中

更新A最近訪問標志；

else

{

if (Stack is not full) //如果棧尚未裝滿

用A更新棧頂；

else

{

以T作為第一因子，選出棧底元素D；

if(D.Size>)//為對象大小閾值

//本文算法對取對象大小平均值

以T為因子在Stack中重新選擇替換對象，直至選到滿足D.Size<的對象；

//在實際應用中，該步驟加入隨機因子，

//避免出現棧中數據全部為大對象的情況；

以A替換棧頂；

}

以式(1)統計評價因子；

統計Stack空間大小；

}

}

End

3.2 算法特性分析

LRU算法為提高對象訪問的命中率，采用優先置換最近未訪問對象的策略，對最近未使用的對象進行替換，未考慮重新獲取被替換對象的網絡代價。LRU-RSIZE在考慮對象最近訪問時間的同時，綜合考慮被替換對象的大小(網絡帶寬一定的情況下，即為重新獲取該對象的網絡代價)，并通過加入隨機值的方式，避免出現大對象永遠不會被替換的情況。LRU-RSIZE算法的主要適用環境為“具有一定本地緩存空間的網絡應用訪問”，對于開放SaaS平臺而言，LRU-RSIZE的典型使用場景為企業應用與服務分離的情況，即服務部署于遠端平臺而數據存儲于企業本地或者數據存儲于遠端平臺而應用服務部署于企業本地。

3.3 仿真結果分析

通過VC與Matlab對LRU-RSIZE算法與傳統LRU算法進行仿真，在全集個對象、緩存個對象的情況下，隨機生成次頁面訪問動作的條件下，得到對比曲線圖像，其中取值200，取值100，取值5 000(示例，仿真分析表明在云計算環境下，同比增大、、的取值，并未影響相對趨勢)。由仿真結果可得。

1) LRU-RSIZE的“命中率-代價”優于傳統LRU的“命中率-代價”。從圖2可知，仿真開始階段由于緩存棧尚未裝滿，兩種算法的“命中率-代價”均比較低，在第1 000次仿真后，“命中率-代價”逐步穩定，與LRU相比，LRU-RSIZE的“命中率-代價”穩定提升。

2) 因棧的大小按照固定對象的數目設定，從圖3可以看出，在空間使用方面，LRU-RSIZE所用的空間比LRU也有所增加，兩者的比例差距與圖2中“命中率-代價”的比例差距相當。

圖2 “命中率-代價”仿真分析

圖3 緩存空間對比分析

圖4 網絡時延分析

3) 網絡時延與應用分析。從以上分析可以看出，采用LRU-RSIZE算法的同時，通過按照一定比例增大系統緩存空間可以獲得比LRU更好的“命中率-代價”評估。進一步對比LRU算法與LRU-RSIZE算法的網絡時延，如圖4所示。與LRU-RSIZE算法相比，LRU算法的網絡時延呈相對增大的趨勢。在存儲代價不斷降低的今天，存儲容量已不再是網絡應用的瓶頸。在用戶網絡帶寬一定的情況下，開放的SaaS架構及相應的LRU-RSIZE緩存置換算法為解決SaaS的用戶體驗問題提供了一種新的解決思路，即“在考慮LRU的同時，優先替換較大的對象，減少用戶對大對象的網絡延時，增強用戶的應用體驗”。

4 小 結

LRU-RSIZE算法以本地空間為代價，有效地增強了開放SaaS服務平臺的用戶應用體驗，結合在SaaS數據管理體系架構，在平臺的實際建設中，還可通過以下措施對數據管理進一步優化：

1) 建立專用的大文件服務器，實現對大塊數據的專門存儲；

2) 建立私有數據存儲服務器，并通過數據的容災備份機制，實現企業數據的安全存儲；

3) 加強平臺及企業用戶的容災備份及安全建設，進一步增強數據的可靠性與安全性。

另外，建立本地最小運行服務及數據存儲子集，開展數據“斷網-聯網”情況下的數據同步研究，也是開放SaaS平臺建設需進一步開展的重要工作。

[1] Wikipedia Cloud computing[EB/OL]. [2012-09-12]. http:// en.wikipedia. org/wiki/Cloud_computing.

[2] 李伯虎, 張霖, 任磊, 等. 云計算典型特征、關鍵技術與應用[J]. 計算機集成制造系統, 2012, 18(7): 1345-1356.

LI Bo-hu, ZHANG Lin, REN Lei, et al. Typical characteristics, technologies and applications of manufacturing[J]. Computer Integrated Manufacturing Systems, 2012, 18(7): 1345-1356.

[3] KWOK J, NGUYEN T, LAM L. A software as a service with multi-tenancy support for an electronic contract management application[C]//2008 IEEE International Conference on Service Computing. Honolulu, HI, USA: IEEE, 2008.

[4] 曹帥, 王淑營, 孫林夫. 面向產業鏈協同SaaS平臺的業務流程定制技術[J]. 計算機應用, 2013, 33(5): 1450-1455.

CAO Shuai, WANG Shu-ying, SUN Lin-fu. Workflow customization technology for collaborative saas platform of industrial chains[J]. Journal of Computer Applications, 2013, 33(5): 1450-1455.

[5] 戴炳榮, 宋俊典, 錢俊玲. 云計算環境下海量分布式數據處理協同機制的研究[J]. 計算機應用與軟件, 2013, 30(1): 107-110.

DAI Bing-rong, SONG Jun-dian, QIAN Jun-ling. Research on cooperation mechanism for mass distributed data processing in cloud computing environment[J]. Computer Applications and Software, 2013, 30(1): 107-110.

[6] 李保棟, 孔蘭菊, 陸春生, 等. SaaS交付平臺多租戶數據管理模型研究[J]. 小型微型計算機系統, 2012, 33(12): 2658-2663.

LI Bao-dong, KONG Lan-ju, LU Chun-sheng, et al. Research on muti-tenancy data management model for SaaS delivery platform[J]. 2012, 33(12): 2658-2663.

[7] 孔蘭菊, 李慶忠, 李曉娜. 一種SaaS交付平臺的多租戶數據遷移策略[J]. 計算機應用與軟件, 2011, 28(11): 52-56.

KONG Lan-ju, LI Qin-zhong, LI Xiao-na. A multi-tenancy data migration policy for saas delivery platform[J]. Computer Applications and Software, 2011, 28(11): 52-56.

[8] 張坤, 李慶忠, 史玉良. 面向SaaS應用的數據組合隱私保護機制研究[J]. 計算機學報, 2010, 33(11): 2044-2054.

ZHANG Kun, LI Qin-zhong, SHI Yu-liang. Research on data combination privacy preservation mechanism for SaaS[J]. Chinese Journal of Computers, 2010, 33(11): 2044-2054.

[9] 湯小丹, 梁紅兵. 計算機操作系統[M]. 西安: 西安電子科技大學出版社, 2007.

TANG Xiao-dan, LIANG Hong-bing. Computer operation system[M]. Xi’an: Xi Dian University Publisher, 2007.

[10] YOO Y S, LEE H, RYU Y, et al. Page replacement algorithms for nand flash memory storage[M]. Berlin: Springer, 2007.

[11] SMITHA I K, REDDY A. Identifying long-term high-band-width at a router[C]//Proceedings of the 8th International Conference on High Performance Computing. Hyderabad, India: Springer, 2001: 361-371.

[12] CHAI Wei-koong, HE Di-liang, IOANNIS P, et al. Cache“Less for More” in information-centric networks[C]// Proceedings of the 11th International IFIP TC 6 Conference on Networking. Prague, Gzech: Springer, 2012: 27-40.

編 輯 黃 莘

Research on the Data Manage Technology of SaaS Service Platform Based on Open Architecture

GUO Yan-qun1,2, HAN Min1, and SUN Lin-fu1

(1. CAD Engineering Center, Southwest Jiaotong University Chengdu 610031; 2. Southwest Institute of Electronic Equipment Chengdu 610036)

To solve the problems of data security and distributed data management that existed in SaaS platform, the paper puts forward a system application framework based on open SaaS service platform architecture. On the basis of this architecture, the paper gives abstract modeling on data application, which uses the idea of optimizing cache management strategy to solve data access problem in network environment. Combining with traditional LRU arithmetic and SIZE arithmetic, the paper gives a LRU-SIZE arithmetic which is effective on the management of data access of the open SaaS service platform. The combination of open SaaS service architecture and LRU-SIZE arithmetic can solve the problems of data access and data management of enterprise effectively. Meanwhile, it can improve the application experience of users.

cache management; data management; LRU algorithm; LRU-RSIZE algorithm; SaaS

TP39

A

10.3969/j.issn.1001-0548.2015.02.023

2014-09-15；

2015-01-12

國家863項目(2013AA040606)；四川省制造業產業鏈協同與信息化支撐技術重點實驗室項目(2014002)；四川省科技支撐計劃(2014GZ0142)

國艷群(1980-)，男，博士生，高級工程師，主要從事產業服務平臺、系統工程等方面的研究.