云服務器研究綜述和應用探討

曙光信息產業股份有限公司 倪亞路

由于大數據時代的來臨，各企業的數據在迅速增長的同時各種問題也隨之而來。隨著數據的日益擴張，也給企業的數據存儲帶來了一些問題，如存儲介質的內存有限、設備的安全問題。云存儲技術的誕生為存儲介質產生的這些問題提供了解決措施。云存儲與本地存儲相比，具有成本低、存取靈活、安全性高等優勢。當前移動互聯網技術日益成熟，為云存儲提供了載體，如今不僅PC設備使用云存儲，便攜移動設備也開始使用云存儲，并且PC設備與移動設備之間可以通過云存儲交互數據。移動設備硬件上所存在的缺陷，例如存儲空間小、安全性較低等等，也隨著云儲存的發展得到一定程度的緩解。總而言之，云服務器的出現，構建了一種全新的計算機數據儲存架構，并且能夠按照需求進行更加便利的使用和調動資源。將以往單個服務器的“網格”化界限打破，將其化為一個“資源池”，解決了大數據時代下資源的存儲和調控問題。

一、云服務器的應用案例

目前已經有多家企業開始提供云服務，其中互聯網企業占據大部分，例如國外著名企業亞馬遜所提供的Amazon Web Services（AWS）服務。就是在云服務器的基礎上，自主研發的服務系統，其中夾雜了云存儲、云計算、數據庫資源整合調配等等功能。不僅可以為亞馬遜用戶提供良好的計算能力，同時給予其大容量的存儲空間。而國內的眾多知名企業，例如騰訊、百度、阿里巴巴等互聯網企業，也都推出了屬于自己的云服務業務，而一些軟件和移動設備制造商，例如華為、小米等，也開始對這個領域進行研發。總而言之，目前云服務器的開發和應用，受到許多企業和學者的關注。本文選擇惠普公司的Moonshot為例，對其云技術進行分析，從而對云服務器的應用現狀進行分析研究。

惠普這款HP Moonshot system，是基于原Moonshot系統進行不斷的升級，從而開發的。與最開始Moonshot不同，目前最新一代的Moonshot放棄了ARM架構和Calxeda的解決方案，而是開始使用英特爾的Atom凌動處理器。這款處理器是一款SOC低功耗處理器，其設計功耗也僅僅在0.6W至2.4W之間，而處理器的頻率高達2GHz，支持多線程，兼容酷睿2雙核指令集。其功耗低，體積小的特點，完全可以滿足Moonshot系統的需要。

Moonshot這種使用低能耗密集型處理器的服務器，無疑是為云服務器的研究拓寬了一條新的道路，它不僅能夠滿足IT人員日常計算的需求，同時低能源消耗的特點也為企業節省下不少費用。惠普將重注押在Moonshot系統上，而Moonshot系統也沒有讓惠普失望，從惠普推出Moonshot后，就以其優秀的性能和特點，吸引了眾多社交媒體和電商企業的注意。而為這些企業所提供的服務，需要龐大的服務器群才能夠完成，因此惠普又開始進行對Moonshot服務器機架的研發。據惠普有關數據顯示，如果有十家大型網絡服務企業使用Moonshot，而放棄傳統的X86服務器，那么服務性能提高的同時，每年節約下來的能源支出高達1.2億美元，其減少的二氧化碳排放量，相當于近二十萬輛汽車一年的排放量。因此可以看出，現代云服務器的合理運用，除了大數據和資源的聚合管理、高效配備利用、大容量存儲外，還能夠有效的節約能耗。

二、云服務器的實現方式

本文研究的云服務器由32個計算節點構成，具體如圖1所示，共包含4個CM單元、4個FM單元以及3D Torus互連網絡。每個CM單元包含8個處理器及其對應的內存。每個FM單元負責管理對應的上行網絡資源及存儲資源。4個FM單元通過3D Torus互連網絡實現全互連。

云服務器內的所有計算資源以池化的形式存在，應用可以按需取用，其中計算資源包括：

（1）32顆處理器，每顆處理器可配置2根內存。用于計算處理數據；

（2）上行網絡資源，用于連接外部網絡，可用來連接不同云服務器或與其他網絡設備相連；

（3）存儲資源，用于數據存儲。

為實現上行網絡資源和存儲資源的池化，云服務器內源FM單元內的以太網報文或存儲報文將根據資源的分配情況，進行重新封裝，并通過互連網絡轉發至目的地FM單元，再由目的地FM單元進行重新解析，轉換為對應的以太網報文或存儲報文來控制目的地單元內的網絡資源和存儲資源。以此實現網絡資源，存儲資源的重新劃分。

圖1 云服務器結構示意圖

云服務器共享系統資源池的實現方式，具有彈性，按需簡約的特點，對復雜多樣的應用具有更好的適應性。通過互連網絡，云服務器自身的計算資源，網絡資源和存儲資源都是以資源池的形式組織在一起的，使用云服務器的應用可根據自身的需求請求云服務器中的資源，實現按需分配。

假設有三個應用分別為應用A、應用B和應用C。其中應用A對存儲資源有較多需求，應用B僅需要較少的存儲資源和網絡資源，應用C對存儲資源和網絡資源均有較多需求。在云服務器中即可按照如圖2所示的資源分配方式分配各物理節點中的計算資源，將物理節點1中的相關計算資源分配給物理節點0和物理節點2使用。這樣使云服務器中的計算資源可以得到充分的利用。

圖2 云服務器計算資源分配示例

圖3 32處理器系統全互聯示意圖

云服務器配備的高帶寬上行網絡又使其具有可擴展的能力。在云服務器與云服務器之間可通過上行網絡構建出更大規模的Torus網絡。每一臺云服務中的FM單元均和該云服務器內的其余3個FM單元相連，同時提供了4個上行網絡端口可用來和其他機器相連，如圖3所示。因此兩臺云服務器，可利用每一個FM單元的上網絡端口，將該FM單元分別與另一臺云服務器的4個FM單元相連，以實現兩臺云服務器的全互連網絡連接，如圖4所示。

圖4 64處理器系統全互聯示意圖

該云服務器實現方式可實現異構計算資源的整合。因為其各個計算節點是通過互連網絡連接在一起的，所以該云服務器中既可以配置X86處理器的計算節點系統，也可以配置ARM處理器的計算節點系統。只要各個計算節點的計算資源符合標準的IO協議，比如網絡資源符合以太網協議，存儲資源符合SATA協議即可。因此可根據實際應用的特點，在該云服務器中按需配置各類處理器。

三、結論

在目前網絡信息化不斷發展的時代背景下，作為云計算的核心，云服務器的競爭已經成為各大互聯網領域無聲的戰爭。融合大數據、人工智能、云計算等先進領域從而形成的新型智慧計算，也將成為目前信息社會逐漸變革的重要標志，同時也是互聯網服務企業和信息技術產業的核心競爭力。