云服务器研究综述和应用探讨

曙光信息产业股份有限公司 倪亚路

由于大数据时代的来临，各企业的数据在迅速增长的同时各种问题也随之而来。随着数据的日益扩张，也给企业的数据存储带来了一些问题，如存储介质的内存有限、设备的安全问题。云存储技术的诞生为存储介质产生的这些问题提供了解决措施。云存储与本地存储相比，具有成本低、存取灵活、安全性高等优势。当前移动互联网技术日益成熟，为云存储提供了载体，如今不仅PC设备使用云存储，便携移动设备也开始使用云存储，并且PC设备与移动设备之间可以通过云存储交互数据。移动设备硬件上所存在的缺陷，例如存储空间小、安全性较低等等，也随着云储存的发展得到一定程度的缓解。总而言之，云服务器的出现，构建了一种全新的计算机数据储存架构，并且能够按照需求进行更加便利的使用和调动资源。将以往单个服务器的“网格”化界限打破，将其化为一个“资源池”，解决了大数据时代下资源的存储和调控问题。

一、云服务器的应用案例

目前已经有多家企业开始提供云服务，其中互联网企业占据大部分，例如国外著名企业亚马逊所提供的Amazon Web Services（AWS）服务。就是在云服务器的基础上，自主研发的服务系统，其中夹杂了云存储、云计算、数据库资源整合调配等等功能。不仅可以为亚马逊用户提供良好的计算能力，同时给予其大容量的存储空间。而国内的众多知名企业，例如腾讯、百度、阿里巴巴等互联网企业，也都推出了属于自己的云服务业务，而一些软件和移动设备制造商，例如华为、小米等，也开始对这个领域进行研发。总而言之，目前云服务器的开发和应用，受到许多企业和学者的关注。本文选择惠普公司的Moonshot为例，对其云技术进行分析，从而对云服务器的应用现状进行分析研究。

惠普这款HP Moonshot system，是基于原Moonshot系统进行不断的升级，从而开发的。与最开始Moonshot不同，目前最新一代的Moonshot放弃了ARM架构和Calxeda的解决方案，而是开始使用英特尔的Atom凌动处理器。这款处理器是一款SOC低功耗处理器，其设计功耗也仅仅在0.6W至2.4W之间，而处理器的频率高达2GHz，支持多线程，兼容酷睿2双核指令集。其功耗低，体积小的特点，完全可以满足Moonshot系统的需要。

Moonshot这种使用低能耗密集型处理器的服务器，无疑是为云服务器的研究拓宽了一条新的道路，它不仅能够满足IT人员日常计算的需求，同时低能源消耗的特点也为企业节省下不少费用。惠普将重注押在Moonshot系统上，而Moonshot系统也没有让惠普失望，从惠普推出Moonshot后，就以其优秀的性能和特点，吸引了众多社交媒体和电商企业的注意。而为这些企业所提供的服务，需要庞大的服务器群才能够完成，因此惠普又开始进行对Moonshot服务器机架的研发。据惠普有关数据显示，如果有十家大型网络服务企业使用Moonshot，而放弃传统的X86服务器，那么服务性能提高的同时，每年节约下来的能源支出高达1.2亿美元，其减少的二氧化碳排放量，相当于近二十万辆汽车一年的排放量。因此可以看出，现代云服务器的合理运用，除了大数据和资源的聚合管理、高效配备利用、大容量存储外，还能够有效的节约能耗。

二、云服务器的实现方式

本文研究的云服务器由32个计算节点构成，具体如图1所示，共包含4个CM单元、4个FM单元以及3D Torus互连网络。每个CM单元包含8个处理器及其对应的内存。每个FM单元负责管理对应的上行网络资源及存储资源。4个FM单元通过3D Torus互连网络实现全互连。

云服务器内的所有计算资源以池化的形式存在，应用可以按需取用，其中计算资源包括：

（1）32颗处理器，每颗处理器可配置2根内存。用于计算处理数据；

（2）上行网络资源，用于连接外部网络，可用来连接不同云服务器或与其他网络设备相连；

（3）存储资源，用于数据存储。

为实现上行网络资源和存储资源的池化，云服务器内源FM单元内的以太网报文或存储报文将根据资源的分配情况，进行重新封装，并通过互连网络转发至目的地FM单元，再由目的地FM单元进行重新解析，转换为对应的以太网报文或存储报文来控制目的地单元内的网络资源和存储资源。以此实现网络资源，存储资源的重新划分。

图1 云服务器结构示意图

云服务器共享系统资源池的实现方式，具有弹性，按需简约的特点，对复杂多样的应用具有更好的适应性。通过互连网络，云服务器自身的计算资源，网络资源和存储资源都是以资源池的形式组织在一起的，使用云服务器的应用可根据自身的需求请求云服务器中的资源，实现按需分配。

假设有三个应用分别为应用A、应用B和应用C。其中应用A对存储资源有较多需求，应用B仅需要较少的存储资源和网络资源，应用C对存储资源和网络资源均有较多需求。在云服务器中即可按照如图2所示的资源分配方式分配各物理节点中的计算资源，将物理节点1中的相关计算资源分配给物理节点0和物理节点2使用。这样使云服务器中的计算资源可以得到充分的利用。

图2 云服务器计算资源分配示例

图3 32处理器系统全互联示意图

云服务器配备的高带宽上行网络又使其具有可扩展的能力。在云服务器与云服务器之间可通过上行网络构建出更大规模的Torus网络。每一台云服务中的FM单元均和该云服务器内的其余3个FM单元相连，同时提供了4个上行网络端口可用来和其他机器相连，如图3所示。因此两台云服务器，可利用每一个FM单元的上网络端口，将该FM单元分别与另一台云服务器的4个FM单元相连，以实现两台云服务器的全互连网络连接，如图4所示。

图4 64处理器系统全互联示意图

该云服务器实现方式可实现异构计算资源的整合。因为其各个计算节点是通过互连网络连接在一起的，所以该云服务器中既可以配置X86处理器的计算节点系统，也可以配置ARM处理器的计算节点系统。只要各个计算节点的计算资源符合标准的IO协议，比如网络资源符合以太网协议，存储资源符合SATA协议即可。因此可根据实际应用的特点，在该云服务器中按需配置各类处理器。

三、结论

在目前网络信息化不断发展的时代背景下，作为云计算的核心，云服务器的竞争已经成为各大互联网领域无声的战争。融合大数据、人工智能、云计算等先进领域从而形成的新型智慧计算，也将成为目前信息社会逐渐变革的重要标志，同时也是互联网服务企业和信息技术产业的核心竞争力。