尤國(guó)華，劉 媛，高 東

北京化工大學(xué) 信息科學(xué)與技術(shù)學(xué)院，北京100029

1 引言

2018年3月統(tǒng)計(jì)顯示，F(xiàn)acebook的用戶(hù)已經(jīng)超過(guò)了2.17億，而且還在不斷增加。為了滿(mǎn)足龐大用戶(hù)群的互聯(lián)網(wǎng)需求，數(shù)據(jù)中心必須提供更強(qiáng)大的處理和存儲(chǔ)能力。為提升數(shù)據(jù)中心的性能，傳統(tǒng)的方法是增加數(shù)據(jù)中心的服務(wù)器節(jié)點(diǎn)，甚至建立更多的數(shù)據(jù)中心，因此也會(huì)帶來(lái)更高的購(gòu)置成本和使用成本（如耗電量和機(jī)房空間等）。為了滿(mǎn)足需求并且降低成本，提升單臺(tái)服務(wù)器的性能成為重要而迫切的任務(wù)[1]。

近年，隨著CPU 主頻遇到天花板，多核+協(xié)處理器的異構(gòu)模型已經(jīng)成為服務(wù)器端架構(gòu)的主流。協(xié)處理器，如GPU、MIC等，可以極大提升服務(wù)器端的處理能力，彌補(bǔ)CPU 在某些計(jì)算方面的劣勢(shì)。相比GPU，MIC 協(xié)處理器更適合于云計(jì)算這樣的高吞吐量場(chǎng)景。GPU 基于單指令多數(shù)據(jù)（Single Instruction Multiple Data，SIMD），屬于數(shù)據(jù)并行。針對(duì)云計(jì)算場(chǎng)景，如果想充分利用GPU的性能，batch size 就不能太小，但這會(huì)引起延遲的增加，從而降低服務(wù)質(zhì)量（Quality of Service，QoS）。而且，對(duì)于一些復(fù)雜的分支邏輯，GPU會(huì)產(chǎn)生“分支退化”的問(wèn)題[2]。MIC協(xié)處理器每個(gè)核心與CPU核心類(lèi)似，適宜于邏輯運(yùn)算和流水線并行；MIC協(xié)處理器的核心雖然主頻低，但數(shù)量多，適用于云計(jì)算這樣的計(jì)算場(chǎng)景[3]。圖1為MIC協(xié)處理器Intel Xeon Phi 5110p的示意圖，5110p具有57個(gè)物理核心（每個(gè)物理核心有4個(gè)硬件線程），每個(gè)核心的主頻為1.05 GHz。

圖1 Intel Xeon Phi 5110p結(jié)構(gòu)示意圖

雖然MIC 協(xié)處理器的加入從硬件方面提升了web服務(wù)器的性能，但一些常用web服務(wù)器軟件，如Apache、nginx等，均不能充分發(fā)揮多核CPU+MIC協(xié)處理器的性能優(yōu)勢(shì)。因此，若要充分利用多核CPU+MIC協(xié)處理器的異構(gòu)系統(tǒng)的性能，必須要研究與之匹配的web服務(wù)器軟件體系[4]。

雖然以前的研究者對(duì)如何發(fā)揮GPU、MIC等協(xié)處理器的性能進(jìn)行了不少的研究[5-9]，如Agrawal 等[10]針對(duì)CPU+GPU 的異構(gòu)系統(tǒng)提出了Rhythm 的web 軟件框架。Rhythm 依據(jù)請(qǐng)求之間的相似性，將請(qǐng)求的處理過(guò)程劃分成不同的階段，并將部分處理階段分配至GPU執(zhí)行。根據(jù)他們的實(shí)驗(yàn)結(jié)果，Rhythm 可以有效地使用GPU處理用戶(hù)請(qǐng)求。但Rhythm適用于處理邏輯比較簡(jiǎn)單的請(qǐng)求，對(duì)于復(fù)雜些的請(qǐng)求，由于GPU 的固有特性，可能導(dǎo)致“分支退化”。Fj?lling 等[11]使用batching 技術(shù)充分利用GPU 的SIMD 特性來(lái)優(yōu)化web 應(yīng)用程序，與CPU相比可提升2到3倍的性能。但他們的工作主要集中在優(yōu)化特定的web應(yīng)用程序，缺乏通用性和擴(kuò)展性。

為了充分利用多核CPU+MIC 協(xié)處理器的性能，本文提出了一種新的web 服務(wù)器軟件框架。該框架通過(guò)將部分動(dòng)態(tài)請(qǐng)求卸載至MIC協(xié)處理器執(zhí)行，從而可以在CPU 和MIC 上并行處理動(dòng)態(tài)請(qǐng)求，進(jìn)而提升服務(wù)器的性能。此外，新框架也能保持多核CPU 和MIC 協(xié)處理器之間的負(fù)載均衡。

2 新的軟件框架

為充分利用MIC協(xié)處理器的計(jì)算性能，新框架將一部分到達(dá)web服務(wù)器的動(dòng)態(tài)請(qǐng)求卸載至MIC協(xié)處理器，由MIC 協(xié)處理器和多核CPU 并行處理動(dòng)態(tài)請(qǐng)求，從而提升web服務(wù)器處理動(dòng)態(tài)請(qǐng)求的效率。同時(shí)，新框架也可以在CPU 各核心之間，以及CPU 與MIC 處理器之間達(dá)到負(fù)載均衡。

2.1 軟件框架描述

新的軟件框架基于分階段事件驅(qū)動(dòng)模型（Staged Event Driven Architecture，SEDA），將web 服務(wù)器中請(qǐng)求的處理過(guò)程分為Receiver，Reader，Parser，Scheduler，Handler 和Writer 六個(gè)階段，分別對(duì)應(yīng)于建立連接，讀動(dòng)態(tài)請(qǐng)求，分析動(dòng)態(tài)請(qǐng)求，動(dòng)態(tài)請(qǐng)求的調(diào)度，動(dòng)態(tài)請(qǐng)求的處理和寫(xiě)響應(yīng)六個(gè)處理過(guò)程。每個(gè)階段都由一個(gè)服務(wù)線程池，一個(gè)任務(wù)隊(duì)列和任務(wù)處理邏輯構(gòu)成。其中，Receiver，Reader，Parser，Scheduler 和Writer 五個(gè)階段只部署在主機(jī)，而Handler 分別部署在主機(jī)和MIC 協(xié)處理器上。新服務(wù)器軟件框架的處理過(guò)如圖2所示。

圖2 新模型的處理流程

當(dāng)用戶(hù)請(qǐng)求到達(dá)服務(wù)器，Receiver 通過(guò)epoll[12]技術(shù)獲取連接文件符lfd，對(duì)用戶(hù)端建立連接，然后將lfd送至Reader的任務(wù)隊(duì)列中，Reader從lfd中讀取TCP包，然后將包中內(nèi)容送至Parser 的任務(wù)隊(duì)列中，Parser 解析TCP包，并從中抽取出請(qǐng)求。請(qǐng)求被送至Scheduler 的請(qǐng)求隊(duì)列中，由Scheduler 調(diào)度請(qǐng)求至CPU 或MIC 協(xié)處理器。Scheduler 中內(nèi)置有請(qǐng)求調(diào)度算法，由該算法保證CPU與MIC協(xié)處理器之間的負(fù)載均衡。

經(jīng)過(guò)Scheduler 的調(diào)度，請(qǐng)求被分配至運(yùn)行在CPU或MIC協(xié)處理器上的Handler的請(qǐng)求隊(duì)列中，當(dāng)Handler中有可用的服務(wù)線程時(shí)，一個(gè)服務(wù)線程會(huì)被分配給該請(qǐng)求。然后，服務(wù)線程解析該請(qǐng)求，并獲取要請(qǐng)求的文件名和參數(shù)。根據(jù)文件名從Cache或內(nèi)存中，甚至磁盤(pán)中載入該文件中的代碼，然后根據(jù)從請(qǐng)求中解析出來(lái)的參數(shù)由服務(wù)線程在CPU 或MIC 協(xié)處理器上執(zhí)行該代碼。代碼執(zhí)行后的結(jié)果results 通過(guò)TCP 協(xié)議發(fā)送至Writer的結(jié)果隊(duì)列中，然后由Writer以HTML的格式發(fā)送至網(wǎng)絡(luò)，這就是響應(yīng)。

2.2 請(qǐng)求調(diào)度算法

為了提升web服務(wù)器的性能，需要將部分請(qǐng)求分配至MIC協(xié)處理器上處理，這可能會(huì)導(dǎo)致CPU和MIC之間的負(fù)載不均衡，因此請(qǐng)求調(diào)度算法既要提高請(qǐng)求處理效率，又要保持CPU之間、CPU與MIC協(xié)處理器之間的負(fù)載均衡。本軟件框架中，請(qǐng)求調(diào)度算法部署在Scheduler中，對(duì)請(qǐng)求進(jìn)行分配和調(diào)度。

請(qǐng)求同一個(gè)頁(yè)面的動(dòng)態(tài)請(qǐng)求，其執(zhí)行過(guò)程具有相似性[13]，因此可歸為同一類(lèi)動(dòng)態(tài)請(qǐng)求。如果服務(wù)器中N類(lèi)動(dòng)態(tài)請(qǐng)求，分別是R1,R2,…,RN。動(dòng)態(tài)請(qǐng)求對(duì)處理器的負(fù)載沖擊主要來(lái)自動(dòng)態(tài)請(qǐng)求的數(shù)量和動(dòng)態(tài)請(qǐng)求的服務(wù)時(shí)間，因此可用兩者的乘積表示負(fù)載，即：

其中，CC(i)是第i 種動(dòng)態(tài)請(qǐng)求的數(shù)量，TC(i)是第i 種動(dòng)態(tài)請(qǐng)求的服務(wù)時(shí)間，而WC(i)表示第i 種動(dòng)態(tài)請(qǐng)求對(duì)處理器的負(fù)載沖擊。

若有P個(gè)處理器，而處理器j 上有N 類(lèi)動(dòng)態(tài)請(qǐng)求，每類(lèi)動(dòng)態(tài)請(qǐng)求的數(shù)量分別為CC(1,j),CC(2,j),…,CC(N,j)，每類(lèi)動(dòng)態(tài)請(qǐng)求在處理器j 上的服務(wù)時(shí)間分別為T(mén)C(1,j),TC(2,j),…,TC(N,j)，那么請(qǐng)求在處理器j 上產(chǎn)生的總負(fù)載可表示為：

動(dòng)態(tài)請(qǐng)求的服務(wù)時(shí)間可以通過(guò)文獻(xiàn)[14]的方法獲取，動(dòng)態(tài)請(qǐng)求某時(shí)間段的數(shù)量可以統(tǒng)計(jì)獲得。因此，從時(shí)間t0到時(shí)間tcurrent這段時(shí)間內(nèi)，如果各類(lèi)動(dòng)態(tài)請(qǐng)求到達(dá)的數(shù)量分別為CC(1,j),CC(2,j),…,CC(N,j)，那么時(shí)間tcurrent時(shí)處理器j 的負(fù)載可表示為：

其中，Δt=tcurrent-t0。因?yàn)樵讦 時(shí)間內(nèi)，隨時(shí)間的推移，處理器會(huì)處理掉一部分動(dòng)態(tài)請(qǐng)求，因此計(jì)算各處理器負(fù)載時(shí)要減去這段時(shí)間，但當(dāng)Δt 大于各類(lèi)動(dòng)態(tài)請(qǐng)求產(chǎn)生的負(fù)載時(shí)長(zhǎng)時(shí)，表明此段時(shí)間內(nèi)處理器處于空閑狀態(tài)，因此負(fù)載為0。

為充分利用多核處理器中緩存的局部性和NUMA架構(gòu)的特性[15]，同一類(lèi)動(dòng)態(tài)請(qǐng)求最好分配至同一個(gè)處理器上，而且需要同時(shí)維護(hù)各處理器之間的負(fù)載均衡。因此，可以根據(jù)各CPU處理器的負(fù)載狀態(tài)W′j(1 ≤j ≤P)和各CPU 上動(dòng)態(tài)請(qǐng)求的種類(lèi)和數(shù)量分配新到的動(dòng)態(tài)請(qǐng)求。若第i 種動(dòng)態(tài)請(qǐng)求到達(dá)服務(wù)器，各CPU上負(fù)載的均值為，而第i 種動(dòng)態(tài)請(qǐng)求在各處理器上的數(shù)量分別為CC(i,1),CC(i,2),…,CC(i,P)，則可根據(jù)下式分配第i 種動(dòng)態(tài)請(qǐng)求：

Lj(1 ≤j ≤P)中若Ll值最大，說(shuō)明處理器l 上負(fù)載越小且第i 種動(dòng)態(tài)請(qǐng)求的數(shù)量多，因此將第i 種動(dòng)態(tài)請(qǐng)求分配至處理器l 上，可同時(shí)兼顧處理器間的負(fù)載均衡和緩存局部性。其中，α β 為公式的修正系數(shù)，可根據(jù)實(shí)際情況進(jìn)行修正。

同時(shí)Scheduler可監(jiān)測(cè)各處理器的負(fù)載狀態(tài)，當(dāng)CPU處理器平均負(fù)載超過(guò)λ（設(shè)定的閾值）時(shí)，新到的動(dòng)態(tài)請(qǐng)求會(huì)被分配至MIC協(xié)處理器處理。

當(dāng)動(dòng)態(tài)請(qǐng)求i 到達(dá)服務(wù)器時(shí)，各CPU處理器平均負(fù)載E(W′C)＞λ，此時(shí)需要將新到的動(dòng)態(tài)請(qǐng)求i 分配至MIC協(xié)處理器處理。

假定有Q 個(gè)MIC 協(xié)處理器，當(dāng)動(dòng)態(tài)請(qǐng)求i 到達(dá)MIC k 協(xié)處理器時(shí)（此時(shí)刻記為t′current），從時(shí)間t′0到時(shí)間t′current，協(xié)處理器MIC k 上分配到的各類(lèi)動(dòng)態(tài)請(qǐng)求數(shù)為CM(1,k),CM(2,k),…,CM(N,k)。每類(lèi)動(dòng)態(tài)請(qǐng)求在MIC k 上的服務(wù)時(shí)間分別為T(mén)M(1,k),TM(2,k),…,TM(N,k)。那么，請(qǐng)求在協(xié)處理器MIC k 產(chǎn)生的總負(fù)載可由下列公式計(jì)算：

那么時(shí)間t′current時(shí)MIC k 上的負(fù)載可表示為：

其中，Δt′=t′current-t′0。因?yàn)樵讦′時(shí)間內(nèi)，隨時(shí)間的推移，協(xié)處理器會(huì)處理掉一部分動(dòng)態(tài)請(qǐng)求，因此計(jì)算各處理器負(fù)載時(shí)要減去這段時(shí)間，但當(dāng)Δt′大于各類(lèi)動(dòng)態(tài)請(qǐng)求產(chǎn)生的負(fù)載時(shí)長(zhǎng)時(shí)，表明此段時(shí)間內(nèi)處理器處于空閑狀態(tài)，因此負(fù)載為0。

那么，各MIC上的負(fù)載的均值為E(W′M)=(W′M(1)+W′M(2)+…+W′M(Q))/Q，而第i 種動(dòng)態(tài)請(qǐng)求在各處理器上的數(shù)量分別為CM(i,1),CM(i,2),…,CM(i,Q)，出于負(fù)載均衡和緩存局部性的考慮，可由下式分配動(dòng)態(tài)請(qǐng)求i 至那個(gè)MIC協(xié)處理器。

Gk(1 ≤k ≤P)中，若Gr值大，說(shuō)明MIC r 上負(fù)載小且第i 種動(dòng)態(tài)請(qǐng)求的數(shù)量多，因此將第i 種動(dòng)態(tài)請(qǐng)求分配至協(xié)處理器MIC r 上，可同時(shí)兼顧協(xié)處理器的負(fù)載均衡和緩存局部性。其中，μ,ν 為公式的修正系數(shù)，可根據(jù)實(shí)際情況進(jìn)行修正。

經(jīng)過(guò)上述步驟，到達(dá)Web服務(wù)器的動(dòng)態(tài)請(qǐng)求可以被分配至合適的CPU 或MIC 協(xié)處理器上，分配的過(guò)程同時(shí)兼顧了負(fù)載均衡和緩存局部性，可以最大化地利用異構(gòu)系統(tǒng)的計(jì)算能力，從而提高了動(dòng)態(tài)請(qǐng)求的處理能力。

調(diào)度算法的偽碼描述如下：

//用于存儲(chǔ)P 個(gè)CPU處理器上已分配的N 類(lèi)請(qǐng)求的數(shù)量

array CC[N,P]

//用于存儲(chǔ)P 個(gè)CPU處理器上N 類(lèi)請(qǐng)求的服務(wù)時(shí)間

array TC[N,P]

//用于存儲(chǔ)Q 個(gè)MIC處理器上N 類(lèi)請(qǐng)求的服務(wù)時(shí)間

array TM[N,Q]

//用于存儲(chǔ)Q個(gè)MIC處理器上已分配的N 類(lèi)請(qǐng)求的數(shù)量

array CM[N,Q]

初始時(shí)間為t0

While（true）

{

第i 個(gè)請(qǐng)求到達(dá)scheduler，此時(shí)時(shí)間為tcurrent

//當(dāng)前時(shí)間與初始時(shí)間的差值

Δt=tcurrent-t0

//用于記錄每個(gè)CPU的上的歷史總負(fù)載情況

array WC[P]

array W′C[P]

for(j=0; j ＜P; j+ +)

{

WC[j]=CC[i,j]TC[i,j]

If（WC[j]≥Δt）

W′C[j]=WC[j]-Δt

Else

W′C[j]=0

}//for

If（E(W′C)＞λ）//CPU負(fù)載過(guò)大

{

//表示每個(gè)MIC的上的歷史總負(fù)載情況

array WM[Q]

array W′M[Q]

for(j=0; j ＜Q; j++)

{

WM[j]=CM[i,j]TM[i,j]

If（WM[j]≥Δt）

W′M[j]=WM[j]-Δt

Else

W′M[j]=0

}//for

array G[Q]

for(k=0; k ＜Q; k++)

{

}

//求G[k]中的最大值Gmax(r)

Gmax(r)=Max{G[k]}

將該請(qǐng)求分配至第r 個(gè)MIC處理器

CM[i,r]++

}//If

Else

{

array L[P]

for(j=0; j ＜P; j++)

{

}

//求L[j]中的最大值Lmax(l)

Lmax(l)=Max{L[j]}

該該請(qǐng)求分配至第l 個(gè)CPU處理器

CC[i,l]++

}//Else

}//while

3 實(shí)驗(yàn)及評(píng)估分析

3.1 實(shí)驗(yàn)設(shè)置

本實(shí)驗(yàn)采用如圖3 所示拓?fù)鋱D，多臺(tái)客戶(hù)端PC 采用httperf 向服務(wù)器Server 發(fā)送動(dòng)態(tài)請(qǐng)求。本實(shí)驗(yàn)采用一個(gè)6 核12 超線程的CPU 和一個(gè)MIC 卡作為實(shí)驗(yàn)平臺(tái)，MIC協(xié)處理器為Intel Xeon Phi 5110p，具有512位SIMD 指令集，57 個(gè)物理核心，每個(gè)核心有4 個(gè)硬件線程?；谛萝浖蚣荛_(kāi)發(fā)的服務(wù)器程序NSFS（New Software Framework Server）部署在服務(wù)器Server 上，用于處理到達(dá)服務(wù)器的動(dòng)態(tài)請(qǐng)求。作為對(duì)比，基于傳統(tǒng)的先到先服務(wù)（FCFS）算法開(kāi)發(fā)了web 服務(wù)器程序uFCFS，部署于兩臺(tái)6 核12 超線程的服務(wù)器節(jié)點(diǎn)上，其中一臺(tái)兼作負(fù)載均衡器使用，采用輪詢(xún)的方式向本身和另一臺(tái)部署uFCFS 的服務(wù)器轉(zhuǎn)發(fā)動(dòng)態(tài)請(qǐng)求，由uFCFS處理動(dòng)態(tài)請(qǐng)求，并返回響應(yīng)。

圖3 實(shí)驗(yàn)拓?fù)鋱D

本文基于上述兩個(gè)仿真web 服務(wù)器程序NSFS 和uFCFS 進(jìn)行實(shí)驗(yàn)，并主要從吞吐量、平均響應(yīng)時(shí)間對(duì)兩者進(jìn)行評(píng)估。其中，httperf 的并發(fā)數(shù)、動(dòng)態(tài)請(qǐng)求的服務(wù)時(shí)間是可以調(diào)整的，本文在調(diào)整這些參數(shù)的情況下進(jìn)行了一系列實(shí)驗(yàn)，測(cè)量吞吐量、平均響應(yīng)時(shí)間隨并發(fā)數(shù)和動(dòng)態(tài)請(qǐng)求服務(wù)時(shí)間變化的情況。

3.2 結(jié)果評(píng)估

（1）隨并發(fā)數(shù)的變化

在保持其他實(shí)驗(yàn)參數(shù)保持不變的前提下，改變httperf 發(fā)送動(dòng)態(tài)請(qǐng)求的并發(fā)數(shù)（從100 至10 000），對(duì)兩個(gè)仿真web 服務(wù)器程序NSFS 和uFCFS 進(jìn)行實(shí)驗(yàn)，并分別測(cè)量計(jì)算兩個(gè)仿真web 服務(wù)器程序的吞吐量和平均響應(yīng)時(shí)間。實(shí)驗(yàn)結(jié)果如圖4所示。

由圖4 可看出，當(dāng)動(dòng)態(tài)請(qǐng)求的并發(fā)數(shù)不斷增加時(shí)，同時(shí)到達(dá)web服務(wù)器的請(qǐng)求數(shù)量增多，所以導(dǎo)致請(qǐng)求排隊(duì)變長(zhǎng)，從而導(dǎo)致uFCFS和NSFS的平均響應(yīng)時(shí)間隨并發(fā)數(shù)的增加而增加。但uFCFS 的平均響應(yīng)時(shí)間在此過(guò)程中，增加的幅度要大于NSFS 的幅度，這說(shuō)明使用NSFS框架的web服務(wù)器可以充分利用多核CPU和MIC協(xié)處理器的運(yùn)算能力，其處理請(qǐng)求的能力要強(qiáng)于uFCFS，即基于CPU+MIC協(xié)處理器的異構(gòu)web服務(wù)器的性能要強(qiáng)于由兩個(gè)運(yùn)算節(jié)點(diǎn)組成的web服務(wù)器。

uFCFS和NSFS的吞吐量可根據(jù)如下公式分析：

當(dāng)并發(fā)數(shù)增加時(shí)，uFCFS 和NSFS 的平均響應(yīng)時(shí)間均增加，因此根據(jù)公式（8）可知，兩者的吞吐量變化均不會(huì)大。由于NSFS能充分利用MIC協(xié)處理器，因此運(yùn)算能力更強(qiáng)，所以平均響應(yīng)時(shí)間也更短一些，從而其吞吐量要高于uFCFS，分析結(jié)果與圖4中的實(shí)驗(yàn)結(jié)果一致。

（2）隨服務(wù)時(shí)間的變化

用戶(hù)請(qǐng)求的服務(wù)時(shí)間變化比較大，呈現(xiàn)重尾分布的特點(diǎn)[16]，為模擬真實(shí)場(chǎng)景，不失一般性，本文實(shí)驗(yàn)中的請(qǐng)求服務(wù)時(shí)間是可以調(diào)整的。當(dāng)增大服務(wù)時(shí)間時(shí)，測(cè)量uFCFS 和NSFS 兩種服務(wù)器的吞吐量和平均響應(yīng)時(shí)間，圖5為測(cè)得的結(jié)果。

根據(jù)圖5，當(dāng)服務(wù)時(shí)間增加時(shí)，uFCFS和NSFS 的吞吐量均下降，這是由于隨著服務(wù)時(shí)間增加，兩種web 服務(wù)器處理動(dòng)態(tài)請(qǐng)求的時(shí)間都隨之增長(zhǎng)，因此導(dǎo)致兩種服務(wù)器的吞吐量均下降。但是NSFS 的吞吐量一直大于uFCFS，這是因?yàn)镹SFS 可以整合多核CPU 和MIC協(xié)處理器的運(yùn)算能力，整體性能要優(yōu)于由兩臺(tái)普通節(jié)點(diǎn)構(gòu)成的uFCFS 服務(wù)器。隨服務(wù)時(shí)間增加，uFCFS 和NSFS 的平均響應(yīng)時(shí)間均增加，這是由于服務(wù)時(shí)間的增加會(huì)加重服務(wù)器的負(fù)載，從而導(dǎo)致排隊(duì)時(shí)間的增加，進(jìn)而延長(zhǎng)了服務(wù)器的平均響應(yīng)時(shí)間。而NSFS 的平均響應(yīng)時(shí)間始終低于uFCFS，這也證實(shí)了NSFS 的性能要優(yōu)于uFCFS。

4 結(jié)論

本文針對(duì)由多核CPU和MIC協(xié)處理組成的異構(gòu)系統(tǒng)，提出了可充分發(fā)揮該系統(tǒng)運(yùn)算性能的動(dòng)態(tài)請(qǐng)求調(diào)度算法。該算法基于分階段事件驅(qū)動(dòng)模型，將動(dòng)態(tài)請(qǐng)求的處理過(guò)程分為多個(gè)階段，運(yùn)算較密集的動(dòng)態(tài)請(qǐng)求處理階段由多核CPU 和MIC 協(xié)處理器并行承擔(dān)，并通過(guò)負(fù)載均衡算法保持多核CPU和MIC協(xié)處理器之間的負(fù)載均衡?；诖四Ｐ?，本文開(kāi)發(fā)了對(duì)應(yīng)的仿真程序，并進(jìn)行了相關(guān)的仿真實(shí)驗(yàn)。實(shí)驗(yàn)表明，基于該算法的web服務(wù)器的吞吐量、平均響應(yīng)時(shí)間均優(yōu)于由兩個(gè)節(jié)點(diǎn)構(gòu)成的采用傳統(tǒng)FCFS算法的仿真web服務(wù)器。

圖4 兩個(gè)仿真程序隨并發(fā)數(shù)變化時(shí)的性能對(duì)比

圖5 兩個(gè)仿真程序隨服務(wù)時(shí)間變化時(shí)的性能對(duì)比