對于服務器虛擬化的異構問題，可以從兩個層面去解決：(1)通過資源池的分組，對不同架構的服務器和小型機進行虛擬化，不同架構的資源池歸于一個獨立的組，針對不同的應用，分配特定的虛擬機資源。(2)通過業務的定制和調度，將不同架構的虛擬化平臺通過管理融合，實現異構虛擬機的調度。

異構資源池如圖2所示。在云計算平臺中，把IBM的PowerSystems小型機集群通過IBM的PowerVM系統虛擬為基于  PowerSystems架構的計算資源池，把HP的小型機集群通過HP的VSE系統虛擬為基于HP架構的計算資源池，把X86架構的計算資源通過  XENKVM系統虛擬為基于X86的ZXVE資源池。在業務部署時，不同的應用的可以根據自己的業務特點和操作系統特點，選擇性地部署在不同的資源池上，從而實現虛擬化對各類小型機的異構。X86架構的計算資源池、PowerSystems架構的計算資源池和HP架構的計算資源池分別受各自的虛擬化管理軟件(如VMM、IVM和gWLM)管理。在VMM、IVM和gWLM的上層，可以通過融合的虛擬化管理器(iVMM)，對3個計算資源池進行統一管理。

圖3所示為虛擬資源對應用實現異構的方法。此方法的核心在于4個方面：iVMM、業務調度器、業務系統針對不同的資源池架構提供應用功能相同的不同版本、iVMM和業務調度器之間的OCCI擴充接口。

在業務應用層面，針對業務系統，本文增加業務調度器模塊。業務調度器根據業務的繁忙程度，向iVMM申請增加或減少虛擬機資源，并調整負載均衡策略。業務系統針對不同的資源池架構，需要準備與之對應的功能相同的不同版本。OCCI擴充接口的工作流程為：

業務系統的業務調度器通過OCCI接口向云計算平臺申請資源，同時向云計算平臺提供業務系統可以支持的操作系統等信息，并提供優先級信息。

云計算平臺根據業務系統的請求和云內資源的空閑情況，分配計算資源，通過OCCI接口通知業務調度器云計算平臺向業務系統提供了何種架構的計算資源。

業務調度器根據申請到的資源情況，將業務處理機的操作系統、業務版本等模板信息通過OCCI接口通知云計算平臺，由云計算平臺進行操作系統和業務程序的部署，完成后提交給業務系統進行使用。

3 分布式技術

分布式技術最早由Google規模應用于向全球用戶提供搜索服務，因此必須要解決海量數據存儲和快速處理的問題。其分布式的架構，可以讓多達百萬臺的廉價計算機協同工作。分布式文件系統完成海量數據的分布式存儲，分布式計算編程模型MapReduce完成大型任務的分解和基于多臺計算機的并行計算，分布式數據庫完成海量結構化數據的存儲。互聯網運營商使用基于Key/Value的分布式存儲引擎，用于數量巨大的小存儲對象的快速存儲和訪問。

3.1 分布式文件系統

分布式文件系統的架構，不管是Google的GFS還是Hadoop的HDFS，都是針對特定的海量大文件存儲應用設計的。系統中有一對主機，應用通過文件系統提供的專用應用編程接口(API)對系統訪問。分布式文件系統的應用范圍不廣的原因主要為：主機對應用的響應速度不快，訪問接口不開放。

主機是分布式文件系統的主節點。所有的元數據信息都保存在主機的內存中，主機內存的大小限制了整個系統所能支持的文件個數。一百萬個文件的元數據需要近  1G的內存，而在云存儲的應用中，文件數量經常以億為單位;另外文件的讀寫都需要訪問主機，因此主機的響應速度直接影響整個存儲系統的每秒的讀入輸出次數  (IOPS)指標。解決此問題需要從3個方面入手：

(1)在客戶端緩存訪問過的元數據信息。應用對文件系統訪問時，首先在客戶端查找元數據，如果失敗，再向主機發起訪問，從而減少對主機的訪問頻次。

(2)元數據信息存放在主機的硬盤中，同時在主機的內存中進行緩存，以解決上億大文件的元數據規模過大的問題。為提升硬盤可靠性和響應速度，還可使用固態硬盤(SSD)硬盤，性能可提升10倍以上。

(3)變分布式文件系統主機互為熱備用的工作方式為1主多備方式(通常使用1主4備的方式)，通過鎖服務器選舉出主用主機，供讀存儲系統進行改寫的元數據訪問服務，如果只是讀訪問，應用對元數據的訪問將被分布式哈希表(DHT)算法分配到備用主機上，從而解決主機的系統“瓶頸”問題

對于分布式文件系統，外部應用通過文件系統提供的專用API對其進行訪問，這影響了分布式文件系統的應用范圍。對于標準的POSIX接口，可以通過  FUSE的開發流程實現，但將損失10%~20%的性能。對于網絡文件系統(NFS)，在實現POSIX接口的基礎上，可以直接調用Linux操作系統的  NFS協議棧實現。

3.2 Key/Value存儲引擎

Key/Value存儲引擎最大的問題在于路由變更后，數據如何快速地實現重新分布。Key/Value存儲引擎如圖4所示。可以引進虛擬節點的概念，將整個Key值映射的RING空間劃分成Q個大小相同的Bucket(虛擬節點，Key的映射算法推薦采用MD5)。每個物理節點根據硬件配置情況負責多個  Bucket區間的數據。同一個Bucket上的數據落在不同的N 個節點上，通常情況下N  =3。我們將DCACHE的Q設定成10萬，即把整個RING空間分成了10萬份，如果整個DCACHE集群最大容量為50 TB，每個區間對應的數據大小僅為500  MB。對500 MB的數據進行節點間的遷移時間可以少于10 s。圖4中，N =3，Bucket A中的數據存儲在B、C、D 3個節點。

Key/Value存儲引擎是一個扁平化的存儲結構，存儲內容通過Hash算法在各節點中平均分布。但是在一些應用中，業務需要對Key/Value存儲引擎進行類似目錄方式的批量操作(如在CDN項目中，網站向CDN節點推送內容時，需要按照網頁的目錄結構進行增加和刪除)，Key/Value存儲引擎無法支持這樣的需求。可以在Key/Value存儲引擎中增加一對目錄服務器，存儲Key值與目錄之間的對應關系，用于對目錄結構的操作。當應用訪問  Key/Value存儲引擎時，仍然按照Hash方式將訪問對應到相應的節點中，當需要目錄操作時，應用需要通過目錄服務器對Key/Value存儲引擎進行操作，目錄服務器完成目錄操作和Key/Value方式的轉換。由于絕大多數項目中，大部分為讀操作，因此目錄服務器參與對Key/Value引擎訪問的次數很少，不存在性能“瓶頸”。