基于模糊层次分析的虚拟机热度综合评估方法

虚拟机热点的判断是虚拟机热点消除过程中的关键环节.传统方法通常判断监测指标是否超过阈值,未考虑判断指标与服务之间的关系,影响判断的准确性.本文结合部署在虚拟机上的服务的可用性和质量因素建立了热度评估指标体系,提出了基于模糊层次分析的主观权重和基于离差最大化法的客观权重的确定算法,以及将主观权重和客观权重相结合的热度综合评估方法,并给出了基于热度的虚拟机冷热点判断规则.实验结果表明,利用热度进行热点判断的准确率高于利用传统设定阈值的方法,可以有效减少不适当的迁移,热点消除的代价较小.     

数据中心多目标虚拟机管理研究

通过建立起资源使用、服务器热点与电源能耗三者的统一优化模型,设计多目标虚拟机动态管理系统,协同优化资源使用、服务器热点和电源能耗,以使得数据中心的效益达到最优.鉴于数据中心负载流量的动态波动性,采用基于滑动窗口的两级状态检测策略来决策迁移虚拟机时刻,基于多目标统一优化模型设计相应算法来解决迁移虚拟机和目的主机的选择问题.最后在Xen虚拟机平台上测试该系统,实验结果表明:本文设计的虚拟机动态管理方法能够较好地协同优化数据中心的资源使用、服务器热点和电源能耗,使得数据中心的效益达到最优.     

SOA服务系统中基于虚拟机的QoS保证机制

利用虚拟机的隔离性、封装性、透明性等特点,提出了在服务系统上利用虚拟机中间件来实现服务系统的性能QoS和安全QoS,通过定义计算域、可信程序和节点负载来实现任务运行环境的选择,运行环境的隔离;通过形式化的方法证明了基于虚拟机运行环境的高安全性;通过虚拟机迁移技术实现计算域群内虚拟机的整体迁移以达其高效性。最后利用仿真实验验证了基于虚拟机中间件服务系统的高安全性和高效性。     

一种支持在线迁移的虚拟机间快速通信方法

已有基于共享内存的虚拟机间通信方法不能在支持应用编程透明和虚拟机在线迁移的同时满足实现复杂度低的要求。针对该问题,面向同一物理计算机上多个虚拟机间的通信,提出了一种支持在线迁移的虚拟机间快速通信方法RLMCom,通过引入通信加速内核模块和改进已有虚拟机监控器,可构造出支持RLMCom的虚拟机系统。改进了连接建立、数据传输、连接关闭等关键流程以支持在线迁移。与现有基于共享内存的虚拟机间通信方法相比,该方法同时满足对用户和编程者透明、支持在线迁移且无需修改操作系统内核代码3个特点。分析表明,该方法可有效提高通信效率,保证虚拟机在线迁移时通信的正确性。     

虚拟机集群自适应负载均衡策略

针对虚拟机集群资源负载不平衡的问题,为提高资源利用率,提出一种集群自适应调度策略。首先将虚拟机资源按类别进行划分,然后通过量化各类资源对系统性能的影响,采用随机概率选择算法,完成对拟迁移的虚拟主机和目标迁移节点的选择,从而解决系统负载不平衡问题。实验结果表明,该方法能有效改善系统性能和提升资源利用率。     

绿色云计算环境中基于温度感知的虚拟机迁移策略

虚拟机迁移策略是提高云数据中心的物理主机利用率和降低能量消耗的关键技术。提出了绿色云计算环境中基于温度感知的虚拟机迁移策略 (temperature-aware virtual machine migration,TA-VMM)。主要考虑物理主机处理器的温度情况作为选择和分配虚拟机的关键因素。建立了虚拟机迁移过程中物理资源的温度和能量的数学模型; 以最小温度距离 (minimum temperature distance,MTD)作为虚拟机选择的重要考虑因素;以温度距离比率 (temperature distance ratio,TDR)作为虚拟机重新分配的重要考虑因素;以Cloudsim3.0云计算模拟器中的物理主机超负载检测算法和虚拟机分配策略作为TA-VMM的性能比较对象。利用Cloudsim3.0模拟器建立了TA-VMM的仿真环境,实验结果表明,与Cloudsim中已有的虚拟机迁移策略比较,TA-VMM在节省能量和虚拟机迁移次数方面具有较好的性能, 服务协议(service level agreement,SLA)违规方面只有极小的增加。     

基于虚拟机迁移的虚拟机集群资源调度

针对虚拟机集群资源负载不平衡的问题,基于虚拟机迁移技术,提出了一种虚拟机集群资源调度策略,将虚拟机的资源进行了分类并用向量表示,描述了每一类资源的数量和负载的计量方法,用最佳适应算法寻找虚拟机迁移的目标主机,通过使用上限阈值和下限阈值约束资源利用率的方法,使负载平衡目标与节能目标相统一,引入最小迁移周期避免了虚拟机资源利用率不稳定带来的频繁迁移.该调度策略能为虚拟机中的应用提供透明的资源调度,并使虚拟机集群达到负载平衡和节能的双重目标.     

基于云平台的大规模工业园区资源集约化控制方法

为了解决传统分布式控制部署环境繁琐,令现阶段资源控制变得更加复杂,容易产生服务延迟和稳定性低的问题。通过云平台研究了一种大规模工业园区资源集约化控制方法。以服务思想为核心建立大规模工业园区资源集约化控制框架,为用户提供统一的使用平台。设计云平台由云控制节点控制,按照需求对存储节点进行扩充。框架中的功能层为大规模工业园区资源集约化控制的重要部分,包括性能监测、资源调度、自适应控制与报警四个部分。虚拟机放置遍历全部可能的云平台状态,将状态变化代价最小云平台状态当成虚拟机控制策略。基于成本的最低消耗采取资源调度策略,组建动态任务划分模型。结合总体考虑节点量、输入数据类型、进行调度时所耗时间以及资源回收所需时间等影响因素做出深入分析。结果表明:所提方法控制下网络拥塞率符合要求;服务延时低、稳定性高。可见所提方法整体性能优。     

面向负载均衡的VM迁移调度方法

虚拟机动态迁移是实现虚拟计算环境下负载均衡、绿色节能、在线维护、主动容错以及资源灵活配置等功能的关键技术。针对多个虚拟机迁移场景下的并发性问题、迁移目标选择问题及迁移路径优化问题,该文提出一种以负载均衡为优化目标的虚拟机(VM)迁移调度方法。该方法首先识别可能违背负载均衡的物理节点,确定待迁移的VM对象,采用模拟退火算法以负载均衡为优化目标确定待迁移VM的迁移目标。最后,设计了路径交换策略对迁移路径进行优化以提高并发迁移数目。实验结果表明,该方法不仅能缩短迁移完成时间,而且能优化VM放置,确保负载均衡。     

云计算环境下虚拟机动态整合关键技术研究进展

虚拟机的动态整合是提高云计算物理资源利用率和降低云数据中心能耗的有效途径。在分析云计算环境下虚拟机动态整合的相关研究进展及现有关键技术的基础上,给出云计算的体系结构;详细讨论能耗、服务质量(quality of service,QoS)、服务等级协议(service level agreement,SLA)和虚拟机迁移成本4个指标,并提出总体优化目标;根据虚拟机动态整合的三个步骤探讨相关研究方法和关键技术,并从能耗与性能优化的角度进行分析;指出目前研究中的重点问题,并对动态整合策略、能效与性能的折中、QoS和SLA、资源分配和安全性等方面的研究进行展望。     

基于能耗降低的虚拟机动态迁移算法

在云计算环境中,有效的虚拟机动态迁移算法有助于降低能耗和SLA违反率。本文提出了一种改进的虚拟机动态迁移算法,通过双阈值策略、基于最小迁移代价的虚拟机选择策略和目标物理节点的概率选择策略来降低能耗,并降低SLA违反率。仿真实验表明,该方法在虚拟机动态迁移中能够降低系统的能源消耗,同时也降低了SLA违反率。     

云计算中运营商效益最优的资源分配机制

针对传统的虚拟机调度方法中虚拟机申请时,调用相应负载均衡算法将虚拟机调度到相应的物理服务器上,不能达到整体效益最优的问题,提出了一种实时满足运营商资源最高效益的动态调度方法.每次新加入用户时,新加入的用户资源和先前分配的资源一起重新在所有服务器上规划,进行全局虚拟机调度,迁移那些能给系统带来足够效益部分虚拟机,完成全局最优的虚拟机部署.该方法对云中资源进行了合理的高效益规划,大大节约运营商成本,提高了云中资源利用率,降低了能耗.     

云数据中心基于负载预测的物理主机状态检测策略

针对云数据中心现有物理主机状态检测算法对提高云数据中心物理资源的利用率效果不明显问题,提出了基于负载预测的物理主机状态检测策略(load prediction based physical host status detection,LP-PHSD),LP-PHSD利用时间序列和二次指数平滑法预测出物理主机在未来一段时间内的资源利用率情况,同时结合绝对中位差方法,确定资源利用率动态阈值边界,选择适当的时刻进行迁移,提高物理资源的利用效率,降低能量消耗.LP-PHSD包括源物理主机状态检测和目标物理主机状态检测2个部分,可以很好地判断出虚拟机迁移的时刻.实验表明,经LP-PHSD策略优化后的新虚拟机迁移方法与近几年的BenchMark迁移模型比较起来,云数据中心的总体能量消耗降低,虚拟机迁移次数减少,云服务质量明显提高.     

基于Xen的软件再生方法研究与实现

实现服务器虚拟化的虚拟机系统在长期的运行过程中会出现性能衰退、服务质量下降等"老化"现象。为了避免虚拟机系统软件老化造成的不必要的损失,本文使用软件再生方法来解决这一老化问题,提出了一种改进的虚拟机再生框架,分析了三种对虚拟机监视器进行再生的方法。并在此基础上采用Cold-VM方法和Migrate-VM方法对虚拟机监视器进行了再生实验。实验结果表明,Cold-VM方法对当前系统服务的中断时间较长,而Migrate-VM方法可以有效的降低当前系统服务的中断时间,提高系统的可用性。     

移动边缘计算中基于用户移动的虚拟机迁移策略研究

随着移动边缘计算(mobile edge computing,MEC)技术的深入发展,其面临的挑战也越来越复杂。由于用户移动而造成用户与云服务器之间的通信延时增加,用户服务质量(quality of service,QoS)下降是目前的研究热点,由此提出移动边缘计算中基于网络拥塞情况下的虚拟机迁移策略。将用户运行的带宽延迟敏感型应用卸载到用户周围代价最小的边缘服务器的虚拟机上,当出现网络拥塞情况时,通过将运行带宽延迟敏感型应用的虚拟机从拥塞的边缘服务器迁移到资源丰富的服务器上,达到提高链路的TCP(transmission control protocol)吞吐量的目的,同时改善用户的QoS。提出了4种不同的网络与边缘节点拥塞情况,通过仿真结果分析,所提出的虚拟机迁移策略可以有效地改善网络的TCP吞吐量,提高用户服务质量。     

面向云计算数据中心的弹性资源调整方法

为了制定多种业务质量要求服务的资源购买方案,通过平台服务商与基础设施服务商之间签订基于服务等级协议的资源分配协议,提出一种面向应用性能的云计算弹性资源调整方法。该方法利用自动伸缩算法,在垂直层次上对负载需求的波动进行虚拟机资源调整,以实现动态调整分配资源量来满足应用的服务级别的需求,优化云计算资源利用率。最后通过仿真验证该算法的有效性。     

云计算环境下基于改进GSO的目标主机选择算法

目标主机的选择是虚拟机动态迁移过程中的重要阶段,是实现负载均衡的关键。针对基本萤火虫算法存在的精度不高、收敛较慢的问题,提出了一种改进的萤火虫优化算法,用于解决虚拟机迁移时虚拟机和目标物理主机的映射问题,实现多目标最优求解。该算法通过引入步长调整因子,能够动态调整移动步长,克服了步长过大或过小导致的精度不高、后期收敛较慢的缺点。全面考虑物理主机负载指标,建立负载均衡模型,将萤火虫算法中个体与节点资源相对应,利用萤火虫发光机制寻优求解,以实现目标主机的优化选择。仿真实验表明,该算法能够快速完成目标主机的选择,有效平衡系统资源,实现数据中心负载均衡。     

云计算环境下虚拟机服务质量保证和评估方法:研究综述

云计算是一种按需付费的资源使用模式.它通过虚拟化技术,向用户提供具有服务质量保证的计算、存储以及网络资源.然而,与物理服务器相比,虚拟化环境的特点使得虚拟机的服务质量(Quality of Service,Qo S)难以保证,例如,虚拟化技术本身的限制、虚拟机上所运行的应用的行为难以被准确预测、虚拟机性能评估困难、以及虚拟机行为监控困难等.分析上述困难,阐述学界对虚拟机服务质量保证的研究现状,总结对易于量化的Qo S指标及难以量化的Qo S指标的评估和保证方法.最后,总结与虚拟机Qo S相关的问题,并展望未来的研究方向和亟待解决的问题.     

基于副本的跨数据中心虚拟机快速迁移算法

跨广域网的虚拟机动态迁移是多数据中心云计算环境的重要技术支撑。与局域网上相比,跨广域网的动态迁移由于受到带宽的限制而面临更多的技术挑战。基于跨数据中心虚拟机迁移的特性,提出了多数据中心虚拟机快速动态迁移架构和跨数据中心快速动态镜像迁移(FlimCD)算法。FlimCD算法利用脏块去冗、缺块预取和热区排序传输等优化方法,减少了虚拟机整体迁移时间,并降低了迁移对性能的影响。实验表明:对于中等I/O强度工作流,FlimCD算法的迁移时间比前拷贝方法的减少64.3%;FlimCD的优化机制使后拷贝阶段的缺块率下降49%以上。     

高校云计算数据处理中虚拟机迁移与轮转模式研究

针对高校云计算数据处理应用中的虚拟器迁移和数据处理任务调度问题,首先提出一种新颖且高效的数据依赖感知的虚拟机迁移方案(简称为DataAware)。在进行虚拟机迁移时,DataAware考虑了虚拟机之间的数据依赖性和服务器的剩余容量,以此减少迁移产生的网络流量。然后,为了进一步提高云计算中数据处理的性能,提出一种基于轮转模式的同步并行轮转(SPR)调度算法,以减少由数据汇聚而形成的通信瓶颈。最后分别采用仿真实验和理论分析评估所提出方法的性能。仿真实验结果表明,DataAware能够大大地减少网络流量,提高网络性能。通过推导出SPR策略的误差上界,说明采用SPR模式对数据处理任务进行调度能使数据处理算法收敛。