融合唤醒阈值与半休眠模式的云虚拟机调度策略

为了满足云用户请求响应要求的同时进一步提高云平台能量效率,融合唤醒阈值与半休眠模式,提出一种新型的云虚拟机调度策略。在一个半休眠周期结束时刻,如果缓冲区中等待的云用户请求数达到阈值N,虚拟机则由半休眠状态转入唤醒状态,以正常速率为云用户请求提供服务;否则,虚拟机将重新开始一次新的半休眠周期,持续为云用户请求提供低速服务。根据云虚拟机调度策略的原理,建立一个具有N策略和多重异步工作休假的多服务台排队模型。利用拟生灭过程和矩阵几何解方法,推导云用户请求平均逗留时间与系统节能率等性能指标。综合数值分析实验和系统仿真实验,评估云虚拟机调度策略的系统性能。构造成本函数,利用蚁群智能寻优算法,给出云虚拟机调度策略的优化方案。     

基于主元分析法的虚拟机异常监控研究

面临云平台中虚拟机使用异常的监控系统缺乏问题,以现有的IaaS开源云平台Eucalyptus和基于Linux内核的Xen虚拟机为基础,研究基于主元分析法(primary component analysis,PCA)的虚拟机异常监控方法,并在此基础上设计在云环境中基于Xen虚拟机异常使用的监控系统.该系统可以对采集到的数据进行分析,判断虚拟机是否出现使用异常并定位异常.实验结果表明,采用基于主元分析法的虚拟机异常监控系统对云环境中的虚拟机产生的异常检测准确度较高,在定位异常方面也有较好的准确度.该研究成果为云环境下虚拟机异常监控提供了有效的理论研究依据和应用实践价值.     

Java虚拟机分析

研究Java平台的核心--虚拟机.为了使Java在不同的平台上顺利运行,研究Java虚拟机(Java virtual machine,简称JVM)的组成及运行机制,为编程实现JVM或向各种平台移植JVM提供参考.通过对Kaffe(一种Java虚拟机的实现)桌面版本的源代码进行分析,得出虚拟机运行的整个流程,并对流程中的关键部分进行深入研究,同时结合Sun的,总结出实现JVM的一些关键步骤,并提出改进JVM运行效率的建议.     

资源池安全接入管理关键技术研究

为保证在虚拟机中的桌面或服务器操作系统的安全运行,将安全工作划分为6个子任务,提出了以虚拟机管理器工作机制为技术基础、利用代理技术实现主控服务器和宿主服务器之间安全管控与审计,同时提出了虚拟机安全隔离的设计机制,从运行、CPU、内存、存储和网络5个方面分析了虚拟机的隔离方式,有效地实现了终端的安全接入管理与隔离运行,为安全审计、抗逃逸攻击等提供了基础安全保障机制.     

一种Cache加速在虚拟桌面云上的应用

传统的虚拟桌面云系统,随着用户数的增加,系统会显现I/O瓶颈,用户体验降低等现象。本方案是在虚拟化桌面云系统中,把热点数据缓存在SSD高速存储设备上作为Cache,大幅度提高系统I/O性能,并减少虚拟机用户的I/O请求的处理延时,具有一定的实际应用意义。     

混合云资源调度模型与算法研究

为了解决不同云中的资源基于应用负载的优化调度的问题,设计了混合云原型系统,目的是针对混合云系统的调度模块,联合了私有云和公有云,能够克服私有云和公有云模式的不足,充分发挥云计算的优势,从而兼顾服务质量、安全和成本。实验结果表明,当用户请求增多时,混合云资源调度模型能够实现在公有云上启用新的虚拟机进行负载均衡;当用户请求减少,私有云中虚拟机负载减少,则释放公有云中的资源,以实现资源的自动伸缩。     

监控与预测的云资源优化配置

针对云环境下虚拟机资源在多数时间中处于闲置状态导致云资源利用率低的问题,设计一种云资源监控系统,并在云监控基础上提出一种基于自回归积分滑动平均(ARIMA)模型的动态负载预测与资源配置的方法.该方法利用虚拟机负载与配置的关系,通过预测负载情况,提前启动或者挂起虚拟机,提高云资源的利用率.研究结合OpenStack云环境提供的虚拟机,实现其下的云资源监控,预测和弹性分配功能.结果表明:该系统能准确预测虚拟机的需求量,所制定的资源弹性分配策略能够提高云资源的利用率,进一步节约成本.     

一种无代理虚拟机进程监控方法

针对云环境下的租户虚拟机状态监控问题,提出一种基于虚拟机内存实时在线分析的虚拟机监控技术.借助虚拟化层的高特权级,可以在虚拟机外部透明地实时获取虚拟机的物理内存.引入内存取证领域的物理内存解析机制,在虚拟化层在线地分析虚拟机内存中重要的内核数据结构,从而获取虚拟机内存语义知识,有效地解决虚拟机与虚拟化层之间的语义鸿沟问题,实现虚拟机细粒度状态信息监控.由于监控代码处于更高特权级的虚拟化层,无需在用户虚拟机中部署监控代理,因此,虚拟机内部的恶意代码无法旁路和破坏安全监控代码,提高了方法的透明性和安全性.实验表明,该方法可以在低开销下以无监控代理模式为租户提供虚拟机监控服务.     

面向中小企业的虚拟化解决方案

以虚拟机为核心的虚拟化技术已开始引入企业.虚拟化技术具有支持多种操作系统、安装快捷、集成度高、方便移植、有较强的容灾功能等特点,中小企业虚拟化的解决方案,是通过建立服务器池,建立桌面应拟机环境,在同一系统上同时运行多台虚拟机、快速部暑操作系统和应用软件等手段,构建灵活可靠的企业信息化环境.     

华为与国家信息中心共建电子政务工程创新中心

华为宣布与国家信息中心达成战略合作,双方将通过共建电子政务工程创新中心,在电子政务工程实践、新技术研究与示范、专业技术认证等方面进行合作。据悉,双方将在国家电子政务外网上建立政务云、桌面云示范点,并尝试电子政务与桌面云的结合,提倡无纸化办公,创新电子政务建设及应用和服务模式,进一步提升国家电子政务外网运行效率和安全保障水平。     

一种IaaS模式下的实时监控取证方法

为了保证云中虚拟机的安全和从云中寻找完整可靠的犯罪证据,提出了基于物理内存分析的实时监控取证方法,设计开发了相应的云监控取证系统,并给出了具体的设计及实现。此系统的代理端只需要在物理主机上运行,通过获取分析主机的物理内存,分析提取IaaS基础设施层一台或者多台物理主机上安装的虚拟机系统内的关键信息。最后在KVM/Xen虚拟化环境中进行了信息的分析提取和异常检测,结果表明该方法能够获取到云平台中虚拟机的关键证据信息,能对虚拟机中的异常行为进行检测,可有效防止虚拟主机运行恶意软件、违法犯罪等问题。     

支持多种虚拟化技术的进程非代理监控方法

为保障云环境中虚拟机应用的安全性与可用性,提出一种能够支持多种虚拟化技术的进程非代理监控方法及主动监控框架.本框架将进程监控点设在虚拟机监视器中,而不在其中安装任何代理,并且支持VMware,Xen和KVM三种虚拟化技术,实现了对客户操作系统(Guest OS)的隐藏进程检测和进程负载监控,保证虚拟机安全可靠地运行.从被监控虚拟机外部获取活动进程链、遍历线程获得进程列表,进而利用交叉视图技术可检测出隐藏进程;除开活动进程链,加上网络连接信息相关的另两条链表,从中定位到待监控进程,可获得进程负载状况.实验结果表明:本框架能有效地检测出系统中的隐藏进程,并且准确获取特定进程的负载信息.     

基于人工蜂群的云计算负载均衡算法

针对云计算负载均衡问题,基于人工蜂群的思想设计负载均衡算法。首先建立了云计算系统中计算负载的数学模型;在此模型基础上,分三步实现负载均衡:①负载均衡决策,计算云系统整体的负载,在云系统整体上尚未过载且负载不均衡的前提下,启动后续步骤;②虚拟机分组,将云系统中的全体虚拟机分别归入过载、低负载、负载均衡三个分组。后续步骤中需要被迁移的计算任务通常处在过载虚拟机之上,而迁移目的地通常是一个低负载虚拟机;③计算任务调度,将过载虚拟机上的任务向外迁移,并设计规则来选择恰当的低负载虚拟机作为迁移目的地。实验验证了所提算法的有效性。     

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。     

面向用户需求的云桌面推荐方法研究

云桌面是为用户提供可定制、共享资源的新型云服务,用户可以将云桌面作为一种可检索的数据资源,根据自身需求选择合适的云桌面.从资源提供者和消费者两端,提出了一种基于本体的用户需求描述与匹配的云桌面推荐方法.一方面对资源提供端的服务功能和非功能特性进行了分析,将基于本体技术对用户需求和待选桌面镜像进行匹配,为用户发现更可靠的云桌面;另一方面对资源消费端的用户需求进行了分析,利用协同过滤机制,供用户选择合适的云桌面资源,避免了用户资源请求的偏差.实验结果表明,本文方法提高了云桌面在资源发现和选择过程中的准确性,能根据用户潜在的需求向用户推荐更合适的数据资源.     

IaaS云环境下一种基于综合满意度的虚拟机放置策略

基础设施即服务(IaaS)环境下的一个关键需求是对租户申请的虚拟机进行合理放置。当前虚拟机放置策略的研究大都集中在数据中心能耗、资源损耗以及负载均衡等方面,很少有工作关注其对租户虚拟机启动时间的影响。为了减少虚拟机请求的周转时间,降低数据中心的资源损耗,本文首先建立了云服务租户满意度模型,给出了虚拟机请求到达云端后周转时间的量化方法;然后基于数据中心的资源损耗建立了云服务提供商满意度模型;最后,基于租户虚拟机启动时间与系统资源损耗建立了多目标约束优化模型,并提出了一种基于综合满意度(Comprehensive Satisfaction Based,CS-B)的虚拟机放置策略,该策略综合考虑了云服务租户与云服务提供商的需求,将租户所申请的虚拟机放置到综合满意度最高的服务器中运行。在OpenStack云平台上的仿真实验表明,CS-B虚拟机放置策略能够有效减少租户虚拟机在云端的部署时间,降低数据中心的资源损耗,有效提高了云服务商及租户的满意度。     

基于OpenStack云平台的动态带宽分配策略

在传统云平台网络带宽分配机制中,网络带宽仅在虚拟机创建时分配.虚拟机创建后已分配的带宽难以更改甚至无法更改,这在一定程度上造成了资源的浪费.因此,在不影响网络服务质量下,虚拟机需要一种有效的带宽分配机制来提高带宽的利用率.本文以开源云平台Open Stack为实验环境,以虚拟交换软件Open v Switch和监控软件Ceilometer为工具,提出并实现了基于云平台的动态带宽分配策略.测试结果表明,本策略有效的提高了带宽的使用率.     

云计算中基于多目标优化的虚拟机整合算法

云数据中心中存在着高能耗和高服务水平协议违约率的问题,为了解决此问题,提出了一种基于多目标优化的虚拟机整合算法.综合考虑能耗、服务质量和迁移开销等多种因素,将虚拟机整合问题构建为一个具有资源约束的多目标优化问题.使用蚁群系统算法对该多目标优化问题进行求解,进行虚拟机整合,获得近似最优的虚拟机主机映射关系.为了减少算法复杂度,利用CPU利用率双阈值来判断主机负载状态,根据主机负载状态分阶段进行整合并使用不同的整合策略.基于CloudSim平台对多目标优化的虚拟机整合算法和其他6种虚拟机整合算法进行仿真实验,将本文算法与现有虚拟机整合算法实验结果进行比较,结果表明本文提出的算法在能耗和服务水平协议违约方面优化显著,具有较好的综合性能.     

基于遗传算法的云仿真环境动态构建映射算法

针对传统仿真系统静态构建技术中存在的资源重用性低、部署难度高等问题,提出了一种在云仿真运行环境下基于遗传算法来求解仿真模型与虚拟机之间最优映射的算法.该算法充分考虑云仿真环境下大规模资源调度的应用背景,保持适当的染色体编码长度,优化了种群的适应度函数,提高了GA算法收敛速度和所得解的可信度.实验结果表明:本文算法相比于传统遗传算法能有效避免局部收敛,达到更好的资源负载均衡效果.     

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。