本文選題：能效 + 虛擬化　； 參考：《國(guó)防科學(xué)技術(shù)大學(xué)》2015年博士論文

【摘要】：隨著云計(jì)算產(chǎn)業(yè)的迅猛發(fā)展,大規(guī)模數(shù)據(jù)中心的能耗問(wèn)題變得日益嚴(yán)峻。工業(yè)和學(xué)術(shù)界都開始努力嘗試使用各種技術(shù)以提高數(shù)據(jù)中心的能效。其中,最重要同時(shí)也是云計(jì)算采用的最關(guān)鍵技術(shù)之一就是資源的虛擬化。相對(duì)于非虛擬化系統(tǒng),虛擬化技術(shù)帶來(lái)的彈性能顯著提高系統(tǒng)資源利用率,達(dá)到節(jié)能減排的目的。然而,對(duì)共享資源的競(jìng)爭(zhēng)也使得虛擬機(jī)內(nèi)的應(yīng)用程序性能受到威脅,這直接影響到云服務(wù)的質(zhì)量,進(jìn)而影響服務(wù)提供商的收益和最終用戶體驗(yàn)。如何在這樣的虛擬化平臺(tái)上實(shí)現(xiàn)性能和能耗的最佳折衷,是當(dāng)前業(yè)界最關(guān)注的問(wèn)題之一。本文圍繞云計(jì)算環(huán)境中虛擬化資源的提供方法展開研究,旨在通過(guò)高效的動(dòng)態(tài)資源提供策略持續(xù)優(yōu)化應(yīng)用程序資源配置,有效應(yīng)對(duì)應(yīng)用程序負(fù)載波動(dòng),保障應(yīng)用程序性能,提高云計(jì)算數(shù)據(jù)中心資源利用率,同時(shí)降低數(shù)據(jù)中心能耗,最終達(dá)到提高系統(tǒng)能效的目的。本文的主要研究成果包括:1.提出了一種基于支持向量機(jī)的負(fù)載預(yù)測(cè)方法虛擬化是提高數(shù)據(jù)中心能效的主要技術(shù)手段。而云環(huán)境中很多應(yīng)用程序通常具有高度變化的負(fù)載,導(dǎo)致復(fù)雜動(dòng)態(tài)的資源使用模式。資源提供策略必須根據(jù)應(yīng)用程序的實(shí)際需求實(shí)時(shí)動(dòng)態(tài)地調(diào)整虛擬機(jī)資源的供給量,才能在滿足QoS約束的前提下盡量減少資源占用量。因?yàn)橘Y源的動(dòng)態(tài)調(diào)整總是存在延遲,所以,實(shí)現(xiàn)以上目標(biāo)的一個(gè)必要前提就是要提前獲知虛擬機(jī)的未來(lái)資源需求。本文提出了一種負(fù)載預(yù)測(cè)方法KSwSVR。該方法將虛擬機(jī)的負(fù)載預(yù)測(cè)當(dāng)作一個(gè)時(shí)間序列預(yù)測(cè)問(wèn)題來(lái)解決,并采用了專門針對(duì)小樣本統(tǒng)計(jì)問(wèn)題而建立的統(tǒng)計(jì)學(xué)習(xí)技術(shù)�；诮Y(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則的支持向量機(jī)具有很強(qiáng)的泛化能力,因而能有效適應(yīng)復(fù)雜動(dòng)態(tài)的云計(jì)算環(huán)境。受局部性原理啟發(fā),本文對(duì)標(biāo)準(zhǔn)的支持向量回歸算法進(jìn)行了改進(jìn),區(qū)別對(duì)待訓(xùn)練數(shù)據(jù),根據(jù)其重要性進(jìn)行加權(quán)優(yōu)化,并與卡爾曼平滑技術(shù)進(jìn)行了整合。實(shí)驗(yàn)結(jié)果表明,KSwSVR能有效預(yù)測(cè)各種資源類型的負(fù)載對(duì)象,并且在預(yù)測(cè)精度、穩(wěn)定性、算法開銷等方面均優(yōu)于常用經(jīng)典算法。2.提出了一種基于負(fù)載預(yù)測(cè)的資源自動(dòng)擴(kuò)展方法云計(jì)算最重要的特征是彈性,應(yīng)用程序可以根據(jù)需求動(dòng)態(tài)地獲取或釋放資源。從管理系統(tǒng)的角度,就是要利用虛擬化提供的資源動(dòng)態(tài)擴(kuò)展能力,使得應(yīng)用程序的資源配置能盡量實(shí)時(shí)精確地匹配應(yīng)用程序的需求變化。同時(shí),云計(jì)算系統(tǒng)的規(guī)模要求擴(kuò)展操作必須是自動(dòng)化的,整個(gè)過(guò)程要減少甚至完全消除人的干預(yù)。精確的負(fù)載預(yù)測(cè)結(jié)果可以用于指導(dǎo)資源擴(kuò)展方案的制定,但是由于預(yù)測(cè)誤差的存在,直接將預(yù)測(cè)值作為資源供給量會(huì)導(dǎo)致應(yīng)用程序性能不穩(wěn)定。本文以保證應(yīng)用程序性能、最小化資源占用量為目標(biāo),提出了一種新的資源自動(dòng)化擴(kuò)展方法G2LC。該方法綜合實(shí)驗(yàn)經(jīng)驗(yàn),并通過(guò)接收時(shí)間窗口內(nèi)的QoS反饋,從全局增益和局部誤差補(bǔ)償兩個(gè)層面對(duì)預(yù)測(cè)結(jié)果進(jìn)行了修正。在滿足SLA約束的同時(shí),有效減少了瞬時(shí)負(fù)載帶來(lái)的不必要擴(kuò)展動(dòng)作,完全避免了SLA違約事件的集中出現(xiàn)。實(shí)驗(yàn)結(jié)果表明,G2LC可以通過(guò)調(diào)整參數(shù)有效地保證用戶指定的任意性能水平。相對(duì)于虛擬機(jī)資源固定不變的定值分配方法,G2LC能顯著地節(jié)省資源開銷,且這一優(yōu)勢(shì)隨著用戶性能要求的提高變得越發(fā)明顯。3.提出了一種基于服務(wù)質(zhì)量差異化的資源提供方法性能管控和節(jié)能減排是現(xiàn)代數(shù)據(jù)中心的兩個(gè)主要研究課題,但兩者又往往是相矛盾的。云服務(wù)提供商運(yùn)用虛擬化技術(shù)將各種應(yīng)用程序整合到更少的物理主機(jī)上,并將閑置的主機(jī)轉(zhuǎn)換到低功耗模式以降低能耗。這種情況下,應(yīng)用程序的性能嚴(yán)重依賴于對(duì)虛擬機(jī)容量的合理管理。因?yàn)閼?yīng)用程序的多樣性、各種資源使用模式的差異、底層硬件共享、程序之間的性能相關(guān)和性能干擾等因素的存在,導(dǎo)致對(duì)虛擬機(jī)性能的管控非常困難。找到能耗和性能之間的平衡點(diǎn)至關(guān)重要,這被歸結(jié)為能效問(wèn)題。本文最后以提高系統(tǒng)的能效為目標(biāo),基于對(duì)負(fù)載預(yù)測(cè)技術(shù)和資源擴(kuò)展技術(shù)的研究成果,提出了一種新的資源提供方法CoST。它基于服務(wù)質(zhì)量差異化策略,利用了不同類型的應(yīng)用程序?qū)π阅芎统杀镜拿舾卸炔煌@一事實(shí)。性能敏感型應(yīng)用程序追求穩(wěn)定的QoS,而性能耐受型應(yīng)用程序更關(guān)注完成所有任務(wù)所需要付出的總成本。CoST將不同類型的應(yīng)用程序部署在同一臺(tái)主機(jī)上,基于負(fù)載預(yù)測(cè)和QoS反饋對(duì)虛擬機(jī)的資源進(jìn)行垂直擴(kuò)展。實(shí)驗(yàn)表明CoST不僅有效地保證了性能敏感型應(yīng)用程序的QoS,支持云用戶在應(yīng)用程序運(yùn)行過(guò)程中在線更改性能指標(biāo),還可能提高性能耐受型應(yīng)用程序的總體處理速度。最重要的是,CoST維持主機(jī)始終運(yùn)行在最高能效狀態(tài),顯著地提高了系統(tǒng)總體能效。
[Abstract]:With the rapid development of the cloud computing industry, the problem of energy consumption in large-scale data centers has become increasingly severe. Industry and academia have begun to try to use various technologies to improve the energy efficiency of data centers. One of the most important technologies used in the cloud computing is the virtualization of the resources, compared with non virtualized systems. The flexibility brought by the virtualization technology can significantly improve the system resource utilization and achieve the purpose of energy saving and emission reduction. However, the competition of shared resources also threatens the performance of the application in the virtual machine, which directly affects the quality of the cloud services, and then affects the benefits of the service providers and the end user experience. The best tradeoff between performance and energy consumption on the pseudo platform is one of the most important issues in the current industry. This paper focuses on the method of providing virtualized resources in the cloud computing environment, aiming at optimizing the allocation of application resources through efficient dynamic resource provision, effectively responding to the application load fluctuation and ensuring the application process. Sequence performance improves the utilization of cloud computing data center resources and reduces the energy consumption of data center at the same time, and finally achieves the purpose of improving the energy efficiency of the system. The main research results of this paper include: 1. proposed a support vector machine based load forecasting method virtualization is the main technical means to improve the energy efficiency of the data center. The program usually has a highly variable load that leads to complex dynamic resource usage patterns. The resource provision strategy must dynamically adjust the supply of virtual machine resources according to the actual requirements of the application in order to reduce the resource occupancy as much as possible under the premise of satisfying the QoS constraints. Therefore, a necessary prerequisite for achieving the above objectives is to know the future resource requirements of the virtual machine. This paper proposes a load forecasting method KSwSVR. which uses the load prediction of the virtual machine as a time series prediction problem, and uses a statistical learning technique specially designed for small sample statistical problems. The support vector machine based on structural risk minimization criterion has strong generalization ability and can adapt to the complex dynamic cloud computing environment effectively. Inspired by the locality principle, this paper improves the standard support vector regression algorithm, treats the training data differently, and optimizes its importance according to its importance, and is flat with Calman. The experimental results show that KSwSVR can effectively predict the load objects of various resource types, and is superior to the common classical algorithms in prediction accuracy, stability, algorithm overhead and so on..2. proposed a resource automatic extension method based on load forecasting. Resources are dynamically acquired or released according to the requirements. From the management system point of view, the resource dynamic extension capability provided by virtualization enables the resource configuration of the application to match the needs changes of the application as accurately as possible. At the same time, the scale of the cloud computing system requires that the extended operation must be automated and complete. The accuracy of the load prediction results can be used to guide the formulation of the resource expansion scheme, but due to the existence of the prediction error, the direct prediction value as a resource supply will lead to the instability of the application performance. This paper aims to ensure the application sequence performance and minimize the resource occupancy. A new method of resource automation extension G2LC. is presented, which combines the experimental experience with the QoS feedback in the time window and corrections the prediction results from two layers, the global gain and the local error compensation, which can effectively reduce the unnecessary expansion action brought by the instantaneous load and completely avoid the SLA constraints. The concentration of SLA default events. The experimental results show that G2LC can effectively guarantee the user's arbitrary performance level by adjusting the parameters. Compared with the fixed value allocation method of virtual machine resources, G2LC can significantly save the resource cost, and this advantage becomes more and more obvious with the improvement of the user's performance requirements. The performance management control and energy saving and emission reduction based on the quality of service quality differentiation are two main research topics in the modern data center, but they are often contradictory. In this case, the performance of the application depends heavily on the reasonable management of the capacity of the virtual machine. Because of the diversity of the application, the differences in various resource usage patterns, the underlying hardware sharing, the performance related and performance interference among the programs, the control of the performance of the virtual machine is very poor. Finding the equilibrium point between energy consumption and performance is essential, which is attributed to energy efficiency. Finally, this paper aims at improving the energy efficiency of the system. Based on the research results of load forecasting and resource expansion, a new method of resource provision, CoST., is proposed based on the quality of service differentiation strategy and the use of different types. The fact that applications are sensitive to performance and cost is different. Performance sensitive applications pursue stable QoS, while performance tolerance applications pay more attention to the total cost that is required to complete all tasks.CoST deploys different types of applications on the same host, based on load forecasting and QoS feedback to virtual machines The experiment shows that the CoST not only effectively guarantees the QoS of the performance sensitive application, but also supports the cloud users to change performance metrics online in the application process, and can also improve the overall processing speed of the performance tolerant application. Most importantly, the CoST mainframe is always running in the highest energy efficiency state, The overall energy efficiency of the system has been significantly improved.
【學(xué)位授予單位】：國(guó)防科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.09

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王立冬,張凱;Java虛擬機(jī)分析[J];北京理工大學(xué)學(xué)報(bào);2002年01期

2 曹曉剛;;Java虛擬機(jī)的10年[J];程序員;2005年07期

3 宋韜;盤細(xì)平;羅元柯;倪國(guó)軍;;Java虛擬機(jī)在嵌入式DSP系統(tǒng)上的實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用與軟件;2007年04期

4 劉黎波;;Java虛擬機(jī)攔截原理研究[J];科技風(fēng);2008年21期

5 劉治波;;Java虛擬機(jī)簡(jiǎn)析[J];濟(jì)南職業(yè)學(xué)院學(xué)報(bào);2008年01期

6 郝帥;;Java虛擬機(jī)中相關(guān)技術(shù)的探討[J];成功(教育);2008年08期

7 李霞;;系統(tǒng)虛擬機(jī)關(guān)鍵技術(shù)研究[J];微型電腦應(yīng)用;2010年03期

8 鄭曉瓏;孔挺;;虛擬機(jī)的安全風(fēng)險(xiǎn)與管理[J];硅谷;2010年16期

9 李學(xué)昌;平淡;;為速度而戰(zhàn),虛擬機(jī)內(nèi)外兼修[J];電腦愛(ài)好者;2010年18期

10 王惠萍;張海龍;馮帆;王建華;;Java虛擬機(jī)使用及優(yōu)化[J];計(jì)算機(jī)與網(wǎng)絡(luò);2010年21期

相關(guān)會(huì)議論文 前10條

1 孟廣平;;虛擬機(jī)漂移網(wǎng)絡(luò)連接方法探討[A];中國(guó)計(jì)量協(xié)會(huì)冶金分會(huì)2011年會(huì)論文集[C];2011年

2 段翼真;王曉程;;可信安全虛擬機(jī)平臺(tái)的研究[A];第26次全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)論文集[C];2011年

3 李明宇;張倩;呂品;;網(wǎng)絡(luò)流量感知的虛擬機(jī)高可用動(dòng)態(tài)部署研究[A];2014第二屆中國(guó)指揮控制大會(huì)論文集（上）[C];2014年

4 林紅;;Java虛擬機(jī)面向數(shù)字媒體的應(yīng)用研究[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國(guó)第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2006年

5 楊旭;彭一明;刑承杰;李若淼;;基于VMware vSphere 5虛擬機(jī)的備份系統(tǒng)實(shí)現(xiàn)[A];中國(guó)高等教育學(xué)會(huì)教育信息化分會(huì)第十二次學(xué)術(shù)年會(huì)論文集[C];2014年

6 沈敏虎;查德平;劉百祥;趙澤宇;;虛擬機(jī)網(wǎng)絡(luò)部署與管理研究[A];中國(guó)高等教育學(xué)會(huì)教育信息化分會(huì)第十次學(xué)術(shù)年會(huì)論文集[C];2010年

7 李英壯;廖培騰;孫夢(mèng);李先毅;;基于云計(jì)算的數(shù)據(jù)中心虛擬機(jī)管理平臺(tái)的設(shè)計(jì)[A];中國(guó)高等教育學(xué)會(huì)教育信息化分會(huì)第十次學(xué)術(shù)年會(huì)論文集[C];2010年

8 朱欣焰;蘇科華;毛繼國(guó);龔健雅;;GIS符號(hào)虛擬機(jī)及實(shí)現(xiàn)方法研究[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

9 于洋;陳曉東;俞承芳;李旦;;基于FPGA平臺(tái)的虛擬機(jī)建模與仿真[A];2007'儀表，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

10 丁濤;郝沁汾;張冰;;內(nèi)核虛擬機(jī)調(diào)度策略的研究與分析[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 ;虛擬機(jī)的生與死[N];網(wǎng)絡(luò)世界;2008年

2 本報(bào)記者 卜娜;高性能Java虛擬機(jī)將在中國(guó)云市場(chǎng)釋能[N];中國(guó)計(jì)算機(jī)報(bào);2012年

3 本報(bào)記者 邱燕娜;如何告別虛擬機(jī)管理煩惱[N];中國(guó)計(jì)算機(jī)報(bào);2012年

4 ;首批通過(guò)云計(jì)算產(chǎn)品虛擬機(jī)管理測(cè)評(píng)名單[N];中國(guó)電子報(bào);2014年

5 申琳;虛擬機(jī)泛濫 系統(tǒng)安全怎么辦[N];中國(guó)計(jì)算機(jī)報(bào);2008年

6 Tom Henderson邋沈建苗 編譯;虛擬機(jī)管理的五大問(wèn)題[N];計(jì)算機(jī)世界;2008年

7 盆盆;真實(shí)的虛擬機(jī)[N];中國(guó)電腦教育報(bào);2004年

8 本版編輯　綜合 編譯整理 田夢(mèng);管理好虛擬機(jī)的全生命周期[N];計(jì)算機(jī)世界;2008年

9 李婷;中國(guó)研制出全球最快反病毒虛擬機(jī)[N];人民郵電;2009年

10 張弛;虛擬機(jī)遷移走向真正自由[N];網(wǎng)絡(luò)世界;2010年

相關(guān)博士學(xué)位論文 前10條

1 宋翔;多核虛擬環(huán)境的性能及可伸縮性研究[D];復(fù)旦大學(xué);2014年

2 王桂平;云環(huán)境下面向可信的虛擬機(jī)異常檢測(cè)關(guān)鍵技術(shù)研究[D];重慶大學(xué);2015年

3 周真;云平臺(tái)下運(yùn)行環(huán)境感知的虛擬機(jī)異常檢測(cè)策略及算法研究[D];重慶大學(xué);2015年

4 郭芬;面向虛擬機(jī)的云平臺(tái)資源部署與調(diào)度研究[D];華南理工大學(xué);2015年

5 周傲;高可靠云服務(wù)供應(yīng)關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2015年

6 劉圣卓;面向虛擬集群的鏡像存儲(chǔ)與傳輸優(yōu)化[D];清華大學(xué);2015年

7 彭成磊;云數(shù)據(jù)中心綠色節(jié)能需求的虛擬機(jī)負(fù)載均衡技術(shù)研究[D];南京大學(xué);2016年

8 趙長(zhǎng)名;IaaS云中基于資源感知的虛擬機(jī)資源管埋[D];電子科技大學(xué);2016年

9 許小龍;支持綠色云計(jì)算的資源調(diào)度方法及關(guān)鍵技術(shù)研究[D];南京大學(xué);2016年

10 衷宜;虛擬化系統(tǒng)中的軟件自愈相關(guān)技術(shù)研究[D];南京理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 潘飛;負(fù)載相關(guān)的虛擬機(jī)放置策略研究[D];杭州電子科技大學(xué);2011年

2 王建一;混合型桌面云高可用性研究與實(shí)現(xiàn)[D];華南理工大學(xué);2015年

3 周衡;云計(jì)算環(huán)境下虛擬機(jī)優(yōu)化調(diào)度策略研究[D];河北大學(xué);2015年

4 羅仲皓;基于OpenStack的私有云計(jì)算平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D];華南理工大學(xué);2015年

5 李子堂;面向負(fù)載均衡的虛擬機(jī)動(dòng)態(tài)遷移優(yōu)化研究[D];遼寧大學(xué);2015年

6 張煜;基于OpenStack的“實(shí)驗(yàn)云”平臺(tái)的研究與開發(fā)[D];西南交通大學(xué);2015年

7 曾文琦;面向應(yīng)用服務(wù)的云規(guī)模虛似機(jī)性能監(jiān)控與負(fù)載分析技術(shù)研究[D];復(fù)旦大學(xué);2013年

8 施繼成;面向多核處理器的虛擬機(jī)性能優(yōu)化[D];復(fù)旦大學(xué);2014年

9 游井輝;基于虛擬機(jī)動(dòng)態(tài)遷移的資源調(diào)度策略研究[D];華南理工大學(xué);2015年

10 方良英;云平臺(tái)的資源優(yōu)化管理研究與實(shí)現(xiàn)[D];南京師范大學(xué);2015年

，

本文編號(hào)：1994599