本文選題：虛擬機動態(tài)整合　切入點：過載檢測　出處：《江南大學(xué)》2017年碩士論文

【摘要】：隨著各種Internet服務(wù)不斷地移植到公有云平臺,云數(shù)據(jù)中心的規(guī)模越來越大,云數(shù)據(jù)中心作為公有云的數(shù)據(jù)基礎(chǔ)架構(gòu)面臨的挑戰(zhàn)也越來越多,不斷攀升的能源消耗與云服務(wù)質(zhì)量之間的矛盾就是其中之一。虛擬機遷移和虛擬機動態(tài)整合是目前云數(shù)據(jù)中心虛擬資源管理主要技術(shù)和方式。虛擬機遷移是數(shù)據(jù)中心維持物理主機間負(fù)載平衡的主要技術(shù)手段,虛擬機動態(tài)整合期望能夠利用該技術(shù)通過遷移虛擬機來優(yōu)化資源分配,從而達到降低數(shù)據(jù)中心能耗改善服務(wù)質(zhì)量的目的。在服務(wù)質(zhì)量、資源利用率與能耗開銷之間達到一個理想的平衡是云數(shù)據(jù)中心虛擬資源管理所追求的目標(biāo)。為此,本文圍繞物理主機過載檢測、待遷移虛擬機選擇和虛擬機放置等與虛擬機動態(tài)整合相關(guān)的問題進行了研究,主要研究工作和創(chuàng)新一并概括如下:(1)針對設(shè)置固定過載閾值的虛擬機動態(tài)整合方法難以同時兼顧數(shù)據(jù)中心能源有效性與服務(wù)質(zhì)量的不足,提出了自適應(yīng)過載閾值選擇AOTS算法。該算法將自適應(yīng)過載閾值的選擇問題建模為馬爾可夫決策過程,計算過載閾值的最優(yōu)選擇策略,并根據(jù)系統(tǒng)能效和服務(wù)質(zhì)量調(diào)整閾值,根據(jù)選擇的過載閾值檢測過載物理主機,并從過載物理主機上選擇部分虛擬機重分配至其它物理主機,基于上述研究,提出了基于自適應(yīng)過載閾值選擇的虛擬機動態(tài)整合AOTS-VMDC方法,仿真實驗表明,同已有方法比較,AOTS-VMDC能夠在降低數(shù)據(jù)中心能耗前提下,提供良好的服務(wù)質(zhì)量。(2)遷移中的虛擬機會停止服務(wù),因此頻繁地遷移虛擬機會對服務(wù)質(zhì)量造成影響。對此,基于貝葉斯網(wǎng)絡(luò)建立了用于估計虛擬機遷移概率的估算模型,用該模型可以預(yù)測主機上潛在的虛擬機遷移總次數(shù);由于虛擬機的負(fù)載具有隨機性,提出利用正態(tài)分布來估計物理主機的過載概率,從而檢測過載物理主機�；谏鲜鲅芯�,提出了基于貝葉斯網(wǎng)絡(luò)的虛擬機動態(tài)整合BN-VMDC方法,該方法在遷移虛擬機時會優(yōu)先遷移能夠明顯降低源主機潛在虛擬機遷移總次數(shù)的虛擬機,并將虛擬機優(yōu)先分配在潛在遷移總次數(shù)較小的物理主機上,仿真實驗表明,BN-VMDC顯著減少了虛擬機的遷移次數(shù),降低了數(shù)據(jù)中心能耗,并且服務(wù)質(zhì)量獲得了明顯改善。(3)提出了能耗感知與多資源過載概率約束的虛擬機動態(tài)整合EC-VMDC方法。該方法將最小化數(shù)據(jù)中心能耗、觸發(fā)的虛擬機遷移次數(shù)以及物理主機過載概率作為優(yōu)化目標(biāo)。為了搜索到可行的物理主機與虛擬機映射關(guān)系,提出一種共享求解經(jīng)驗的隨機算法,由于算法能夠借鑒已有的求解歷史經(jīng)驗來搜索新的可行解,可以用該算法替換人工蜂群的覓食行為,借用蜂群算法的搜索框架,從而降低陷入局部最優(yōu)的可能性。仿真實驗表明,與現(xiàn)有的多資源虛擬機動態(tài)整合方法相比,EC-VMDC有效地降低了各項資源過載概率,達到了保證服務(wù)質(zhì)量的目的,此外EC-VMDC在節(jié)約電能和減少虛擬機遷移次數(shù)方面同樣效果顯著。
[Abstract]:With a variety of Internet services continue to transplant to the public cloud platform, cloud data center of the increasingly large scale cloud data center as a public cloud data infrastructure challenges are more and more, the contradiction between energy consumption and rising the quality of cloud services is one of them. Migration of virtual machine and virtual machine dynamic integration at present, cloud data center virtual resource management and main technology. Virtual machine migration is the main technical means to maintain the data center physical host load balancing, dynamic virtual machine integration is expected to migrate through the virtual machine to optimize the allocation of resources using the technology, so as to reduce the energy consumption of the data center to improve service quality. The quality of service, achieve an ideal balance between resource utilization and energy consumption is the cloud data center virtual resource management goal. Therefore, this paper The physical host overload detection, the migration of virtual machine and virtual machine placement were studied with virtual machine dynamic integration related issues, the main research work and innovation can be summarized as follows: (1) for the virtual machine dynamic integration method to set fixed overload threshold to both the lack of data center energy efficiency and quality of service the proposed adaptive overload threshold selection AOTS algorithm. This algorithm will be adaptive overload threshold selection problem is modeled as a Markov decision process, optimal selection strategy and according to the calculation of the overload threshold value, the system efficiency and service quality to adjust the threshold according to the overload threshold detection, overload physical host selection, and select the part of the virtual machine weight assigned to the other from the physical host overload physical host, based on the above research, put forward the virtual machine dynamic integration AOTS- adaptive threshold selection based on overload VMDC method, simulation results show that compared with the existing methods, AOTS-VMDC can reduce energy consumption under the premise of the data center, to provide good quality of service. (2) the opportunity to stop the service in virtual migration, so frequent migration of virtual chance to cause influence on the quality of service. In this regard, the Bayesian network is established for estimating model of virtual machine migration based on probability, the model can predict the virtual machine on the host migration potential total number; due to the load of the virtual machine is random, using normal distribution to estimate the probability of overload physical host, so as to detect overload physical host. Based on the above research, put forward a virtual machine dynamic Bayesian network integration method based on BN-VMDC. This method will give priority to migration can significantly reduce the total number of potential migration of virtual machine virtual machine source host in the migration of virtual machine, virtual machine and priority allocation The total number of potential physical host migration smaller, simulation results show that BN-VMDC significantly reduces the number of virtual machine migration, reduces the energy consumption of the data center, and service quality were significantly improved. (3) proposed energy aware and multi resource overload probability constraints of virtual machine dynamic integration method. This method will be EC-VMDC to minimize the energy consumption of the data center, the number of virtual machine migration and physical host overload probability triggering as the optimization target. In order to search the relationship between feasible physical host and virtual machine mapping, this paper proposes a random algorithm for sharing experience, because the algorithm can solve the existing historical experience to search for new solutions, can be replaced with artificial bee colony the algorithm of the foraging behavior of ant colony algorithm use search framework, so as to reduce the possibility of falling into local optimum. Simulation results show that with existing virtual resources Compared with the pseudo dynamic integration method, EC-VMDC effectively reduces the resource overload probability and achieves the purpose of ensuring the quality of service. Besides, EC-VMDC has the same effect in saving energy and reducing the number of virtual machines migration.

【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP302;TP308

【相似文獻】

相關(guān)期刊論文 前10條

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

2 曹曉剛;;Java虛擬機的10年[J];程序員;2005年07期

3 宋韜;盤細(xì)平;羅元柯;倪國軍;;Java虛擬機在嵌入式DSP系統(tǒng)上的實現(xiàn)[J];計算機應(yīng)用與軟件;2007年04期

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

5 劉治波;;Java虛擬機簡析[J];濟南職業(yè)學(xué)院學(xué)報;2008年01期

6 郝帥;;Java虛擬機中相關(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;;虛擬機的安全風(fēng)險與管理[J];硅谷;2010年16期

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

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

相關(guān)會議論文 前10條

1 孟廣平;;虛擬機漂移網(wǎng)絡(luò)連接方法探討[A];中國計量協(xié)會冶金分會2011年會論文集[C];2011年

2 段翼真;王曉程;;可信安全虛擬機平臺的研究[A];第26次全國計算機安全學(xué)術(shù)交流會論文集[C];2011年

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

4 林紅;;Java虛擬機面向數(shù)字媒體的應(yīng)用研究[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

5 楊旭;彭一明;刑承杰;李若淼;;基于VMware vSphere 5虛擬機的備份系統(tǒng)實現(xiàn)[A];中國高等教育學(xué)會教育信息化分會第十二次學(xué)術(shù)年會論文集[C];2014年

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

7 李英壯;廖培騰;孫夢;李先毅;;基于云計算的數(shù)據(jù)中心虛擬機管理平臺的設(shè)計[A];中國高等教育學(xué)會教育信息化分會第十次學(xué)術(shù)年會論文集[C];2010年

8 朱欣焰;蘇科華;毛繼國;龔健雅;;GIS符號虛擬機及實現(xiàn)方法研究[A];《測繪通報》測繪科學(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平臺的虛擬機建模與仿真[A];2007'儀表，，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

10 丁濤;郝沁汾;張冰;;內(nèi)核虛擬機調(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)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 ;虛擬機的生與死[N];網(wǎng)絡(luò)世界;2008年

2 本報記者 卜娜;高性能Java虛擬機將在中國云市場釋能[N];中國計算機報;2012年

3 本報記者 邱燕娜;如何告別虛擬機管理煩惱[N];中國計算機報;2012年

4 ;首批通過云計算產(chǎn)品虛擬機管理測評名單[N];中國電子報;2014年

5 申琳;虛擬機泛濫 系統(tǒng)安全怎么辦[N];中國計算機報;2008年

6 Tom Henderson邋沈建苗 編譯;虛擬機管理的五大問題[N];計算機世界;2008年

7 盆盆;真實的虛擬機[N];中國電腦教育報;2004年

8 本版編輯　綜合 編譯整理 田夢;管理好虛擬機的全生命周期[N];計算機世界;2008年

9 李婷;中國研制出全球最快反病毒虛擬機[N];人民郵電;2009年

10 張弛;虛擬機遷移走向真正自由[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異常檢測關(guān)鍵技術(shù)研究[D];重慶大學(xué);2015年

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

4 郭芬;面向虛擬機的云平臺資源部署與調(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)能需求的虛擬機負(fù)載均衡技術(shù)研究[D];南京大學(xué);2016年

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

9 許小龍;支持綠色云計算的資源調(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 閆成雨;基于物理主機過載檢測的虛擬機動態(tài)整合方法研究[D];江南大學(xué);2017年

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

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

4 周衡;云計算環(huán)境下虛擬機優(yōu)化調(diào)度策略研究[D];河北大學(xué);2015年

5 羅仲皓;基于OpenStack的私有云計算平臺的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2015年

6 李子堂;面向負(fù)載均衡的虛擬機動態(tài)遷移優(yōu)化研究[D];遼寧大學(xué);2015年

7 張煜;基于OpenStack的“實驗云”平臺的研究與開發(fā)[D];西南交通大學(xué);2015年

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

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

10 游井輝;基于虛擬機動態(tài)遷移的資源調(diào)度策略研究[D];華南理工大學(xué);2015年

本文編號：1703383