本文選題：虛擬化技術　+ 內存優(yōu)化�。灰裕�《東北大學》2013年碩士論文

【摘要】：隨著計算機技術的快速發(fā)展和計算機應用項目的廣泛使用,云計算作為一種創(chuàng)新的計算模式,在科學計算和商業(yè)領域都受到了高度重視。大型數據中心提供的服務以及所使用的虛擬化技術構成了云計算的基礎架構。虛擬化技術包括對內存資源的虛擬化。上層應用服務并發(fā)請求和系統(tǒng)內各種應用程序的動態(tài)變化給虛擬化底層內存資源的優(yōu)化分配策略帶來了新的挑戰(zhàn)。虛擬化系統(tǒng)中多虛擬機之間缺少高效的動態(tài)內存調節(jié)機制,由于各虛擬機對內存資源需求的持續(xù)改變,使得內存資源在多虛擬機中出現不均衡分配的現象,部分虛擬機內存資源大量空閑,部分虛擬機內存資源嚴重不足,導致虛擬機的服務性能低下,降低了用戶體驗,所以面對復雜的服務和應用,如何提高多虛擬機的綜合性能和服務質量,是多虛擬機內存優(yōu)化問題的研究重點。本文在傳統(tǒng)虛擬機內存優(yōu)化方法的研究基礎上,提出了一種面向多目標的多虛擬機內存優(yōu)化技術。通過分析傳統(tǒng)內存優(yōu)化方法的不足,針對多虛擬機的多目標進行整體優(yōu)化,不再局限于局部目標的最優(yōu),之后給出了這種內存優(yōu)化技術的整體過程。優(yōu)化過程的研究主要包括兩個重點,基于RBF-Markov的虛擬機內存需求預測算法和基于遺傳算法的多目標內存優(yōu)化方法。首先使用RBF神經網絡對虛擬機的內存需求進行預測,并進一步通過馬爾可夫模型對預測值加以修正,提高虛擬機內存需求預測值的準確度。然后建立多目標優(yōu)化模型,使用遺傳算法對其進行求解,通過氣球驅動機制對多虛擬機進行內存資源調整,之后使用基于雷達圖的評價方法對多虛擬機的性能進行綜合評估。最后本文通過實驗對這種內存優(yōu)化技術的可行性和有效性進行驗證。實驗結果表明虛擬機內存需求預測算法具有較高的準確性,本文提出的面向多目標的多虛擬機內存優(yōu)化技術具有一定的可行性和有效性,通過動態(tài)優(yōu)化控制多虛擬機的內存資源,使虛擬機在滿足用戶服務質量目標的同時提高內存資源利用率。在雷達圖評價方法中發(fā)現多虛擬機之間的性能差距縮小且多虛擬機的綜合性能得到了提高。
[Abstract]:With the rapid development of computer technology and the wide use of computer application projects, cloud computing, as an innovative computing model, has received great attention in the field of scientific computing and business.The services provided by large data centers and the virtualization technologies used constitute the infrastructure of cloud computing.Virtualization technology includes virtualization of memory resources.The concurrent requests of upper application services and the dynamic changes of various applications in the system bring new challenges to the optimal allocation of memory resources at the bottom of virtualization.There is a lack of efficient dynamic memory regulation mechanism between multiple virtual machines in virtualization systems. Due to the continuous change of memory resource requirements of each virtual machine, the uneven allocation of memory resources occurs in multiple virtual machines.Some virtual machine memory resources are idle and some virtual machine memory resources are seriously insufficient, which leads to the low service performance of virtual machines and reduces the user experience, so it is faced with complex services and applications.How to improve the comprehensive performance and quality of service (QoS) of multiple virtual machines (MVM) is the focus of memory optimization.Based on the research of traditional virtual machine memory optimization method, a multi-objective multi-virtual machine memory optimization technique is proposed in this paper.By analyzing the shortcomings of the traditional memory optimization methods, the global optimization of multi-objective multi-virtual machines is not limited to the optimization of local targets, and the overall process of this memory optimization technique is given.The research on the optimization process includes two main points: the virtual machine memory requirement prediction algorithm based on RBF-Markov and the multi-objective memory optimization method based on genetic algorithm.First, RBF neural network is used to predict the memory requirement of virtual machine, and then the prediction value is modified by Markov model to improve the accuracy of the prediction value of virtual machine memory requirement.Then the multi-objective optimization model is established, the genetic algorithm is used to solve it, the memory resource of the multi-virtual machine is adjusted by balloon drive mechanism, and the performance of the multi-virtual machine is evaluated synthetically by using the evaluation method based on radar graph.Finally, the feasibility and effectiveness of this memory optimization technique are verified by experiments.The experimental results show that the virtual machine memory requirement prediction algorithm has high accuracy, and the multi-objective multi-virtual machine memory optimization technology proposed in this paper is feasible and effective.By dynamically optimizing and controlling the memory resources of multiple virtual machines, the virtual machine can improve the utilization of memory resources while satisfying the quality of service goals of users.It is found that the performance gap between multiple virtual machines is narrowed and the comprehensive performance of multiple virtual machines is improved.
【學位授予單位】：東北大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TP302

【相似文獻】

相關期刊論文 前10條

1 曹曉剛;;Java虛擬機的10年[J];程序員;2005年07期

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

3 劉黎波;;Java虛擬機攔截原理研究[J];科技風;2008年21期

4 劉治波;;Java虛擬機簡析[J];濟南職業(yè)學院學報;2008年01期

5 郝帥;;Java虛擬機中相關技術的探討[J];成功(教育);2008年08期

6 李霞;;系統(tǒng)虛擬機關鍵技術研究[J];微型電腦應用;2010年03期

7 鄭曉瓏;孔挺;;虛擬機的安全風險與管理[J];硅谷;2010年16期

8 李學昌;平淡;;為速度而戰(zhàn),虛擬機內外兼修[J];電腦愛好者;2010年18期

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

10 鄭婷婷;武延軍;賀也平;;云計算環(huán)境下的虛擬機快速克隆技術[J];計算機工程與應用;2011年13期

相關會議論文 前10條

1 孟廣平;;虛擬機漂移網絡連接方法探討[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術交流會論文集[C];2011年

3 李明宇;張倩;呂品;;網絡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虛擬機面向數字媒體的應用研究[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（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[A];中國高等教育學會教育信息化分會第十二次學術年會論文集[C];2014年

6 沈敏虎;查德平;劉百祥;趙澤宇;;虛擬機網絡部署與管理研究[A];中國高等教育學會教育信息化分會第十次學術年會論文集[C];2010年

7 李英壯;廖培騰;孫夢;李先毅;;基于云計算的數據中心虛擬機管理平臺的設計[A];中國高等教育學會教育信息化分會第十次學術年會論文集[C];2010年

8 朱欣焰;蘇科華;毛繼國;龔健雅;;GIS符號虛擬機及實現方法研究[A];《測繪通報》測繪科學前沿技術論壇摘要集[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大會論文集（一）[C];2007年

10 丁濤;郝沁汾;張冰;;內核虛擬機調度策略的研究與分析[A];'2010系統(tǒng)仿真技術及其應用學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 ;虛擬機的生與死[N];網絡世界;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];網絡世界;2010年

相關博士學位論文 前10條

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

2 王桂平;云環(huán)境下面向可信的虛擬機異常檢測關鍵技術研究[D];重慶大學;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;2015年

4 郭芬;面向虛擬機的云平臺資源部署與調度研究[D];華南理工大學;2015年

5 周傲;高可靠云服務供應關鍵技術研究[D];北京郵電大學;2015年

6 代煒琦;云計算執(zhí)行環(huán)境可信構建關鍵技術研究[D];華中科技大學;2015年

7 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;2015年

8 彭成磊;云數據中心綠色節(jié)能需求的虛擬機負載均衡技術研究[D];南京大學;2016年

9 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;2016年

10 許小龍;支持綠色云計算的資源調度方法及關鍵技術研究[D];南京大學;2016年

相關碩士學位論文 前10條

1 潘飛;負載相關的虛擬機放置策略研究[D];杭州電子科技大學;2011年

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

3 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;2015年

4 曾文琦;面向應用服務的云規(guī)模虛似機性能監(jiān)控與負載分析技術研究[D];復旦大學;2013年

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

6 于暉;基于ARM平臺的Java智能卡虛擬機研究與實現[D];上海交通大學;2015年

7 王志遠;多數據中心的虛擬機調度算法研究和實現[D];上海交通大學;2015年

8 毛亞強;基于Xen虛擬化技術的混合監(jiān)控度量框架研究[D];上海交通大學;2015年

9 李傳云;KVM虛擬機熱遷移算法分析及優(yōu)化[D];浙江大學;2016年

10 曲曉雅;負載感知的虛擬機初始化放置和遷移時機判決機制的研究[D];北京交通大學;2016年

，

本文編號：1730850