本文選題：虛擬化技術(shù)　+ 內(nèi)存優(yōu)化　；引自：《東北大學(xué)》2013年碩士論文

【摘要】：隨著計(jì)算機(jī)技術(shù)的快速發(fā)展和計(jì)算機(jī)應(yīng)用項(xiàng)目的廣泛使用,云計(jì)算作為一種創(chuàng)新的計(jì)算模式,在科學(xué)計(jì)算和商業(yè)領(lǐng)域都受到了高度重視。大型數(shù)據(jù)中心提供的服務(wù)以及所使用的虛擬化技術(shù)構(gòu)成了云計(jì)算的基礎(chǔ)架構(gòu)。虛擬化技術(shù)包括對(duì)內(nèi)存資源的虛擬化。上層應(yīng)用服務(wù)并發(fā)請(qǐng)求和系統(tǒng)內(nèi)各種應(yīng)用程序的動(dòng)態(tài)變化給虛擬化底層內(nèi)存資源的優(yōu)化分配策略帶來(lái)了新的挑戰(zhàn)。虛擬化系統(tǒng)中多虛擬機(jī)之間缺少高效的動(dòng)態(tài)內(nèi)存調(diào)節(jié)機(jī)制,由于各虛擬機(jī)對(duì)內(nèi)存資源需求的持續(xù)改變,使得內(nèi)存資源在多虛擬機(jī)中出現(xiàn)不均衡分配的現(xiàn)象,部分虛擬機(jī)內(nèi)存資源大量空閑,部分虛擬機(jī)內(nèi)存資源嚴(yán)重不足,導(dǎo)致虛擬機(jī)的服務(wù)性能低下,降低了用戶體驗(yàn),所以面對(duì)復(fù)雜的服務(wù)和應(yīng)用,如何提高多虛擬機(jī)的綜合性能和服務(wù)質(zhì)量,是多虛擬機(jī)內(nèi)存優(yōu)化問(wèn)題的研究重點(diǎn)。本文在傳統(tǒng)虛擬機(jī)內(nèi)存優(yōu)化方法的研究基礎(chǔ)上,提出了一種面向多目標(biāo)的多虛擬機(jī)內(nèi)存優(yōu)化技術(shù)。通過(guò)分析傳統(tǒng)內(nèi)存優(yōu)化方法的不足,針對(duì)多虛擬機(jī)的多目標(biāo)進(jìn)行整體優(yōu)化,不再局限于局部目標(biāo)的最優(yōu),之后給出了這種內(nèi)存優(yōu)化技術(shù)的整體過(guò)程。優(yōu)化過(guò)程的研究主要包括兩個(gè)重點(diǎn),基于RBF-Markov的虛擬機(jī)內(nèi)存需求預(yù)測(cè)算法和基于遺傳算法的多目標(biāo)內(nèi)存優(yōu)化方法。首先使用RBF神經(jīng)網(wǎng)絡(luò)對(duì)虛擬機(jī)的內(nèi)存需求進(jìn)行預(yù)測(cè),并進(jìn)一步通過(guò)馬爾可夫模型對(duì)預(yù)測(cè)值加以修正,提高虛擬機(jī)內(nèi)存需求預(yù)測(cè)值的準(zhǔn)確度。然后建立多目標(biāo)優(yōu)化模型,使用遺傳算法對(duì)其進(jìn)行求解,通過(guò)氣球驅(qū)動(dòng)機(jī)制對(duì)多虛擬機(jī)進(jìn)行內(nèi)存資源調(diào)整,之后使用基于雷達(dá)圖的評(píng)價(jià)方法對(duì)多虛擬機(jī)的性能進(jìn)行綜合評(píng)估。最后本文通過(guò)實(shí)驗(yàn)對(duì)這種內(nèi)存優(yōu)化技術(shù)的可行性和有效性進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明虛擬機(jī)內(nèi)存需求預(yù)測(cè)算法具有較高的準(zhǔn)確性,本文提出的面向多目標(biāo)的多虛擬機(jī)內(nèi)存優(yōu)化技術(shù)具有一定的可行性和有效性,通過(guò)動(dòng)態(tài)優(yōu)化控制多虛擬機(jī)的內(nèi)存資源,使虛擬機(jī)在滿足用戶服務(wù)質(zhì)量目標(biāo)的同時(shí)提高內(nèi)存資源利用率。在雷達(dá)圖評(píng)價(jià)方法中發(fā)現(xiàn)多虛擬機(jī)之間的性能差距縮小且多虛擬機(jī)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(xué)位授予單位】：東北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TP302

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

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

2 宋韜;盤(pán)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

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

4 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

5 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

6 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

7 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

8 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

9 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

10 鄭婷婷;武延軍;賀也平;;云計(jì)算環(huán)境下的虛擬機(jī)快速克隆技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2011年13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 代煒琦;云計(jì)算執(zhí)行環(huán)境可信構(gòu)建關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2015年

7 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

8 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

9 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

10 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

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 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

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

4 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

5 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

6 于暉;基于ARM平臺(tái)的Java智能卡虛擬機(jī)研究與實(shí)現(xiàn)[D];上海交通大學(xué);2015年

7 王志遠(yuǎn);多數(shù)據(jù)中心的虛擬機(jī)調(diào)度算法研究和實(shí)現(xiàn)[D];上海交通大學(xué);2015年

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

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

10 曲曉雅;負(fù)載感知的虛擬機(jī)初始化放置和遷移時(shí)機(jī)判決機(jī)制的研究[D];北京交通大學(xué);2016年

，

本文編號(hào)：1730850