本文選題：云計算 + 虛擬機動態(tài)配置��； 參考：《浙江大學(xué)》2015年碩士論文

【摘要】：在云計算應(yīng)用日益廣泛的今天,提高云服務(wù)的質(zhì)量與數(shù)據(jù)中心的資源利用率,減少云服務(wù)商的運營成本與客戶的開銷具有及其重要的應(yīng)用價值。論文在國家863計劃支持下,針對虛擬機管理這一問題,研究基于負(fù)載預(yù)測的OpenStack虛擬機智能管理方法。云環(huán)境下負(fù)載變化較大,帶來云服務(wù)質(zhì)量的下降,論文研究了基于短期負(fù)載預(yù)測的虛擬機動態(tài)配置算法。通過提出對虛擬機資源利用率的預(yù)測方法,根據(jù)預(yù)測值結(jié)合機器學(xué)習(xí)的方法計算虛擬機資源包括CPU、RAM、BandWidth的瓶頸因子,找出影響服務(wù)質(zhì)量的瓶頸資源,并使用輕量級的虛擬機運行時動態(tài)配置來擴展瓶頸資源,提高服務(wù)質(zhì)量。實驗數(shù)據(jù)表明該算法能大大提高云環(huán)境下應(yīng)用的服務(wù)質(zhì)量,減少服務(wù)的響應(yīng)時間,提高吞吐率。針對云用戶請求負(fù)載呈現(xiàn)規(guī)律性變化的應(yīng)用場景,論文研究基于長期負(fù)載規(guī)律的虛擬機管理方法,通過預(yù)測用戶的請求數(shù),在滿足用戶資源需求的前提下,動態(tài)改變用戶的虛擬機分配從而最小化用戶的開銷�？紤]服務(wù)器的整合過程,提出了針對物理服務(wù)器的數(shù)量、虛擬機遷移數(shù)、數(shù)據(jù)中心的電能消耗三個方面多目標(biāo)優(yōu)化的算法LBVMM (Load Based Virtual Machine Management)來決策整合的過程,使物理服務(wù)器數(shù)量、虛擬機的遷移數(shù)以及數(shù)據(jù)中心的電能消耗都維持在一個較低的水平內(nèi)。算法從云服務(wù)商和客戶兩方面進(jìn)行了綜合考慮,同時優(yōu)化了云服務(wù)商的運營成本,提高服務(wù)質(zhì)量,并且減少了客戶的開銷。實驗數(shù)據(jù)表明該算法在減少包括物理服務(wù)器的數(shù)量,虛擬機的遷移數(shù),數(shù)據(jù)中心的電能消耗,以及用戶的開銷方面具有顯著的效果。結(jié)合上述成果,論文在OpenStack平臺上實現(xiàn)了虛擬機智能管理系統(tǒng),系統(tǒng)集成了基于短期負(fù)載的虛擬機動態(tài)配置與基于長期負(fù)載規(guī)律的虛擬機管理兩個方面,并結(jié)合了包括虛擬機批量部署、多層監(jiān)控等多項創(chuàng)新功能。
[Abstract]:With the increasing application of cloud computing, improving the quality of cloud service and resource utilization of data center, reducing the operating cost of cloud service provider and the expense of customers have important application value. In this paper, an intelligent management method for OpenStack virtual machine based on load prediction is studied, which is supported by the National 863 Program and aiming at the problem of virtual machine management. The dynamic configuration algorithm of virtual machine based on short-term load prediction is studied in this paper. Based on the prediction method of virtual machine resource utilization, the bottleneck factors of virtual machine resources, including CPUUU Ram BandWidth, are calculated according to the prediction value combined with machine learning, and the bottleneck resources that affect the quality of service are found out. Dynamic configuration of lightweight virtual machine runtime is used to expand bottleneck resources and improve QoS. Experimental data show that the proposed algorithm can greatly improve the service quality, reduce the response time and improve the throughput. In view of the application scenario of cloud user request load showing regular change, this paper studies the management method of virtual machine based on long-term load law. By predicting the number of user requests, we can meet the requirements of user resources. Dynamically change the user's virtual machine allocation to minimize the user's overhead. Considering the integration process of servers, this paper proposes a multi-objective optimization algorithm, LBVMM load based Virtual Machine Management, which aims at the number of physical servers, the number of virtual machines and the power consumption of data centers, to make the number of physical servers. The number of virtual machine migrations and the power consumption of the data center are maintained at a low level. The algorithm considers the cloud service provider and customer comprehensively, optimizes the operating cost of the cloud service provider, improves the service quality, and reduces the cost of the customer. The experimental results show that the proposed algorithm can reduce the number of physical servers, the migration of virtual machines, the power consumption of data centers, and the cost of users. Combined with the above achievements, this paper implements a virtual machine intelligent management system on OpenStack platform. The system integrates two aspects: the dynamic configuration of virtual machine based on short-term load and the management of virtual machine based on long-term load rule. And combined with the virtual machine batch deployment, multi-layer monitoring and other innovative functions.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP302

【相似文獻(xiàn)】

相關(guān)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(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

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

4 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

5 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

6 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

7 鄭曉瓏;孔挺;;虛擬機的安全風(fēng)險與管理[J];硅谷;2010年16期

8 李學(xué)昌;平淡;;為速度而戰(zhàn),虛擬機內(nèi)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(wǎng)絡(luò);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(shù)[J];計算機工程與應(yīng)用;2011年13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(jìn)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(jìn)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 陳彬;分布環(huán)境下虛擬機按需部署關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2010年

6 劉海坤;虛擬機在線遷移性能優(yōu)化關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2012年

7 劉謙;面向云計算的虛擬機系統(tǒng)安全研究[D];上海交通大學(xué);2012年

8 趙佳;虛擬機動態(tài)遷移的關(guān)鍵問題研究[D];吉林大學(xué);2013年

9 鄧?yán)?基于虛擬機遷移的動態(tài)資源配置研究[D];華中科技大學(xué);2013年

10 李丁丁;虛擬機本地存儲寫性能優(yōu)化研究[D];華中科技大學(xué);2013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現(xiàn)[D];華南理工大學(xué);2015年

3 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

4 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

5 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

6 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

7 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

8 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

9 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

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

本文編號：2042725