本文選題：Xen + 虛擬化　； 參考：《東北大學(xué)》2013年碩士論文

【摘要】：近年來,虛擬化技術(shù)以其能夠很好的屏蔽底層硬件資源的異構(gòu)性,具有提高資源使用效率,增強(qiáng)系統(tǒng)彈性和可擴(kuò)展性,減少硬件投資及管理維護(hù)成本等諸多優(yōu)勢而被廣泛的應(yīng)用于資源服務(wù)整合、系統(tǒng)安全、分布式計算以及新興的云計算等領(lǐng)域。然而,各個虛擬機(jī)在運行過程中總會出現(xiàn)資源利用率過高或過低的情況,虛擬化平臺中各個物理節(jié)點也會出現(xiàn)負(fù)載不均衡的現(xiàn)象。在深入分析Xen體系結(jié)構(gòu)的基礎(chǔ)上,對虛擬機(jī)的CPU和內(nèi)存資源重新分配以及基于虛擬機(jī)動態(tài)遷移技術(shù)的物理節(jié)點負(fù)載均衡進(jìn)行了深入研究,具體做了如下工作。首先,對Xen虛擬化技術(shù)進(jìn)行了深入地研究,針對Xen中資源靜態(tài)分配而造成的資源利用效率低、分配不合理等問題,提出了一種細(xì)粒度的資源調(diào)整算法。該算法通過對單個物理節(jié)點上各個虛擬機(jī)資源使用情況的實時統(tǒng)計分析,從資源利用率低的虛擬機(jī)中回收資源,并為利用率較高的虛擬機(jī)動態(tài)增加資源分配量,該算法能夠有效解決資源利用效率低、資源分配不合理的問題,同時也避免了不必要的虛擬機(jī)遷移。其次,針對Xen虛擬化平臺中各個物理節(jié)點上存在負(fù)載不均衡的問題,提出了以虛擬機(jī)為粒度的粗粒度遷移調(diào)度算法,該算法主要包括待遷移虛擬機(jī)選擇、遷移目標(biāo)映射和遷移執(zhí)行三個部分。待遷移虛擬機(jī)選擇主要從遷移代價和遷移后對物理機(jī)負(fù)載的影響兩方面來選擇最適合的遷移對象；在標(biāo)準(zhǔn)粒子群算法的基礎(chǔ)上,重新設(shè)計了能夠滿足多種資源均衡的多目標(biāo)適應(yīng)度函數(shù),并改進(jìn)了粒子之間的距離計算公式,改進(jìn)后的粒子群算法能夠有效的尋找待遷移虛擬機(jī)與遷移目標(biāo)宿主機(jī)之間的映射關(guān)系：遷移執(zhí)行則是利用遷移沖突檢測來尋找最優(yōu)的、可并行的遷移執(zhí)行順序,以減少總遷移時間。第三,設(shè)計實現(xiàn)了一個云環(huán)境下的虛擬機(jī)資源動態(tài)優(yōu)化框架,提出了熱點檢測策略,并結(jié)合了上述兩種資源動態(tài)優(yōu)化算法進(jìn)行熱點消除,提高了虛擬化平臺的資源利用效率和用戶服務(wù)質(zhì)量,降低了管理和維護(hù)成本。以及解決了粗細(xì)兩種粒度優(yōu)化算法可能存在的沖突問題。最后,通過大量實驗對所提出的資源動態(tài)優(yōu)化算法進(jìn)行了驗證。實驗結(jié)果表明資源動態(tài)優(yōu)化算法能夠有效解決資源分配不合理和負(fù)載均衡等問題。
[Abstract]:In recent years, because of its ability to shield the heterogeneity of underlying hardware resources, virtualization technology can improve the efficiency of resource use, enhance the flexibility and expansibility of the system. It is widely used in the fields of resource service integration, system security, distributed computing and new cloud computing due to the advantages of reducing the cost of hardware investment and management and maintenance. However, every virtual machine always has too high or too low resource utilization in the running process, and each physical node in the virtualization platform will also appear the phenomenon of load imbalance. Based on the in-depth analysis of Xen architecture, the CPU and memory resource redistribution of virtual machines and the load balancing of physical nodes based on virtual machine dynamic migration technology are studied. Firstly, the Xen virtualization technology is deeply studied, and a fine-grained resource adjustment algorithm is proposed to solve the problems of low resource utilization efficiency and unreasonable allocation caused by static resource allocation in Xen. Through the real-time statistical analysis of each virtual machine resource on a single physical node, the algorithm can recover the resource from the virtual machine with low resource utilization, and dynamically increase the resource allocation for the high utilization virtual machine. The algorithm can effectively solve the problems of low efficiency and unreasonable allocation of resources and avoid unnecessary migration of virtual machine. Secondly, aiming at the problem of load imbalance on each physical node in Xen virtualization platform, a coarse-grained migration scheduling algorithm based on virtual machine granularity is proposed, which mainly includes the selection of virtual machine to be migrated. Migration target mapping and migration execution are three parts. The selection of virtual machine to be migrated mainly from the migration cost and the impact on the physical machine load to select the most suitable migration object; on the basis of standard particle swarm optimization algorithm, The multi-objective fitness function, which can satisfy the multi-resource equilibrium, is redesigned, and the formula for calculating the distance between particles is improved. The improved particle swarm optimization algorithm can effectively find the mapping relationship between the virtual machine to be migrated and the host: migration execution uses migration conflict detection to find the optimal parallel migration execution order. To reduce the total migration time. Thirdly, we design and implement a virtual machine resource dynamic optimization framework under cloud environment, propose a hot spot detection strategy, and combine the above two resource dynamic optimization algorithms to eliminate the hot spot. It improves the resource utilization efficiency and user service quality of virtualization platform, and reduces the cost of management and maintenance. And the conflict between the two granularity optimization algorithms is solved. Finally, the proposed resource dynamic optimization algorithm is verified by a large number of experiments. The experimental results show that the dynamic resource optimization algorithm can effectively solve the problems of unreasonable resource allocation and load balancing.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【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(jī)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(jī)在嵌入式DSP系統(tǒng)上的實現(xiàn)[J];計算機(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)簡析[J];濟(jì)南職業(yè)學(xué)院學(xué)報;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];計算機(jī)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(jī)快速克隆技術(shù)[J];計算機(jī)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(jī)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(jī)平臺的研究[A];第26次全國計算機(jī)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(jī)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(jī)面向數(shù)字媒體的應(yīng)用研究[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國第17屆計算機(jī)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(jī)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(jī)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(jī)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(jī)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(jī)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(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)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

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

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

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

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

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

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

7 盆盆;真實的虛擬機(jī)[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(jī)的全生命周期[N];計算機(jī)世界;2008年

9 李婷;中國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(jī)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(jī)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 代煒琦;云計算執(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“實驗云”平臺的研究與開發(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平臺的Java智能卡虛擬機(jī)研究與實現(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機(jī)判決機(jī)制的研究[D];北京交通大學(xué);2016年

，

本文編號：2075929