虛擬化將操作系統(tǒng)和應(yīng)用程序與計算機(jī)硬件資源分離。通過使用虛擬化技術(shù),可以提高數(shù)據(jù)中心的資源利用率、保證系統(tǒng)的高可用度、降低運(yùn)營成本。然而,虛擬化系統(tǒng)架構(gòu)存在一個明顯缺陷,即單點(diǎn)失效。虛擬化服務(wù)器的結(jié)構(gòu)依賴特性影響其維修活動:一方面,虛擬機(jī)管理器的維修操作會影響其上所有虛擬機(jī)的運(yùn)行;另一方面,多個虛擬機(jī)的維修行為存在競爭關(guān)系。這些影響給虛擬化服務(wù)器的維修決策管理帶來了新的挑戰(zhàn)。因此,考慮虛擬化服務(wù)器部件間的結(jié)構(gòu)相關(guān)性,研究多部件虛擬化服務(wù)器的維修決策及數(shù)據(jù)中心多服務(wù)器的維修決策問題成為了亟待解決的新課題。本文針對受到軟件老化影響的計算機(jī)軟件系統(tǒng),尤其針對虛擬化服務(wù)器的抗衰決策與優(yōu)化研究中存在的軟件退化過程建模不精確、仿真建模耗時、超高維模型求解困難等問題,進(jìn)行了虛擬化服務(wù)器及數(shù)據(jù)中心多服務(wù)器系統(tǒng)的抗衰決策建模與優(yōu)化研究,主要研究工作如下:(1)軟件老化過程建模與分析通過搭建一個基于Xen的虛擬化服務(wù)器系統(tǒng),在該系統(tǒng)中實(shí)現(xiàn)了檢測內(nèi)存泄漏,獲取系統(tǒng)狀態(tài)若干性能指標(biāo)的實(shí)驗(yàn)環(huán)境,分別采用故障恢復(fù)策略、基于時間抗衰策略和基于狀態(tài)抗衰策略等三種系統(tǒng)維護(hù)策略進(jìn)行了實(shí)驗(yàn)并采集了數(shù)據(jù),使用極大似然法估計了軟件老化過程模型參數(shù)。(2)軟件系統(tǒng)狀態(tài)可測條件下基于固定周期檢測及非定期檢測的抗衰策略建模與優(yōu)化在軟件系統(tǒng)退化特性已知條件下,通過固定周期或非定期檢測獲取系統(tǒng)退化狀態(tài),分析系統(tǒng)在維修決策點(diǎn)之間所有可能狀態(tài)轉(zhuǎn)移基礎(chǔ)上,建立了退化狀態(tài)穩(wěn)態(tài)概率密度函數(shù)的全概率計算模型,給出了數(shù)值解法,以此為基礎(chǔ),建立了基于半更新過程理論的系統(tǒng)長期平均可用度模型。(3)VM和VMM間存在結(jié)構(gòu)依賴關(guān)系的多部件虛擬化服務(wù)器的抗衰策略建模與優(yōu)化擴(kuò)展了單部件抗衰策略建模方法,在分析兩部件在抗衰決策點(diǎn)所有可能的狀態(tài)轉(zhuǎn)移的基礎(chǔ)上,建立了系統(tǒng)聯(lián)合狀態(tài)概率計算模型,建立了系統(tǒng)的長期平均可用度模型,并給出了優(yōu)化方法,通過數(shù)值實(shí)驗(yàn)驗(yàn)證和分析了模型的正確性及優(yōu)化求解的有效性。(4)采用冗余方式部署應(yīng)用的虛擬化服務(wù)器的抗衰策略建模與優(yōu)化利用虛擬機(jī)可快速掛起、停止、重啟及遷移等特性,給出了基于在線遷移的抗衰策略,推導(dǎo)了應(yīng)用服務(wù)器可以成功遷移的概率,得到系統(tǒng)的平均可用度和平均維護(hù)費(fèi)用表達(dá)式,最后給出抗衰決策模型,通過數(shù)值實(shí)驗(yàn),驗(yàn)證抗衰策略模型的正確性及優(yōu)化求解算法的適應(yīng)性。(5)云數(shù)據(jù)中心環(huán)境中多虛擬機(jī)動態(tài)抗衰策略建模與優(yōu)化將多虛擬機(jī)中退化失效和隨機(jī)故障多發(fā)情況下的抗衰決策優(yōu)化問題形式化為Markov動態(tài)規(guī)劃問題,針對超高維優(yōu)化求解費(fèi)時問題,提出了基于健康指數(shù)的啟發(fā)式抗衰策略,推導(dǎo)了抗衰策略模型中健康指數(shù)函數(shù)的解析表達(dá)式,通過仿真實(shí)驗(yàn)對該抗衰策略進(jìn)行了評估,驗(yàn)證了抗衰決策模型求解方法的正確性和有效性。
【學(xué)位單位】：蘭州理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2019
【中圖分類】：TP368.5
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
        1.1.1 軟件缺陷
        1.1.2 軟件老化
        1.1.3 軟件抗衰
        1.1.4 虛擬化系統(tǒng)軟件抗衰
    1.2 研究現(xiàn)狀
        1.2.1 軟件老化和軟件抗衰研究現(xiàn)狀
        1.2.2 虛擬化系統(tǒng)抗衰研究現(xiàn)狀
    1.3 問題的提出及解決的思路
    1.4 本文的研究內(nèi)容與結(jié)構(gòu)安排
        1.4.1 研究內(nèi)容
        1.4.2 結(jié)構(gòu)安排
第二章 軟件老化過程建模與分析
    2.1 失效機(jī)理分析
    2.2 退化量確定
    2.3 退化實(shí)驗(yàn)設(shè)計與分析
        2.3.1 實(shí)驗(yàn)中用到的關(guān)鍵技術(shù)
        2.3.2 系統(tǒng)架構(gòu)
        2.3.3 實(shí)驗(yàn)方案
    2.4 退化量數(shù)據(jù)收集
    2.5 退化過程模型確定
    2.6 退化過程模型辨識
        2.6.1 Gamma過程極大似然估計
        2.6.2 參數(shù)估計
    2.7 本章小結(jié)
第三章 基于固定周期檢測的軟件系統(tǒng)抗衰策略建模及優(yōu)化
    3.1 引言
    3.2 系統(tǒng)描述
        3.2.1 軟件系統(tǒng)特性
        3.2.2 抗衰策略
        3.2.3 軟件系統(tǒng)的退化過程
    3.3 軟件系統(tǒng)可用度模型
        3.3.1 系統(tǒng)的穩(wěn)態(tài)可用度
        3.3.2 軟件系統(tǒng)退化狀態(tài)的穩(wěn)態(tài)概率密度函數(shù)
        3.3.3 檢測周期內(nèi)發(fā)生軟失效時的平均不可用時間
        3.3.4 概率密度函數(shù)的數(shù)值解法
        3.3.5 模型求解
    3.4 數(shù)值實(shí)驗(yàn)
        3.4.1 優(yōu)化模型驗(yàn)證
        3.4.2 靈敏度分析
        3.4.3 虛擬機(jī)抗衰策略優(yōu)化
    3.5 本章小結(jié)
第四章 基于順序檢測的軟件系統(tǒng)抗衰策略建模及優(yōu)化
    4.1 引言
    4.2 系統(tǒng)描述
        4.2.1 軟件系統(tǒng)特性
        4.2.2 抗衰策略
        4.2.3 軟件系統(tǒng)的退化過程
    4.3 軟件系統(tǒng)可用度模型
        4.3.1 軟件系統(tǒng)退化狀態(tài)的穩(wěn)態(tài)概率密度函數(shù)
        4.3.2 系統(tǒng)的穩(wěn)態(tài)可用度
        4.3.3 工作階段發(fā)生軟失效時的平均不可用時間
        4.3.4 概率密度函數(shù)的數(shù)值解法
        4.3.5 模型求解
    4.4 數(shù)值實(shí)驗(yàn)
        4.4.1 優(yōu)化模型驗(yàn)證
        4.4.2 靈敏度分析
        4.4.3 順序檢測和固定周期檢測優(yōu)化結(jié)果比較
    4.5 本章小結(jié)
第五章 考慮結(jié)構(gòu)依賴關(guān)系的虛擬化服務(wù)器抗衰策略建模及優(yōu)化
    5.1 引言
    5.2 系統(tǒng)描述
        5.2.1 虛擬化服務(wù)器系統(tǒng)特性
        5.2.2 基于狀態(tài)控制限的抗衰策略
    5.3 虛擬化服務(wù)器不可用度建模
i,y）'>        5.3.1 穩(wěn)態(tài)聯(lián)合概率密度Ω（x_i,y）
m
（i）（T）)'>        5.3.2 平均維修時間E(D_{m
（i）（T）)
u
（i,0）（T）)'>        5.3.3 軟失效發(fā)生時的平均不可用時間E(Du
（i,0）（T）)
        5.3.4 維修決策模型求解
i,y）的數(shù)值解法'>        5.3.5 穩(wěn)態(tài)聯(lián)合概率密度Ω（xi,y）的數(shù)值解法
    5.4 數(shù)值實(shí)驗(yàn)
        5.4.1 退化狀態(tài)聯(lián)合概率密度
        5.4.2 系統(tǒng)的穩(wěn)態(tài)不可用度
    5.5 本章小結(jié)
第六章 在線遷移條件下虛擬化服務(wù)器抗衰策略建模及優(yōu)化
    6.1 引言
    6.2 系統(tǒng)描述
        6.2.1 系統(tǒng)結(jié)構(gòu)與維護(hù)方式
        6.2.2 系統(tǒng)特性
        6.2.3 抗衰策略
    6.3 可用度及費(fèi)用分析
        6.3.1 系統(tǒng)平均可用度
        6.3.2 系統(tǒng)平均維護(hù)費(fèi)用
1}、AS2_能夠成功遷移的概率'>        6.3.3 AS₁、AS2_能夠成功遷移的概率
        6.3.4 維修決策模型
    6.4 數(shù)值實(shí)驗(yàn)
        6.4.1 各決策變量對系統(tǒng)可用度的影響
        6.4.2 各決策變量對平均費(fèi)用的影響
        6.4.3 使用PSO算法聯(lián)合優(yōu)化系統(tǒng)平均可用度和平均費(fèi)用
        6.4.4 在線遷移條件下虛擬化服務(wù)器抗衰策略優(yōu)化
    6.5 本章小結(jié)
第七章 基于實(shí)時遷移的云數(shù)據(jù)中心虛擬機(jī)抗衰策略建模及優(yōu)化
    7.1 前言
    7.2 問題描述
        7.2.1 虛擬機(jī)退化過程描述
        7.2.2 實(shí)時遷移維護(hù)方式
        7.2.3 問題形式化
        7.2.4 基于健康指數(shù)的抗衰策略
    7.3 健康指數(shù)函數(shù)W（x）求解
        7.3.1 從狀態(tài)0運(yùn)行的期望折現(xiàn)費(fèi)用
0）運(yùn)行的期望折現(xiàn)費(fèi)用'>        7.3.2 從狀態(tài)x（x>0）運(yùn)行的期望折現(xiàn)費(fèi)用
        7.3.3 虛擬機(jī)的健康指數(shù)函數(shù)W（x）
        7.3.4 G（x）的求解過程
        7.3.5 W（x）的求解過程
    7.4 策略評價及仿真實(shí)驗(yàn)
        7.4.1 策略評價
        7.4.2 仿真實(shí)驗(yàn)
    7.5 本章小結(jié)
第八章 總結(jié)與展望
參考文獻(xiàn)
致謝
附錄A 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文和參與的科研項(xiàng)目

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣茂;葛陽;;基于可用度的復(fù)雜設(shè)備維修周期決策模型[J];計算機(jī)與數(shù)字工程;2011年08期

2 葛陽;高崎;黃照協(xié);;基于可用度的復(fù)雜設(shè)備維修周期決策模型[J];數(shù)學(xué)的實(shí)踐與認(rèn)識;2012年08期

3 呂立波;高崎;李有為;葛陽;張恒;;基于蒙特卡洛仿真的設(shè)備維修周期建模與優(yōu)化[J];計算機(jī)與數(shù)字工程;2011年04期

4 王立超;楊懿;鄒云;;離散時間系統(tǒng)的最優(yōu)預(yù)防性維修周期模型[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);2009年01期

5 王冠軍;張元林;;維修時間受限的單部件系統(tǒng)幾何過程維修模型[J];東南大學(xué)學(xué)報(自然科學(xué)版);2013年06期

6 方華元;胡昌華;馬清亮;;動態(tài)運(yùn)行環(huán)境下退化系統(tǒng)最佳檢測周期的確定[J];系統(tǒng)工程與電子技術(shù);2009年04期

7 高崎;劉怡昕;;復(fù)雜設(shè)備的維修可用度模型[J];彈箭與制導(dǎo)學(xué)報;2006年S9期

8 魏領(lǐng)會;申桂香;;可靠性與維修性耦合的動態(tài)可用性研究[J];機(jī)床與液壓;2015年11期

9 沈劍波,李金林,崔利榮;導(dǎo)彈儲存可用性模型與分析[J];導(dǎo)彈與航天運(yùn)載技術(shù);2004年02期

10 金星;彭博;常浩;魯海;;雷達(dá)的分系統(tǒng)級別設(shè)備的備件分析方法[J];機(jī)械科學(xué)與技術(shù);2012年05期

相關(guān)博士學(xué)位論文 前1條

1 黨偉超;虛擬化服務(wù)器抗衰策略建模及優(yōu)化[D];蘭州理工大學(xué);2019年

本文編號：2837166