隨著云數(shù)據(jù)中心越來越成熟,云計算逐漸成為了信息技術行業(yè)的主導計算模式,但高能耗開銷問題也隨之而來。在云數(shù)據(jù)中心中,大部分物理機的資源利用率都很低,因此產(chǎn)生了大量的能源浪費。虛擬機整合技術已經(jīng)被證明是一種高效的節(jié)約能耗的方式,該技術將數(shù)據(jù)中心中的虛擬機放置在盡可能少的物理機上,從而將沒有運行虛擬機的物理機切換至低功耗模式以節(jié)約能源。但當前的虛擬機整合算法只針對運行特定應用的數(shù)據(jù)中心時性能表現(xiàn)突出,如CPU密集型應用、網(wǎng)絡應用等。因此,為通用的云數(shù)據(jù)中心設計一個通用的虛擬機整合框架以支持具有不同實時特征的物理機是很有必要的。OpenStack NEAT是一個整合到OpenStack中的成熟的虛擬機整合框架,它將虛擬機整合過程分解成四個子問題:（1）主機欠載檢測;（2）主機過載檢測;（3）虛擬機選擇;（4）虛擬機放置。但該框架也存在缺陷。首先該框架無法正常運行在Ocata版本及更早版本的OpenStack上,且框架中的組件使用的數(shù)據(jù)不一定是最新的。其次,該框架各組件不能進行自適應的算法選擇以應對不同實時特征的物理機,且該框架已實現(xiàn)算法的性能都較差。最后,該框架的可擴展性很差,自定義算法的添加... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

超過5000個節(jié)點長達六個月的平均CPU用量

哈爾濱工業(yè)大學工學碩士學位論文-4-（IQR）[13-15]。其中，MAD是用樣本數(shù)據(jù)相對于其平均值的絕對距離來度量數(shù)據(jù)離散程度，IQR是穩(wěn)健統(tǒng)計技術處理中用于表示數(shù)據(jù)分散程度的度量。另外，還有一些針對虛擬機選擇與虛擬機放置算法的研究。Fu等人提出了一個VM選擇算法——MP（MeetsPerformance）[16]。在這個算法中他們同時考慮了CPU資源用量與資源滿足的程度，研究者通過比較CPU用量偏差與一個上閾值來產(chǎn)生選擇策略，以盡可能讓遷移后的主機資源用量接近過載閾值。Zhou等人研究了CPU密集型與I/O密集型工作負載的特征，提出了兩個虛擬機選擇算法：CPU利用率與內存利用率的最大比率（MRCU）與最小化CPU利用率和內存利用率的乘積（MPCU）[17]。Feleke等人提出了一個考慮異構云中能源效率的新的基于裝箱的啟發(fā)式算法，稱為medium-fit[18]。Zhou等人提出了一個三閾值算法用于虛擬機放置子問題[19]，他們的算法使用40%作為提高能源效率的最優(yōu)閾值區(qū)間。他們還通過分析歷史數(shù)據(jù)，提出了一個用于CPU密集型工作負載的虛擬機防止算法以減少數(shù)據(jù)中心能源開銷。1.3相關研究工作的研究1.3.1OpenStackNEAT的系統(tǒng)設計圖1-2OpenStackNEAT框架的體系結構

哈爾濱工業(yè)大學工學碩士學位論文-8-第2章I-NEAT框架與算法庫的設計與實現(xiàn)本章首先簡要介紹了本研究所實現(xiàn)的智能動態(tài)虛擬機資源管理框架I-NEAT的系統(tǒng)結構，并詳細介紹其工作流程。接下來根據(jù)相關工作的研究對I-NEAT的算法庫進行了擴充，并依次描述了框架中主機狀態(tài)檢測、虛擬機選擇與虛擬機放置的算法庫補充。其中，虛擬機狀態(tài)檢測算法實現(xiàn)了一系列新興的數(shù)據(jù)統(tǒng)計方法與機器學習方法，包括ARIMA、樸素貝葉斯模型、三階馬爾可夫模型、決策樹模型、SVM等。虛擬機選擇算法在保障主機負載狀態(tài)穩(wěn)定的同時提高了遷移的效率。虛擬機放置算法通過啟發(fā)式方法提高了系統(tǒng)的能源效率。2.1I-NEAT框架的整體結構圖2-1I-NEAT框架的體系結構本研究所實現(xiàn)的I-NEAT框架是基于已有的OpenStackNEAT框架的優(yōu)化版


本文編號：2957608