基礎(chǔ)設(shè)施即服務(wù)(IaaS)云計(jì)算可將計(jì)算軟硬件資源以虛擬機(jī)實(shí)例的形式,為用戶提供按需可擴(kuò)展的計(jì)算服務(wù),并通過一種簡單的“現(xiàn)收現(xiàn)付”式計(jì)價(jià)模型進(jìn)行收費(fèi),以降低用戶負(fù)載的運(yùn)行成本,并提升IaaS云服務(wù)商數(shù)據(jù)中心的資源利用率�；谝陨咸攸c(diǎn),IaaS云計(jì)算在學(xué)術(shù)界及工業(yè)界都已受到了廣泛的關(guān)注。目前,主流的大型IT企業(yè)如Amazon、Google以及Microsoft先后推出了各自的云計(jì)算解決方案,以供個(gè)人及企業(yè)用戶快速部署、運(yùn)營或擴(kuò)展其商業(yè)業(yè)務(wù),并節(jié)約其業(yè)務(wù)運(yùn)營成本。 然而, IaaS云計(jì)算平臺下的虛擬機(jī)實(shí)例需要共享數(shù)據(jù)中心的硬件資源,包括物理機(jī)的硬件資源(如CPU、緩存及I/O資源)以及數(shù)據(jù)中心的共享網(wǎng)絡(luò)與存儲資源,因此,虛擬機(jī)之間存在嚴(yán)重的共享計(jì)算資源競爭,進(jìn)而給虛擬機(jī)負(fù)載帶來大幅度的性能下降與波動,即負(fù)載性能的不可預(yù)測性。IaaS云性能問題會阻礙用戶將性能敏感型業(yè)務(wù)遷移至云平臺部署運(yùn)營,從而極大地限制了IaaS云計(jì)算的適用范圍,因此該性能問題已成為影響云計(jì)算發(fā)展的一大障礙。 針對IaaS云平臺下虛擬機(jī)的性能問題,國內(nèi)外研究學(xué)者已初步提出了多項(xiàng)性能優(yōu)化與保證技術(shù),但虛擬機(jī)負(fù)載的性能保證在I...

【文章頁數(shù)】：143 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
2 性能干擾感知的虛擬機(jī)在線遷移策略
    2.1 研究背景
    2.2 虛擬機(jī)性能干擾關(guān)鍵因素分析
    2.3 多維度資源虛擬機(jī)性能干擾預(yù)估模型
    2.4 虛擬機(jī)在線遷移策略iAware設(shè)計(jì)
    2.5 性能評測
    2.6 小結(jié)
3 緩解網(wǎng)絡(luò)性能瓶頸的MapReduce任務(wù)調(diào)度機(jī)制
    3.1 研究背景
    3.2 網(wǎng)絡(luò)性能瓶頸對MapReduce性能影響實(shí)例分析
    3.3 作業(yè)完成時(shí)間與MapReduce任務(wù)放置關(guān)系建模
    3.4 MapReduce任務(wù)調(diào)度機(jī)制Net-Aware設(shè)計(jì)
    3.5 性能評測
    3.6 小結(jié)
4 性能異構(gòu)性感知的虛擬機(jī)租用策略
    4.1 研究背景
    4.2 IaaS虛擬機(jī)性能波動實(shí)驗(yàn)分析
    4.3 MapReduce負(fù)載性能預(yù)測模型
    4.4 虛擬機(jī)租用策略Heifer設(shè)計(jì)
    4.5 性能評測
    4.6 小結(jié)
5 總結(jié)與展望
致謝
參考文獻(xiàn)
附錄1 縮略詞簡表
附錄2 攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文
附錄3 攻讀博士學(xué)位期間申請發(fā)明專利與軟件著作版權(quán)
附錄4 攻讀博士學(xué)位期間參加的主要科研項(xiàng)目
附錄5 個(gè)人簡歷



本文編號：3790048