基礎設施即服務(IaaS)云計算可將計算軟硬件資源以虛擬機實例的形式,為用戶提供按需可擴展的計算服務,并通過一種簡單的“現(xiàn)收現(xiàn)付”式計價模型進行收費,以降低用戶負載的運行成本,并提升IaaS云服務商數據中心的資源利用率。基于以上特點,IaaS云計算在學術界及工業(yè)界都已受到了廣泛的關注。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算解決方案,以供個人及企業(yè)用戶快速部署、運營或擴展其商業(yè)業(yè)務,并節(jié)約其業(yè)務運營成本。 然而, IaaS云計算平臺下的虛擬機實例需要共享數據中心的硬件資源,包括物理機的硬件資源(如CPU、緩存及I/O資源)以及數據中心的共享網絡與存儲資源,因此,虛擬機之間存在嚴重的共享計算資源競爭,進而給虛擬機負載帶來大幅度的性能下降與波動,即負載性能的不可預測性。IaaS云性能問題會阻礙用戶將性能敏感型業(yè)務遷移至云平臺部署運營,從而極大地限制了IaaS云計算的適用范圍,因此該性能問題已成為影響云計算發(fā)展的一大障礙。 針對IaaS云平臺下虛擬機的性能問題,國內外研究學者已初步提出了多項性能優(yōu)化與保證技術,但虛擬機負載的性能保證在I...

【文章頁數】：143 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國內外研究現(xiàn)狀
    1.3 研究內容
    1.4 論文組織結構
2 性能干擾感知的虛擬機在線遷移策略
    2.1 研究背景
    2.2 虛擬機性能干擾關鍵因素分析
    2.3 多維度資源虛擬機性能干擾預估模型
    2.4 虛擬機在線遷移策略iAware設計
    2.5 性能評測
    2.6 小結
3 緩解網絡性能瓶頸的MapReduce任務調度機制
    3.1 研究背景
    3.2 網絡性能瓶頸對MapReduce性能影響實例分析
    3.3 作業(yè)完成時間與MapReduce任務放置關系建模
    3.4 MapReduce任務調度機制Net-Aware設計
    3.5 性能評測
    3.6 小結
4 性能異構性感知的虛擬機租用策略
    4.1 研究背景
    4.2 IaaS虛擬機性能波動實驗分析
    4.3 MapReduce負載性能預測模型
    4.4 虛擬機租用策略Heifer設計
    4.5 性能評測
    4.6 小結
5 總結與展望
致謝
參考文獻
附錄1 縮略詞簡表
附錄2 攻讀博士學位期間發(fā)表的學術論文
附錄3 攻讀博士學位期間申請發(fā)明專利與軟件著作版權
附錄4 攻讀博士學位期間參加的主要科研項目
附錄5 個人簡歷



本文編號：3790048