基于IaaS云平台的性能评测与建模方法研究

发布时间：2017-04-25 00:18

  本文关键词：基于IaaS云平台的性能评测与建模方法研究，由笔耕文化传播整理发布。

【摘要】：随着云计算与大数据技术的发展,全球涌现了越来越多的IaaS(Infrastructure as a Service)云计算平台。IaaS云计算应用场景广泛,例如众多高校通过使用IaaS云平台来减少机房在硬件上的投入,公司搭建IaaS私有云满足其快速增长的业务对云平台计算能力和存储能力的需求。IaaS云平台广泛的应用催生了针对IaaS云平台的性能评测方法与工具的研究热点。众多研究者针对不同的应用场景下设计出各式各样的云平台性能评测工具。通过这些云平台性能评测工具,有效地实现了对各种云平台的性能评估以及管理。在部署IaaS云平台时,IaaS云平台构建者需要估计出虚拟机个数以及每台虚拟机运行的任务,从而规划在IaaS云平台的性能容量。然而,当前众多云平台性能评测工具中尚不能有效实现对于云平台所能开启的最大虚拟机个数的预测功能。因此,本文提出了面向IaaS云平台的性能评测工具。通过该评测工具,实现了对IaaS云平台的性能数据的采集和分析,从而预测出云平台能开启的最大虚拟机个数,帮助用户完成对IaaS云平台投入的预算。本文中把云平台中虚拟机的配置、虚拟机的工作负载作为影响云平台开启最大虚拟机的两个关键因素。根据实验获得这些关键因素的样本数据,从而建立了多元线性回归模型和支持向量机回归模型。此外,本文所实现的云平台性能评测工具对IaaS云平台上进行测试,通过模型之间的拟合误差和预测误差的对比,把基于高斯径向基的支持向量机模型作为云平台性能评测工具的预测模型。具体来说,本文主要贡献如下:(1)本文基于大量云平台性能评测工具的研究分析,分析这些性能评测工具的特点及其适用的不同应用场景。(2)针对云平台性能建模自变量的选取问题,本文发现云平台中虚拟机的配置、虚拟机的工作负载是影响云平台开启最大虚拟机个数的因素。通过IaaS云平台的性能评测工具收集和分析云平台性能数据,并且通过不同建模模型之间的对比,本文选取了支持向量机模型作为IaaS性能预测模型。(3)本文实现了IaaS云平台性能评测工具集,包括:工作负载产生器、工作负载定义模块、性能数据收集器、虚拟机配置提取器、性能数据解析器和预测模型。这样性能评测工具能够较准确地预测出云平台的容量上限。
【关键词】：云平台 性能评测工具 线性回归 支持向量机 虚拟机
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.09
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 课题研究背景10-11
• 1.2 当前研究现状11-13
• 1.3 本文研究内容13-14
• 1.4 文章的组织结构14-15
• 1.5 本章小结15-16
• 第二章 云平台的性能评测的相关工作16-22
• 2.1 云平台基本概念16
• 2.2 回归模型16-19
• 2.2.1 线性回归模型概述16-17
• 2.2.2 线性回归建模的过程17-19
• 2.2.3 非线性回归模型19
• 2.3 云平台的性能评测指标19-20
• 2.4 云平台的性能评测工具20
• 2.5 本章小结20-22
• 第三章 基于Iaa S云平台的性能建模方法研究22-39
• 3.1 性能建模自变量的选取22-23
• 3.2 云平台性能评测的指标以及云平台性能评测的结果23-25
• 3.3 预测模型的选择25-26
• 3.4 多元线性回归模型建模分析26-32
• 3.4.1 建模过程与分析26-30
• 3.4.2 线性回归模型的确定30-32
• 3.5 支持向量机回归模型建模分析32-37
• 3.5.1 支持向量机回归模型32-33
• 3.5.2 核函数的选择33-34
• 3.5.3 损失函数的选择34
• 3.5.4 建模过程34-36
• 3.5.5 模型建立36-37
• 3.6 本章小结37-39
• 第四章 云平台的性能评测工具的设计与实现39-49
• 4.1 性能评测工具的需求39-40
• 4.2 性能评测工具的主要模块40-41
• 4.3 性能评测工具的设计指标41-42
• 4.4 性能评测工具的整体设计42-46
• 4.4.1 工作负载产生器44-45
• 4.4.2 工作负载定义模块45
• 4.4.3 性能数据收集器45-46
• 4.4.4 虚拟机配置提取器和性能数据解析器46
• 4.4.5 预测模型46
• 4.5 性能评测的过程46-48
• 4.6 本章小结48-49
• 第五章 实验测试结果和性能分析49-57
• 5.1 实验环境与实验评估指标49-50
• 5.1.1 实验环境49
• 5.1.2 实验准备49-50
• 5.1.3 实验评估指标50
• 5.2 实验结果及分析50-56
• 5.3 本章小结56-57
• 第六章 总结与展望57-59
• 6.1 本文工作总结57-58
• 6.2 未来展望58-59
• 致谢59-61
• 参考文献61-65
• 附录65-66
• 详细摘要逡逑66-68

【相似文献】

中国期刊全文数据库 前10条

1 卢克盛;计算机系统性能评测技术(下)[J];上海微型计算机;1996年04期

2 徐钦桂,李勇;嵌入式系统性能评测技术[J];东莞理工学院学报;2005年01期

3 张亚棣;计算机性能评测[J];航空计算技术;1996年04期

4 焦丽梅;大规模性能评测方法的研究与实现[J];计算机工程;2005年01期

5 肖文名;李永生;陈晓宇;宗翔;;高性能计算系统性能评测关键问题探讨[J];计算机系统应用;2008年03期

6 ;不同硬件运行SQL Server 2000的性能比较 2款国内流行的PC服务器的性能评测[J];软件世界;2001年03期

7 徐钦桂;刘桂雄;赵维栓;黄培灿;;面向嵌入式系统的性能评测环境的研究[J];制造业自动化;2008年02期

8 刘力力,樊建平;大型网络服务系统性能评测[J];计算机研究与发展;2001年07期

9 焦丽梅,孙凝晖,褚兴军;ServerScope:一种新的性能评测系统的提出[J];计算机工程与应用;2003年13期

10 梁向阳;赵佳;;计算机网络系统的性能评测[J];计算机技术与发展;2011年01期

中国重要会议论文全文数据库 前1条

1 王鲲;许长峰;;计算机系统性能评测与优化[A];河南省通信学会2005年学术年会论文集[C];2005年

中国重要报纸全文数据库 前1条

1 ;超级计算领域性能评测联想深腾表现优异[N];中国电子报;2004年

中国硕士学位论文全文数据库 前6条

1 杨祥宏;基于IaaS云平台的性能评测与建模方法研究[D];杭州电子科技大学;2016年

2 刘力力;计算机系统性能评测与分析[D];中国科学院研究生院（计算技术研究所）;2000年

3 王孝平;嵌入式GUI性能评测[D];电子科技大学;2007年

4 李婵娟;高性能计算综合评测框架的设计和实现[D];兰州大学;2007年

5 范志超;服务器系统的性能评测与设计优化实现方法[D];山东大学;2014年

6 徐婷婷;基于响应时间回归的Web服务器性能评测模型的研究[D];杭州电子科技大学;2011年

  本文关键词：基于IaaS云平台的性能评测与建模方法研究，由笔耕文化传播整理发布。

，

本文编号：325265