当前位置:主页 > 经济论文 > 企业经济论文 >

基于OpenStack的中小企业私有云构建及高可用性研究

发布时间:2018-05-02 09:44

  本文选题:云计算 + 私有云 ; 参考:《华东理工大学》2017年硕士论文


【摘要】:云计算是当今互联网技术的热点之一。利用云计算能够快速改变传统IT基础设施的人工供给方式,实现自动和按需供给,节省了人力资源。同时,利用虚拟化技术一台服务器可虚拟出多个虚拟机供不同用户使用,从而提高了资源的利用率、降低了维护成本。本文通过OpenStack来构建一个私有云平台。针对Openstack默认配置无法应对大规模部署使用的问题,提出一些解决方法,并能显著提高Openstack大部分组件的性能。同时本文也对KVM、XEN以及ESXi虚拟化技术做了各个方面的性能比较,根据综合性能打分,最终选择KVM用于部署私有云系统。高可用是防止核心计算机系统因故障停机的最有效手段之一,Openstack高可用部署方式主要是Active-Passive模式,该模式在生产环境中广泛应用,也是Openstack社区提供的方案,但需要额外维护一台或者多台空闲的备用资源,且当主服务发生故障时,还存在备用服务启动时间较长或启动失败的缺点。本文采用haproxy+ keepalived实现Active-Active模式,该模式下则无需多余的备用资源,所有的资源都是Active状态,发生故障后可以快速切换和迁移,有效提高系统资源利用率。OpenStack默认的调度算法仅仅根据宿主机剩余内存来计算权重,无法满足实际应用中对CPU资源的需求,本文研究了OpenStack的调度算法和执行过程,在调度过滤筛选中增加了Zone筛选条件,并在计算调度权重中增加了变量(CPU使用率),有效提高了OpenStack集群的资源利用率,因此也优化了OpenStack私有云的负载均衡能力。本文选用OpenStack实现企业私有云的部署,对OpenStack的安装部署过程中遇到的问题提供了详细的解决方案,通过性能比较选择KVM作为虚拟化底层软件,深入研究OpenStack高可用部署方案,挖掘OpenStack调度执行流程,并改进OpenStack调度算法,提高OpenStack私有云在生产环境部署的可行性。
[Abstract]:Cloud computing is one of the hotspots of Internet technology. Cloud computing can quickly change the traditional IT infrastructure supply mode, realize automatic and on-demand supply, and save human resources. At the same time, using virtualization technology, a single server can virtual multiple virtual machines for different users, thus improving the utilization of resources and reducing maintenance costs. This article uses OpenStack to build a private cloud platform. Aiming at the problem that Openstack default configuration can not cope with the problem of large-scale deployment, some solutions are put forward, and the performance of most components of Openstack can be improved significantly. At the same time, this paper also compares the performance of KVM Xen and ESXi virtualization technology. According to the comprehensive performance score, we choose KVM to deploy private cloud system. High availability is one of the most effective ways to prevent the core computer system from shutting down due to failure. The high availability deployment mode of Openstack is mainly Active-Passive mode, which is widely used in production environment and is also a solution provided by Openstack community. However, it is necessary to maintain one or more spare spare resources, and when the main service fails, there is the disadvantage of long startup time or failure of the standby service. In this paper, haproxy keepalived is used to implement Active-Active mode. In this mode, there is no extra spare resource, all resources are in Active state, and can be switched and migrated quickly after failure. The default scheduling algorithm of OpenStack can only calculate the weight according to the residual memory of host computer, which can not meet the demand of CPU resource in practical application. This paper studies the scheduling algorithm and execution process of OpenStack. The Zone filter condition is added in the scheduling filter, and the utilization rate of the OpenStack is increased in the calculation of the scheduling weight, which effectively improves the resource utilization of the OpenStack cluster, so it also optimizes the load balancing ability of the OpenStack private cloud. This paper chooses OpenStack to implement the deployment of enterprise private cloud, and provides a detailed solution to the problems encountered in the installation and deployment of OpenStack. Through performance comparison, KVM is chosen as the underlying virtualization software, and the high availability deployment scheme of OpenStack is deeply studied. Mining OpenStack scheduling execution flow and improving OpenStack scheduling algorithm to improve the feasibility of OpenStack private cloud deployment in production environment.
【学位授予单位】:华东理工大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP393.09;F276.3

【相似文献】

相关期刊论文 前10条

1 曹晓刚;;Java虚拟机的10年[J];程序员;2005年07期

2 宋韬;盘细平;罗元柯;倪国军;;Java虚拟机在嵌入式DSP系统上的实现[J];计算机应用与软件;2007年04期

3 刘黎波;;Java虚拟机拦截原理研究[J];科技风;2008年21期

4 刘治波;;Java虚拟机简析[J];济南职业学院学报;2008年01期

5 郝帅;;Java虚拟机中相关技术的探讨[J];成功(教育);2008年08期

6 李霞;;系统虚拟机关键技术研究[J];微型电脑应用;2010年03期

7 郑晓珑;孔挺;;虚拟机的安全风险与管理[J];硅谷;2010年16期

8 李学昌;平淡;;为速度而战,虚拟机内外兼修[J];电脑爱好者;2010年18期

9 王惠萍;张海龙;冯帆;王建华;;Java虚拟机使用及优化[J];计算机与网络;2010年21期

10 郑婷婷;武延军;贺也平;;云计算环境下的虚拟机快速克隆技术[J];计算机工程与应用;2011年13期

相关会议论文 前10条

1 孟广平;;虚拟机漂移网络连接方法探讨[A];中国计量协会冶金分会2011年会论文集[C];2011年

2 段翼真;王晓程;;可信安全虚拟机平台的研究[A];第26次全国计算机安全学术交流会论文集[C];2011年

3 李明宇;张倩;吕品;;网络流量感知的虚拟机高可用动态部署研究[A];2014第二届中国指挥控制大会论文集(上)[C];2014年

4 林红;;Java虚拟机面向数字媒体的应用研究[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(上册)[C];2006年

5 杨旭;彭一明;刑承杰;李若淼;;基于VMware vSphere 5虚拟机的备份系统实现[A];中国高等教育学会教育信息化分会第十二次学术年会论文集[C];2014年

6 沈敏虎;查德平;刘百祥;赵泽宇;;虚拟机网络部署与管理研究[A];中国高等教育学会教育信息化分会第十次学术年会论文集[C];2010年

7 李英壮;廖培腾;孙梦;李先毅;;基于云计算的数据中心虚拟机管理平台的设计[A];中国高等教育学会教育信息化分会第十次学术年会论文集[C];2010年

8 朱欣焰;苏科华;毛继国;龚健雅;;GIS符号虚拟机及实现方法研究[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

9 于洋;陈晓东;俞承芳;李旦;;基于FPGA平台的虚拟机建模与仿真[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年

10 丁涛;郝沁汾;张冰;;内核虚拟机调度策略的研究与分析[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

相关重要报纸文章 前10条

1 ;虚拟机的生与死[N];网络世界;2008年

2 本报记者 卜娜;高性能Java虚拟机将在中国云市场释能[N];中国计算机报;2012年

3 本报记者 邱燕娜;如何告别虚拟机管理烦恼[N];中国计算机报;2012年

4 ;首批通过云计算产品虚拟机管理测评名单[N];中国电子报;2014年

5 申琳;虚拟机泛滥 系统安全怎么办[N];中国计算机报;2008年

6 Tom Henderson邋沈建苗 编译;虚拟机管理的五大问题[N];计算机世界;2008年

7 盆盆;真实的虚拟机[N];中国电脑教育报;2004年

8 本版编辑 综合 编译整理 田梦;管理好虚拟机的全生命周期[N];计算机世界;2008年

9 李婷;中国研制出全球最快反病毒虚拟机[N];人民邮电;2009年

10 张弛;虚拟机迁移走向真正自由[N];网络世界;2010年

相关博士学位论文 前10条

1 宋翔;多核虚拟环境的性能及可伸缩性研究[D];复旦大学;2014年

2 王桂平;云环境下面向可信的虚拟机异常检测关键技术研究[D];重庆大学;2015年

3 周真;云平台下运行环境感知的虚拟机异常检测策略及算法研究[D];重庆大学;2015年

4 郭芬;面向虚拟机的云平台资源部署与调度研究[D];华南理工大学;2015年

5 周傲;高可靠云服务供应关键技术研究[D];北京邮电大学;2015年

6 代炜琦;云计算执行环境可信构建关键技术研究[D];华中科技大学;2015年

7 刘圣卓;面向虚拟集群的镜像存储与传输优化[D];清华大学;2015年

8 彭成磊;云数据中心绿色节能需求的虚拟机负载均衡技术研究[D];南京大学;2016年

9 赵长名;IaaS云中基于资源感知的虚拟机资源管埋[D];电子科技大学;2016年

10 许小龙;支持绿色云计算的资源调度方法及关键技术研究[D];南京大学;2016年

相关硕士学位论文 前10条

1 潘飞;负载相关的虚拟机放置策略研究[D];杭州电子科技大学;2011年

2 李子堂;面向负载均衡的虚拟机动态迁移优化研究[D];辽宁大学;2015年

3 张煜;基于OpenStack的“实验云”平台的研究与开发[D];西南交通大学;2015年

4 曾文琦;面向应用服务的云规模虚似机性能监控与负载分析技术研究[D];复旦大学;2013年

5 施继成;面向多核处理器的虚拟机性能优化[D];复旦大学;2014年

6 于晖;基于ARM平台的Java智能卡虚拟机研究与实现[D];上海交通大学;2015年

7 王志远;多数据中心的虚拟机调度算法研究和实现[D];上海交通大学;2015年

8 毛亚强;基于Xen虚拟化技术的混合监控度量框架研究[D];上海交通大学;2015年

9 李传云;KVM虚拟机热迁移算法分析及优化[D];浙江大学;2016年

10 曲晓雅;负载感知的虚拟机初始化放置和迁移时机判决机制的研究[D];北京交通大学;2016年



本文编号:1833379

资料下载
论文发表

本文链接:https://www.wllwen.com/jingjilunwen/xmjj/1833379.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b8a5a***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com