虚拟机性能干扰预测模型及其调度策略研究

发布时间：2017-11-14 14:16

  本文关键词：虚拟机性能干扰预测模型及其调度策略研究

  更多相关文章： 虚拟化 虚拟机性能干扰 干扰预测模型 能耗 虚拟机调度

【摘要】：云计算作为一种新型的商业计算模式,向用户提供可配置的、共享基础资源的计算模型,使用户获取服务的方式、手段和花费发生了巨大变化。虚拟化技术作为云计算的关键技术,因其拥有服务器整合、在线迁移、隔离性、高可用性、灵活部署、低管理开销等诸多优点,为云计算数据中心的性能提升、资源优化起了关键作用,给云数据中心的能耗管理提供了新的解决思路。但是,在使用虚拟化技术将物理机资源分配给多个虚拟机VM (Virtual Machine)实例使用时,共享同一物理机资源的虚拟机实例,可能会因为竞争资源而相互之间产生性能干扰。因此,实时预测虚拟机实例在干扰下运行时的性能是保证用户服务质量的关键。虚拟机实例的性能与数据中心的能效利用不能同时达到最优,因为要降低数据中心的能耗,需提高物理机的资源利用率,而物理机资源利用率过高,又容易导致虚拟机实例之间因争夺资源而性能下降。通过设计良好的虚拟机调度策略,使得调度后虚拟机实例的性能干扰较小同时物理机能效利用较优,是目前数据中心研究的热点问题。 本文主要研究了虚拟机实例的性能干扰预测问题和以降低虚拟机实例性能干扰、提高物理机的能效利用为目标的虚拟机调度问题。结合前人的研究,本文所做的主要工作如下： (1)深入分析虚拟化技术的特点,通过实验模拟虚拟机实例间的性能干扰,研究虚拟机实例在干扰下的运行时特征,收集运行时的系统特征参数以建立虚拟机实例干扰下的性能与干扰运行时特征参数的模型。 (2)在建立应用性能干扰预测模型时,发现不同资源密集型应用在干扰下收集到的同组特征参数值之间差异很大,对所有类型的应用建立统一的性能干扰预测模型,预测结果不精确。本文首先根据基准应用在运行时的特征参数,建立应用的分类模型,将应用分为CPU密集型、I/O密集型、Memory密集型及Mixed型；然后根据各类型应用在干扰下的系统特征参数,分别为其建立性能干扰预测模型；最后比较分类前后两种性能预测模型的预测结果,发现分类后模型的预测精确度明显优于未分类模型。 (3)针对虚拟机实例间的性能干扰与数据中心的能效利用不能同时达到最优问题,本文建立了虚拟机性能干扰与物理机的能效利用的综合权值函数,设计了性能-能耗均衡的虚拟机调度策略。诣在将虚拟机实例调度到性能干扰尽量小同时又能使数据中心的能效得到高效利用的物理机中执行。通过调整权值函数的参数,还可以实现性能优先的虚拟机调度或者能耗优先的虚拟机调度。最后,通过实验对比,性能-能耗均衡的虚拟机调度策略能有效的均衡性能和能效之间的关系。
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP302

【参考文献】

中国期刊全文数据库 前1条

1 陈康;郑纬民;;云计算:系统实例与研究现状[J];软件学报;2009年05期

，

本文编号：1185749