虚拟化服务器抗衰策略建模及优化
发布时间：2020-10-11 21:55
虚拟化将操作系统和应用程序与计算机硬件资源分离。通过使用虚拟化技术,可以提高数据中心的资源利用率、保证系统的高可用度、降低运营成本。然而,虚拟化系统架构存在一个明显缺陷,即单点失效。虚拟化服务器的结构依赖特性影响其维修活动:一方面,虚拟机管理器的维修操作会影响其上所有虚拟机的运行;另一方面,多个虚拟机的维修行为存在竞争关系。这些影响给虚拟化服务器的维修决策管理带来了新的挑战。因此,考虑虚拟化服务器部件间的结构相关性,研究多部件虚拟化服务器的维修决策及数据中心多服务器的维修决策问题成为了亟待解决的新课题。本文针对受到软件老化影响的计算机软件系统,尤其针对虚拟化服务器的抗衰决策与优化研究中存在的软件退化过程建模不精确、仿真建模耗时、超高维模型求解困难等问题,进行了虚拟化服务器及数据中心多服务器系统的抗衰决策建模与优化研究,主要研究工作如下:(1)软件老化过程建模与分析通过搭建一个基于Xen的虚拟化服务器系统,在该系统中实现了检测内存泄漏,获取系统状态若干性能指标的实验环境,分别采用故障恢复策略、基于时间抗衰策略和基于状态抗衰策略等三种系统维护策略进行了实验并采集了数据,使用极大似然法估计了软件老化过程模型参数。(2)软件系统状态可测条件下基于固定周期检测及非定期检测的抗衰策略建模与优化在软件系统退化特性已知条件下,通过固定周期或非定期检测获取系统退化状态,分析系统在维修决策点之间所有可能状态转移基础上,建立了退化状态稳态概率密度函数的全概率计算模型,给出了数值解法,以此为基础,建立了基于半更新过程理论的系统长期平均可用度模型。(3)VM和VMM间存在结构依赖关系的多部件虚拟化服务器的抗衰策略建模与优化扩展了单部件抗衰策略建模方法,在分析两部件在抗衰决策点所有可能的状态转移的基础上,建立了系统联合状态概率计算模型,建立了系统的长期平均可用度模型,并给出了优化方法,通过数值实验验证和分析了模型的正确性及优化求解的有效性。(4)采用冗余方式部署应用的虚拟化服务器的抗衰策略建模与优化利用虚拟机可快速挂起、停止、重启及迁移等特性,给出了基于在线迁移的抗衰策略,推导了应用服务器可以成功迁移的概率,得到系统的平均可用度和平均维护费用表达式,最后给出抗衰决策模型,通过数值实验,验证抗衰策略模型的正确性及优化求解算法的适应性。(5)云数据中心环境中多虚拟机动态抗衰策略建模与优化将多虚拟机中退化失效和随机故障多发情况下的抗衰决策优化问题形式化为Markov动态规划问题,针对超高维优化求解费时问题,提出了基于健康指数的启发式抗衰策略,推导了抗衰策略模型中健康指数函数的解析表达式,通过仿真实验对该抗衰策略进行了评估,验证了抗衰决策模型求解方法的正确性和有效性。
【学位单位】：兰州理工大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：TP368.5
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景
1.1.1 软件缺陷
1.1.2 软件老化
1.1.3 软件抗衰
1.1.4 虚拟化系统软件抗衰
1.2 研究现状
1.2.1 软件老化和软件抗衰研究现状
1.2.2 虚拟化系统抗衰研究现状
1.3 问题的提出及解决的思路
1.4 本文的研究内容与结构安排
1.4.1 研究内容
1.4.2 结构安排
第二章 软件老化过程建模与分析
2.1 失效机理分析
2.2 退化量确定
2.3 退化实验设计与分析
2.3.1 实验中用到的关键技术
2.3.2 系统架构
2.3.3 实验方案
2.4 退化量数据收集
2.5 退化过程模型确定
2.6 退化过程模型辨识
2.6.1 Gamma过程极大似然估计
2.6.2 参数估计
2.7 本章小结
第三章 基于固定周期检测的软件系统抗衰策略建模及优化
3.1 引言
3.2 系统描述
3.2.1 软件系统特性
3.2.2 抗衰策略
3.2.3 软件系统的退化过程
3.3 软件系统可用度模型
3.3.1 系统的稳态可用度
3.3.2 软件系统退化状态的稳态概率密度函数
3.3.3 检测周期内发生软失效时的平均不可用时间
3.3.4 概率密度函数的数值解法
3.3.5 模型求解
3.4 数值实验
3.4.1 优化模型验证
3.4.2 灵敏度分析
3.4.3 虚拟机抗衰策略优化
3.5 本章小结
第四章 基于顺序检测的软件系统抗衰策略建模及优化
4.1 引言
4.2 系统描述
4.2.1 软件系统特性
4.2.2 抗衰策略
4.2.3 软件系统的退化过程
4.3 软件系统可用度模型
4.3.1 软件系统退化状态的稳态概率密度函数
4.3.2 系统的稳态可用度
4.3.3 工作阶段发生软失效时的平均不可用时间
4.3.4 概率密度函数的数值解法
4.3.5 模型求解
4.4 数值实验
4.4.1 优化模型验证
4.4.2 灵敏度分析
4.4.3 顺序检测和固定周期检测优化结果比较
4.5 本章小结
第五章 考虑结构依赖关系的虚拟化服务器抗衰策略建模及优化
5.1 引言
5.2 系统描述
5.2.1 虚拟化服务器系统特性
5.2.2 基于状态控制限的抗衰策略
5.3 虚拟化服务器不可用度建模
i,y）'> 5.3.1 稳态联合概率密度Ω（xi,y）
m
（i）（T）)'> 5.3.2 平均维修时间E(Dm
（i）（T）)
u
（i,0）（T）)'> 5.3.3 软失效发生时的平均不可用时间E(Du
（i,0）（T）)
5.3.4 维修决策模型求解
i,y）的数值解法'> 5.3.5 稳态联合概率密度Ω（xi,y）的数值解法
5.4 数值实验
5.4.1 退化状态联合概率密度
5.4.2 系统的稳态不可用度
5.5 本章小结
第六章 在线迁移条件下虚拟化服务器抗衰策略建模及优化
6.1 引言
6.2 系统描述
6.2.1 系统结构与维护方式
6.2.2 系统特性
6.2.3 抗衰策略
6.3 可用度及费用分析
6.3.1 系统平均可用度
6.3.2 系统平均维护费用
1、AS2能够成功迁移的概率'> 6.3.3 AS1、AS2能够成功迁移的概率
6.3.4 维修决策模型
6.4 数值实验
6.4.1 各决策变量对系统可用度的影响
6.4.2 各决策变量对平均费用的影响
6.4.3 使用PSO算法联合优化系统平均可用度和平均费用
6.4.4 在线迁移条件下虚拟化服务器抗衰策略优化
6.5 本章小结
第七章 基于实时迁移的云数据中心虚拟机抗衰策略建模及优化
7.1 前言
7.2 问题描述
7.2.1 虚拟机退化过程描述
7.2.2 实时迁移维护方式
7.2.3 问题形式化
7.2.4 基于健康指数的抗衰策略
7.3 健康指数函数W（x）求解
7.3.1 从状态0运行的期望折现费用
0）运行的期望折现费用'> 7.3.2 从状态x（x>0）运行的期望折现费用
7.3.3 虚拟机的健康指数函数W（x）
7.3.4 G（x）的求解过程
7.3.5 W（x）的求解过程
7.4 策略评价及仿真实验
7.4.1 策略评价
7.4.2 仿真实验
7.5 本章小结
第八章 总结与展望
参考文献
致谢
附录A 攻读学位期间发表的学术论文和参与的科研项目
【相似文献】
本文编号：2837166
【学位单位】：兰州理工大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：TP368.5
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景
1.1.1 软件缺陷
1.1.2 软件老化
1.1.3 软件抗衰
1.1.4 虚拟化系统软件抗衰
1.2 研究现状
1.2.1 软件老化和软件抗衰研究现状
1.2.2 虚拟化系统抗衰研究现状
1.3 问题的提出及解决的思路
1.4 本文的研究内容与结构安排
1.4.1 研究内容
1.4.2 结构安排
第二章 软件老化过程建模与分析
2.1 失效机理分析
2.2 退化量确定
2.3 退化实验设计与分析
2.3.1 实验中用到的关键技术
2.3.2 系统架构
2.3.3 实验方案
2.4 退化量数据收集
2.5 退化过程模型确定
2.6 退化过程模型辨识
2.6.1 Gamma过程极大似然估计
2.6.2 参数估计
2.7 本章小结
第三章 基于固定周期检测的软件系统抗衰策略建模及优化
3.1 引言
3.2 系统描述
3.2.1 软件系统特性
3.2.2 抗衰策略
3.2.3 软件系统的退化过程
3.3 软件系统可用度模型
3.3.1 系统的稳态可用度
3.3.2 软件系统退化状态的稳态概率密度函数
3.3.3 检测周期内发生软失效时的平均不可用时间
3.3.4 概率密度函数的数值解法
3.3.5 模型求解
3.4 数值实验
3.4.1 优化模型验证
3.4.2 灵敏度分析
3.4.3 虚拟机抗衰策略优化
3.5 本章小结
第四章 基于顺序检测的软件系统抗衰策略建模及优化
4.1 引言
4.2 系统描述
4.2.1 软件系统特性
4.2.2 抗衰策略
4.2.3 软件系统的退化过程
4.3 软件系统可用度模型
4.3.1 软件系统退化状态的稳态概率密度函数
4.3.2 系统的稳态可用度
4.3.3 工作阶段发生软失效时的平均不可用时间
4.3.4 概率密度函数的数值解法
4.3.5 模型求解
4.4 数值实验
4.4.1 优化模型验证
4.4.2 灵敏度分析
4.4.3 顺序检测和固定周期检测优化结果比较
4.5 本章小结
第五章 考虑结构依赖关系的虚拟化服务器抗衰策略建模及优化
5.1 引言
5.2 系统描述
5.2.1 虚拟化服务器系统特性
5.2.2 基于状态控制限的抗衰策略
5.3 虚拟化服务器不可用度建模
i,y）'> 5.3.1 稳态联合概率密度Ω（xi,y）
m
（i）（T）)'> 5.3.2 平均维修时间E(Dm
（i）（T）)
u
（i,0）（T）)'> 5.3.3 软失效发生时的平均不可用时间E(Du
（i,0）（T）)
5.3.4 维修决策模型求解
i,y）的数值解法'> 5.3.5 稳态联合概率密度Ω（xi,y）的数值解法
5.4 数值实验
5.4.1 退化状态联合概率密度
5.4.2 系统的稳态不可用度
5.5 本章小结
第六章 在线迁移条件下虚拟化服务器抗衰策略建模及优化
6.1 引言
6.2 系统描述
6.2.1 系统结构与维护方式
6.2.2 系统特性
6.2.3 抗衰策略
6.3 可用度及费用分析
6.3.1 系统平均可用度
6.3.2 系统平均维护费用
1、AS2能够成功迁移的概率'> 6.3.3 AS1、AS2能够成功迁移的概率
6.3.4 维修决策模型
6.4 数值实验
6.4.1 各决策变量对系统可用度的影响
6.4.2 各决策变量对平均费用的影响
6.4.3 使用PSO算法联合优化系统平均可用度和平均费用
6.4.4 在线迁移条件下虚拟化服务器抗衰策略优化
6.5 本章小结
第七章 基于实时迁移的云数据中心虚拟机抗衰策略建模及优化
7.1 前言
7.2 问题描述
7.2.1 虚拟机退化过程描述
7.2.2 实时迁移维护方式
7.2.3 问题形式化
7.2.4 基于健康指数的抗衰策略
7.3 健康指数函数W（x）求解
7.3.1 从状态0运行的期望折现费用
0）运行的期望折现费用'> 7.3.2 从状态x（x>0）运行的期望折现费用
7.3.3 虚拟机的健康指数函数W（x）
7.3.4 G（x）的求解过程
7.3.5 W（x）的求解过程
7.4 策略评价及仿真实验
7.4.1 策略评价
7.4.2 仿真实验
7.5 本章小结
第八章 总结与展望
参考文献
致谢
附录A 攻读学位期间发表的学术论文和参与的科研项目
【相似文献】
相关期刊论文 前10条
1 蒋茂;葛阳;;基于可用度的复杂设备维修周期决策模型[J];计算机与数字工程;2011年08期
2 葛阳;高崎;黄照协;;基于可用度的复杂设备维修周期决策模型[J];数学的实践与认识;2012年08期
3 吕立波;高崎;李有为;葛阳;张恒;;基于蒙特卡洛仿真的设备维修周期建模与优化[J];计算机与数字工程;2011年04期
4 王立超;杨懿;邹云;;离散时间系统的最优预防性维修周期模型[J];南京理工大学学报(自然科学版);2009年01期
5 王冠军;张元林;;维修时间受限的单部件系统几何过程维修模型[J];东南大学学报(自然科学版);2013年06期
6 方华元;胡昌华;马清亮;;动态运行环境下退化系统最佳检测周期的确定[J];系统工程与电子技术;2009年04期
7 高崎;刘怡昕;;复杂设备的维修可用度模型[J];弹箭与制导学报;2006年S9期
8 魏领会;申桂香;;可靠性与维修性耦合的动态可用性研究[J];机床与液压;2015年11期
9 沈剑波,李金林,崔利荣;导弹储存可用性模型与分析[J];导弹与航天运载技术;2004年02期
10 金星;彭博;常浩;鲁海;;雷达的分系统级别设备的备件分析方法[J];机械科学与技术;2012年05期
相关博士学位论文 前1条
1 党伟超;虚拟化服务器抗衰策略建模及优化[D];兰州理工大学;2019年
本文编号：2837166
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/2837166.html
