基于KVM虚拟机动态迁移的研究与实现

发布时间：2020-11-01 22:07

　　 相较于传统互联网模式,云计算有着更大的计算和存储能力,数据时代催生了云计算的发展,虚拟化作为云计算的关键技术之一,能够将物理资源有效隔离,根据用户需求给用户分配资源,并且具有低成本、高可靠、易扩展和高安全性等优点。但由于云平台具有结构复杂,提供不间断服务的特点,云平台上的应用又灵活多变,每个虚拟机的负载处于不断变化当中,当服务器集群需要升级或者集群负载不均衡时,就需要进行虚拟机的动态迁移。虚拟机的动态迁移是指在源主机继续提供服务的前提下将其迁移到另外一台物理主机上,其中何时触发迁移以及迁移时目标节点的选择一直是虚拟机动态迁移技术中研究的重点。针对上述问题,本文提出了一种基于KVM虚拟机动态迁移的机制,搭建了基于NFS共享存储的虚拟机迁移环境。本文的研究工作主要包含四个方面,首先,基于KVM虚拟化技术设计了虚拟机动态迁移系统,该系统主要分为五个部分——资源监听模块、迁移运行模块、冻结模块、预测模块和唤醒模块,其中资源监听模块用于监听服务器以及虚拟机的各种信息,如内存、CPU、网络、IO等的使用情况,并根据这些监听到的资源来确定迁移的目的主机。预测模块根据监听到的资源信息预测这些资源将来超过资源阈值的情况,以此来触发虚拟机的迁移。其次又提出了一种基于灰色预测方法的虚拟机迁移的触发机制,该机制的主要思想是根据资源监听模块监听到的信息预测服务器将来某一时刻的资源利用率。这里我们设置了上下两个阈值,当预测值超过上阈值时,说明该服务器过载了,就需要将其上的虚拟机迁移到其他空闲服务器上去,从而使得集群负载更加均衡;当预测值低于下阈值时,就需要将该服务器上的虚拟机全部迁移出去,关闭该空闲服务器,以此来节约能耗。基于预测的触发机制有如下好处,一是避免了服务器资源的瞬时震荡导致的虚拟机的频繁迁移;二是虚拟机迁移本身也是要消耗CPU、内存、网络等资源的,在传统的迁移算法中,如果上阈值确定得过高,有可能导致服务器的宕机,而预测迁移算法中对于阈值的确定更加的灵活;三是根据综合资源利用率确定触发时机考虑到了物理硬件对系统的影响。的相关度函数,根据相关度选择待迁移的虚拟机可以然后本文又提出了一种待迁移虚拟机选择机制,设计了虚拟机和服务器之间有效提高集群的资源利用率。之后为了更好地选择目的主机,本文提出了一种基于多属性决策的目标节点选择方法,通过资源监听模块监听到的服务器内存、CPU、网络带宽以及I/O使用情况,将每一个资源属性看成一个坐标轴,这样就会形成一个N维的属性坐标空间,而待评价的目的主机就是N维空间中的一个点,根据TOPSIS方法评价目的主机与理想化目标的接近程度对待选择的目的主机进行排序,从而选择出最优的目的主机。最后通过CloudSim云平台仿真工具测试了本文提出的目标节点选择机制,并在真实主机上测试了基于灰色预测的虚拟机迁移的触发机制。实验表明,本文提出的算法既提高了集群的资源利用率,又有效改善了云中心的负载不均衡的现象。
【学位单位】：山东大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP302
【部分图文】：

并取得了超过１亿美元的收入。??谷歌的数据中心遍布２００多个地点，其最开始只是云计算的服务对象。２００４年??谷歌发布了关于ＧＦＳ的三篇论文，主要讲述了分布式计算ＭａｐＲｅｄｕｃｅ［１９］和分布式存??储ＢｉｇＴａｂｌｅ［２Ｇ］的实现原理，开源组织Ａｐａｃｈｅ在ＧＦＳ的思想上实现了基于Ｊａｖａ语言的??Ｈａｄｏｏｐ［２１］系统，该系统目前是Ａｐａｃｈｅ的顶级项目。ＧＦＳ的提出标志着谷歌在云计??算领域赶超亚马逊的决心。??ＩＢＭ在２００７年推出了“蓝云”?［２２］，微软紧随其后，于２００８年推出了Ａｚｕｒｅ［２３］操??作系统，自此，云计算在国外可谓是遍地开花。??中国的云计算发展步伐要慢于国外，２００９年，Ａｌｉｂａｂａ开始在云计算方面的尝??试，并在南京成立了相关研发中心［２４］；?２０１０年，腾讯云开始接入第三方应用；２０１２??年，百度宣布了云计算发展的战略［２５］；另外，华为、金山、深信服等国内大型互??联网企业都先后推出了自己代表性的云产品。下图是各国政府推动云计算发展的??政策。??＿?一丨?《公共云计算态?ＮＩＳＴ发布《没过政??

图２－１云计算服务架构??ＳａａＳ?（Ｓｏｆｔｗａｒｅ?Ａｓ?Ｓｅｒｖｉｃｅ，软件即服务）：该层位于最上层，直接和ｃｌｉｅｎｔ??交互，这一层会将软件进行封装，用户通过各种ｃｌｉｅｎｔ，如浏览器、移动终端、??Ｖ等访问封装好的应用。该层的产品［４Ｇ］主要有在线客户关系管理ＣＲＭ（?Ｃｌｉｅｎｔ??ｅｌａｔｉｏｎｓｈｉｚ?Ｍａｎａｇｅｍｅｎｔ）服务、Ｇｏｏｇｌｅ?Ａｐｐｓ、Ｆａｃｅｂｏｏｋ、Ｅｍａｉｌ?等。??ＰａａＳ［４１］?（Ｐｌａｔｆｏｒｍ?Ａｓ?Ｓｅｒｖｉｃｅ，平台及服务）：该层位于三层中间，有时候也叫??作中间件层，主要用于将ＩａａＳ层的资源进行整合，并向上提供用户所需的开发环??境和平台。该层的产品有?ＩＢＭ?ＩＴ?Ｆａｃｔｏｒｙ、Ｇｏｏｇｌｅ?ＡＰＰ?Ｅｎｇｉｎｅ、Ｆｏｒｃｅ．ｃｏｍ、ＯｐｅｎＳｈｉｆｔ、??新浪ＳＡＥ等。??ＩａａＳ【４２］?（ＩｎｆｒａｓｔｒｕｃｔｕｒｅＡｓＳｅｒｖｉｃｅ，基础设施即服务）：该层位于取底层，主??要是各种硬件资源。这些资源会在这一层被虚拟成一个资源池，并负责这些资源??的调配，给上层应用提供服务，当资源不够用时，物理硬件的横向扩容也是在这??一层实现。该层常见的产品有Ａｍａｚｏｎ?ＥＣ２、ＩＢＭ?Ｂｌｕｅ?Ｃｌｏｕｄ、Ｓｕｎ?Ｇｒｉｄ、腾讯??

操作系统?操作系统??Ｈｏｓｔ?ＯＳ?ＶＭＭ虚拟机监视器??硬件资源??混合模式??图２－４混合模式架构图??２．２．２常见虚拟化解决方案及其相关技术??１．?ＶＭｗａｒｅ?ｖＳｐｈｅｒｅ［４７］??ＶＭｗａｒｅ在虚拟化领域己经深耕十多年了，它是最早将该技术引入Ｘ８６架构的??公司，也是全球虚拟化领域的领导者，ＶＭｗａｒｅ不仅虚拟化技术成熟、稳定，而且、??在ＩａａＳ、ＳａａＳ、ＰａａＳ层都有自己的产品，但是ＶＭｗａｒｅ的产品基本都不开源。??Ｐｖ
【参考文献】

相关期刊论文 前7条

1 左岸;;支持产业升级 百度云开放大数据等灵魂技术[J];通信世界;2015年26期

2 赵彦;单广荣;;云计算及其关键技术研究[J];计算机光盘软件与应用;2014年12期

3 王光波;马自堂;孙磊;;云环境下面向负载均衡的分布式虚拟机迁移研究[J];计算机应用与软件;2013年10期

4 周全海;;云计算的关键技术及发展现状[J];科技视界;2013年13期

5 孙国飞;谷建华;胡金华;赵天海;;基于预拷贝的虚拟机动态内存迁移机制改进[J];计算机工程;2011年13期

6 陈建勋;;虚拟化进入应用时代[J];软件世界;2008年11期

7 刘思峰,邓聚龙;GM(1,1)模型的适用范围[J];系统工程理论与实践;2000年05期

相关博士学位论文 前2条

1 金刚;云环境下任务调度关键问题研究[D];吉林大学;2015年

2 赵佳;虚拟机动态迁移的关键问题研究[D];吉林大学;2013年

相关硕士学位论文 前10条

1 刘芳;云计算中虚拟机在线迁移方案优化的研究[D];成都理工大学;2016年

2 游井辉;基于虚拟机动态迁移的资源调度策略研究[D];华南理工大学;2015年

3 丁言;云计算环境中虚拟机动态迁移位置选择策略研究[D];吉林大学;2014年

4 周跃;云计算环境下XEN虚拟机自动动态迁移的研究与应用[D];华东师范大学;2014年

5 任文文;面向云计算的Xen虚拟机动态迁移研究及改进[D];哈尔滨理工大学;2014年

6 张璞;基于Xen的虚拟机动态迁移策略研究[D];辽宁大学;2013年

7 焦术进;云计算中虚拟机动态迁移技术的研究[D];太原理工大学;2013年

8 杨坤;基于Xen的虚拟机迁移的研究及应用[D];西北师范大学;2013年

9 王光波;云计算环境下虚拟机迁移机制研究[D];解放军信息工程大学;2013年

10 李妍;基于云计算的数据挖掘技术研究[D];石家庄经济学院;2012年

本文编号：2866167