云数据中心中基于虚拟机迁移的负载均衡算法研究

发布时间：2017-04-28 23:11

  本文关键词：云数据中心中基于虚拟机迁移的负载均衡算法研究，，由笔耕文化传播整理发布。

【摘要】：近年来,随着云计算技术的快速发展,其相关技术被广泛应用到了各个领域。其中,虚拟化技术因其能实现不同应用间的隔离,降低管理复杂性,已成为现代数据中心设计和操作中不可或缺的部分。然而,虚拟化技术的优势不仅如此,数据中心还可以通过虚拟机迁移的方式将任务从过载服务器传送到轻载服务器以平衡负载。目前,相关领域已经提出了很多基于虚拟机迁移的负载均衡算法。但是现有的算法大多只考虑服务器端资源的负载均衡,而忽略了虚拟机之间的通信依赖关系,从而在不知不觉中增加了网络带宽消耗。为了解决上述问题,本文提出了一个最小化网络通信量的虚拟机迁移策略,该策略考虑了虚拟机之间的通信关系和底层网络结构,通过优化通信开销和迁移开销,最大程度地减少了网络数量传输量。在云数据中心中,虚拟机需要使用多种资源为各种应用提供服务。而不同的应用对资源的需求程度也存在差异,所以导致每台服务器过载的资源也可能是不同的。对于过载的物理机,应该根据其对不同资源的需求程度选择合适的虚拟机迁出,例如,若是CPU资源过载,则应该选择占用CPU资源较多的虚拟机进行迁出。而若是忽略这种问题,则会导致频繁过载,增加迁移次数,从而增大网络中的迁移数据量。因此,本文基于最小化网络通信量的虚拟机迁移策略,提出了通信和资源密集度感知的负载均衡算法。该算法不仅降低了通信开销和迁移开销,还可以快速地缓解主机过载并降低过载发生的频率从而减少迁移次数。最后的实验结果显示通信和资源密集度感知的负载均衡算法和其他算法相比,具备更好的性能。
【关键词】：虚拟机迁移 负载均衡 网络拓扑结构 虚拟机通信
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP302
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-13
• 1.1 研究背景8
• 1.2 研究现状8-11
• 1.2.1 虚拟机迁移操作的动机8-9
• 1.2.2 面向负载均衡的虚拟机迁移策略的发展情况9-11
• 1.3 本文主要工作11-12
• 1.4 论文组织结构12-13
• 2 关键背景技术的研究与分析13-25
• 2.1 虚拟机动态迁移方法13-16
• 2.1.1 预拷贝动态迁移方法14
• 2.1.2 后拷贝动态迁移方法14-16
• 2.2 面向负载均衡的虚拟机迁移策略16-17
• 2.3 基于虚拟机迁移的负载均衡算法17-24
• 2.3.1 Sandpiper负载均衡算法17-20
• 2.3.2 VectorDot负载均衡算法20-23
• 2.3.3 RIAL负载均衡算法23-24
• 2.4 本章小结24-25
• 3 最小化网络通信量的虚拟机迁移策略25-36
• 3.1 数据中心网络拓扑结构25-28
• 3.1.1 树形网络拓扑结构25-26
• 3.1.2 VL2网络拓扑结构26-27
• 3.1.3 PortLand网络拓扑结构27-28
• 3.2 最小化网络通信量的虚拟机迁移策略28-35
• 3.2.1 问题描述29-31
• 3.2.2 迁移触发策略31
• 3.2.3 迁移虚拟机选择策略31-32
• 3.2.4 迁移目标选择策略32-35
• 3.3 本章小结35-36
• 4 通信和资源密集度感知的负载均衡算法36-47
• 4.1 三个优化目标36-38
• 4.1.1 降低迁移次数36-38
• 4.1.2 降低通信开销38
• 4.1.3 降低迁移开销38
• 4.2 问题描述38-39
• 4.3 迁移触发策略39
• 4.4 迁移虚拟机选择策略39-43
• 4.5 迁移目标选择策略43-46
• 4.6 本章小结46-47
• 5 实验设计及结果分析47-57
• 5.1 实验环境及平台介绍47-48
• 5.2 实验配置48-49
• 5.3 最小化网络通信量的虚拟机迁移策略性能测试49-51
• 5.3.1 确定权重系数α49-50
• 5.3.2 通信开销优化对比50
• 5.3.3 迁移开销优化对比50-51
• 5.4 通信和资源密集度感知的负载均衡算法性能测试51-55
• 5.4.1 迁移次数优化对比51-52
• 5.4.2 通信开销优化对比52-53
• 5.4.3 迁移开销优化对比53-54
• 5.4.4 负载均衡效果54-55
• 5.5 本章小结55-57
• 结论57-58
• 参考文献58-61
• 攻读硕士学位期间发表学术论文情况61-62
• 致谢62-63

【共引文献】

中国期刊全文数据库 前10条

1 王梓名;吴邦华;李玉明;;一种基于云计算环境下的降低能耗RECMSA算法[J];电子技术与软件工程;2014年07期

2 闫芳芳;李东;胡卫生;;虚拟数据中心的功率有效嵌入算法(英文)[J];光子学报;2014年07期

3 张爱科;符保龙;;基于最大收益平衡点动态变化的云资源调度算法[J];重庆邮电大学学报(自然科学版);2014年05期

4 郝亮;崔刚;曲明成;柯文德;;云计算能耗资源调度优化关键技术研究[J];智能计算机与应用;2014年05期

5 张艳辉;;云平台运维管理探析[J];信息技术与标准化;2014年11期

6 王艳平;高仲合;;基于蚁群的云计算资源调度研究[J];电子技术;2014年12期

7 李鸿健;代宇;刘锐;蒋溢;;云数据中心高能效的虚拟机迁移整合算法研究[J];电信科学;2015年01期

8 樊勇兵;陈天;陈楠;黄志兰;吕翠娥;;云数据中心的虚拟机放置问题[J];电信科学;2015年02期

9 阮志强;罗海波;;基于负载预测的动态虚拟机整合算法[J];长江大学学报(自科版);2015年04期

10 郭力争;张翼飞;赵曙光;;数据中心环境下能耗性能感知的优化方法[J];北京邮电大学学报;2015年S1期

中国重要会议论文全文数据库 前1条

1 姚艳;曹健;李明禄;;A Network-aware Virtual Machine Allocation in Cloud Datacenter[A];第十一届全国博士生学术年会——信息技术与安全专题论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 向峰;云制造系统中基于能耗的服务组合关键技术研究[D];武汉理工大学;2013年

2 乐冠;面向服务系统的自适应资源管理技术研究[D];北京邮电大学;2013年

3 刘志飘;成本感知的云服务虚拟资源供应机制研究[D];北京邮电大学;2013年

4 敬思远;面向绿色虚拟数据中心资源管理的若干关键技术研究[D];电子科技大学;2013年

5 吴和生;云计算环境中多核多进程负载均衡技术的研究与应用[D];南京大学;2013年

6 樊沛;虚拟计算环境中面向通信特征的应用部署优化技术研究[D];国防科学技术大学;2012年

7 曹志波;基于日志的任务建模及调度优化的研究[D];华南理工大学;2014年

8 杨靖琦;云化业务平台可伸缩性研究[D];北京邮电大学;2014年

9 殷波;面向云环境的资源分配关键技术研究[D];北京邮电大学;2013年

10 孙大为;云计算环境中高质量资源管理及高可信安全策略研究[D];东北大学;2012年

中国硕士学位论文全文数据库 前10条

1 王刚;云平台下HDFS HA的研究与实现[D];西北大学;2013年

2 侯伟;云计算中基于遗传算法的能效管理研究[D];武汉理工大学;2013年

3 张艳辉;云计算环境下基于QoS约束的多优先级作业调度算法的研究[D];辽宁大学;2013年

4 武静;云计算平台调度管理技术研究与实现[D];电子科技大学;2013年

5 敖文凤;云计算中基于Hungarian算法的资源获取研究[D];电子科技大学;2013年

6 张海洲;基于利用率和负载均衡的云资源调度算法研究[D];哈尔滨工业大学;2013年

7 吴钧超;基于云用户应用评估的云平台任务调度策略研究[D];哈尔滨工业大学;2013年

8 陈慧祥;网络感知的虚拟计算环境任务迁移问题研究[D];哈尔滨工业大学;2013年

9 王梅;云计算环境中的资源调度策略研究及仿真分析[D];浙江师范大学;2013年

10 肖艳文;云计算系统中能量有效的数据摆放算法和节点调度策略的研究[D];哈尔滨工业大学;2013年

  本文关键词：云数据中心中基于虚拟机迁移的负载均衡算法研究，由笔耕文化传播整理发布。

本文编号：333749