云计算环境下基于随机森林的虚拟机性能预测及应用
发布时间:2022-01-15 23:13
云计算向用户提供基础设施即服务(IaaS)的按需租用服务模式,用户根据性能或配置需求以虚拟机的形式租用计算资源。用户为了节省开支,需要选择一个资源提供商,并选择一种特定配置的虚拟机以满足其需求。在这样的模式下,对特定配置虚拟机性能的准确评估,对用户的购买决策具有重要意义。现有的虚拟机性能评估方法主要从CPU核心数量、内存容量、硬盘容量等物理因素入手,不能全面评估虚拟机的性能。本文把数据分析方法引入到虚拟机性能分析中,从大量的虚拟机实测数据中发现虚拟机性能与配置之间的依赖关系以辅助决策。为了更好的帮助用户做出最优的决策,首先寻找并发现了影响虚拟机性能的特征,为虚拟机性能评估提供必要的指标。其次通过数据分析的方法对虚拟机性能数据进行分析并找到能够较为精确的描述和预测特定配置虚拟机性能的模型。最后在这一模型的基础上,进一步得出在特定性能需求下的可行虚拟机配置,满足不同的用户需求并指导资源提供方优化虚拟机部署和资源动态分配。具体来说,本文的主要工作如下:(1)根据待评估的虚拟化平台,从硬件特征、软件特征、配置特征、运行时环境特征四个方面提取可能影响虚拟机性能的底层环境特征,并通过基准测试程序测...
【文章来源】:云南大学云南省 211工程院校
【文章页数】:50 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
第一章 前言
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 虚拟机性能评估
1.2.2 虚拟机性能建模
1.2.3 虚拟机性能预测
1.2.4 虚拟机配置搜索与资源分配
1.3 本文的主要工作
1.4 本文的组织结构
第二章 虚拟化与Xen相关技术
2.1 虚拟化技术简介
2.2 Xen及其背景介绍
2.3 小结
第三章 基于随机森林回归方法的虚拟机性能预测
3.1 虚拟机特征选择和训练集获取
3.2 基于随机森林回归模型的虚拟机性能预测
3.2.1 训练数据集获取
3.2.2 构建虚拟机特征与虚拟机性能关系的随机森林回归模型
3.2.3 虚拟机性能预测
3.3 本章小结
第四章 目标性能驱动的虚拟机配置搜索方法
4.1 虚拟机配置搜索问题建模
4.2 虚拟机配置编码与解码
4.3 初始虚拟机配置种群生成
4.4 虚拟机性能适应度函数
4.5 遗传操作
4.5.1 虚拟机配置染色体选择操作
4.5.2 虚拟机染色体的交叉与变异
4.6 基于遗传算法的目标性能驱动的虚拟机配置搜索
4.7 本章小结
第五章 实验结果及分析
5.1 实验环境
5.2 训练数据集获取
5.3 虚拟机性能预测的准确性测试
5.4 虚拟机配置搜索的有效性及收敛性测试
5.5 本章小结
第六章 总结与展望
附录
A1.攻读硕士学位期间的成果
参考文献
致谢
【参考文献】:
期刊论文
[1]基于遗传算法的Vivado HLS硬件加速[J]. 陈宝林,黄晞,张仕,郭升挺,吴家飞,苏浩明. 计算机系统应用. 2018(01)
[2]云计算环境下基于改进遗传算法的多维约束任务调度研究[J]. 李超,戴炳荣,旷志光,吴小丽,孙融清. 小型微型计算机系统. 2017(09)
[3]求解作业车间调度问题的混合帝国主义竞争算法[J]. 杨小东,康雁,柳青,孙金文. 计算机应用. 2017(02)
[4]负载类型相关的Xen虚拟机系统性能模型[J]. 余勇,车建华,徐焕良,蒋诚智. 计算机科学. 2016(11)
[5]虚拟环境下虚拟机应用性能建模[J]. 黎丰泽,杨达,周鹏,武延军. 计算机系统应用. 2015(09)
[6]一种基于硬件计数器的虚拟机性能干扰估算方法[J]. 王卅,张文博,吴恒,宋云奎,魏峻,钟华,黄涛. 软件学报. 2015(08)
[7]一种面向虚拟化数字中心资源按需重配置方法[J]. 米海波,王怀民,尹刚,史殿习,周扬帆,袁霖. 软件学报. 2011(09)
博士论文
[1]虚拟计算系统性能与可用性评测方法研究[D]. 车建华.浙江大学 2010
硕士论文
[1]虚拟机性能干扰预测模型及其调度策略研究[D]. 孟凡欣.山东大学 2014
[2]云环境中虚拟机性能互扰度量和预测方法及其应用研究[D]. 王进.东北大学 2013
[3]虚拟化数据中心动态性能控制系统设计与实现[D]. 王睿.上海交通大学 2011
本文编号:3591493
【文章来源】:云南大学云南省 211工程院校
【文章页数】:50 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
第一章 前言
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 虚拟机性能评估
1.2.2 虚拟机性能建模
1.2.3 虚拟机性能预测
1.2.4 虚拟机配置搜索与资源分配
1.3 本文的主要工作
1.4 本文的组织结构
第二章 虚拟化与Xen相关技术
2.1 虚拟化技术简介
2.2 Xen及其背景介绍
2.3 小结
第三章 基于随机森林回归方法的虚拟机性能预测
3.1 虚拟机特征选择和训练集获取
3.2 基于随机森林回归模型的虚拟机性能预测
3.2.1 训练数据集获取
3.2.2 构建虚拟机特征与虚拟机性能关系的随机森林回归模型
3.2.3 虚拟机性能预测
3.3 本章小结
第四章 目标性能驱动的虚拟机配置搜索方法
4.1 虚拟机配置搜索问题建模
4.2 虚拟机配置编码与解码
4.3 初始虚拟机配置种群生成
4.4 虚拟机性能适应度函数
4.5 遗传操作
4.5.1 虚拟机配置染色体选择操作
4.5.2 虚拟机染色体的交叉与变异
4.6 基于遗传算法的目标性能驱动的虚拟机配置搜索
4.7 本章小结
第五章 实验结果及分析
5.1 实验环境
5.2 训练数据集获取
5.3 虚拟机性能预测的准确性测试
5.4 虚拟机配置搜索的有效性及收敛性测试
5.5 本章小结
第六章 总结与展望
附录
A1.攻读硕士学位期间的成果
参考文献
致谢
【参考文献】:
期刊论文
[1]基于遗传算法的Vivado HLS硬件加速[J]. 陈宝林,黄晞,张仕,郭升挺,吴家飞,苏浩明. 计算机系统应用. 2018(01)
[2]云计算环境下基于改进遗传算法的多维约束任务调度研究[J]. 李超,戴炳荣,旷志光,吴小丽,孙融清. 小型微型计算机系统. 2017(09)
[3]求解作业车间调度问题的混合帝国主义竞争算法[J]. 杨小东,康雁,柳青,孙金文. 计算机应用. 2017(02)
[4]负载类型相关的Xen虚拟机系统性能模型[J]. 余勇,车建华,徐焕良,蒋诚智. 计算机科学. 2016(11)
[5]虚拟环境下虚拟机应用性能建模[J]. 黎丰泽,杨达,周鹏,武延军. 计算机系统应用. 2015(09)
[6]一种基于硬件计数器的虚拟机性能干扰估算方法[J]. 王卅,张文博,吴恒,宋云奎,魏峻,钟华,黄涛. 软件学报. 2015(08)
[7]一种面向虚拟化数字中心资源按需重配置方法[J]. 米海波,王怀民,尹刚,史殿习,周扬帆,袁霖. 软件学报. 2011(09)
博士论文
[1]虚拟计算系统性能与可用性评测方法研究[D]. 车建华.浙江大学 2010
硕士论文
[1]虚拟机性能干扰预测模型及其调度策略研究[D]. 孟凡欣.山东大学 2014
[2]云环境中虚拟机性能互扰度量和预测方法及其应用研究[D]. 王进.东北大学 2013
[3]虚拟化数据中心动态性能控制系统设计与实现[D]. 王睿.上海交通大学 2011
本文编号:3591493
本文链接:https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/3591493.html