基于哈希图的虚拟机实时迁移方法

发布时间：2025-02-07 20:19

　　 跨广域网的虚拟机实时迁移是多数据中心云计算环境的重要技术支撑。当前跨广域网的虚拟机实时迁移受到带宽小和无共享存储的限制而面临着技术挑战,如镜像数据迁移的安全性和一致性问题。为此,该文提出基于哈希图(HashGraph)的跨数据中心虚拟机实时迁移方法,运用去中心化的思想,实现数据中心之间可靠和高效的镜像信息分布式共享。通过HashGraph中Merkle DAG存储结构,改善了重复数据删除在跨数据中心迁移虚拟机镜像时的缺陷。与现有方法相比,该文方法缩短了总迁移时间。

【文章页数】：8 页

【部分图文】：

图1H-GMIG的结构

式迁移[1]；步骤4切换：当迭代副本满足结束阈值时，VM在源站点暂停并在目标站点恢复运行，释放源站点的资源。4实验结果与分析4.1实验设置实验模拟了3个数据中心，每个数据中心包含2台服务器，其中一台作为VM的宿主机，另一台作为MA。每台服务器的CPU为3.6GHz,16GBRAM....

图2跨数据中心迁移虚拟机的过程

基本镜像和用户数据的并行传输，因此缩短了总的迁移时间。在相同的网络负载下，随着镜像之间的相似度的增高，单个虚拟机迁移所需的时间越来越短。图4所示为不同负载下的单虚拟机迁移的网络流量。图4(a)—图4(c)条件下，H-GMIG中网络流量与SS相比有所降低，这证明了哈希图共识的带宽开....

图3不同相似度下单次VM迁移所需的总迁移时间

件下需要迁移的镜像数据量最大，最能体现H-GMIG抵御DDOS攻击的效果。为体现攻击效果，在迁移开始的50s后开始发送攻击流量。由于其他数据中心的MA存有基本镜像的冗余备份，增加的迁移时间为MA之间的通信延迟。由图7可见，总迁移时间的增加量均保持在900ms上下，而正常情况下5台....

图4不同负载下单虚拟机迁移的网络流量

(1)哈希图共识开销及其对迁移过程的影响：跨数据中心迁移虚拟机时要考虑距离的影响。本次实验模拟了不同距离的3台服务器，每台服务器的CPU为3.6GHz,16GBRAM。对哈希图的官方SDK1)加以改进并进行100次共识实验测试。分别记录了最大共识时间、最小共识时间和平均共识时间，....

本文编号：4031245