虚拟集群高能效在线迁移策略的研究

发布时间：2017-09-18 11:11

  本文关键词：虚拟集群高能效在线迁移策略的研究

  更多相关文章： 虚拟机 虚拟集群 高能效计算 在线迁移 云计算

【摘要】：随着虚拟化技术的发展,基于虚拟化技术的云平台得到了广泛关注,越来越多的领域利用云平台去完成他们的任务。云平台对物理资源进行抽象、封装,并以虚拟机的形式提供给用户。利用虚拟化技术云平台不但能够对物理资源进行更加细粒度的划分,并且可以实现动态的资源管理。通常应用程序作业和物理节点之间的映射影响着系统的吞吐量、负载平衡和能源消耗,云平台的弹性特点使得对于资源配置的在线调整成为可能。目前云平台带来的巨大的能源消耗问题成为关注热点。它利用超大规模的物理集群为用户作业提供计算支持。然而节点资源的不充分利用将会导致占用大量额外的物理节点,造成云计算系统能耗过高。存在大量低能效的物理节点成为云服务提供商面临的亟待解决的问题。通过动态资源管理机制能够有效的控制云平台的能源消耗。目前很多研究工作都致力于利用虚拟机在线迁移技术提高云平台的能源效率。伴随着云计算技术快速发展以及被广泛的使用,应用程序类型变得多样化,如并行计算等分布式应用程序。由于单机虚拟化技术无法满足并行计算应用的需求,虚拟化技术正逐渐向分布式虚拟化环境发展。虚拟集群基于虚拟机和虚拟网络技术的发展而产生,被云平台用来为并行和分布式应用程序提供可定制的、独立的和可靠的高性能计算环境。但是与此同时为云平台高能效带来了新的挑战:(1)虚拟集群是由一组相互关联的虚拟机组成。对虚拟集群存在的云平台进行能耗管理,单一的虚拟机迁移技术无法保证并行应用程序在运行过程中的正确性。所以对能效问题进行建模需要考虑虚拟集群的虚拟机之间的关联性。(2)根据运行的并行应用程序的特点,虚拟集群中的虚拟机往往同时启动、同时退出。当虚拟集群跨越多个物理节点映射时,它将会对多个物理节点在运行过程中的能源效率产生影响,并且虚拟集群的虚拟机之间也会产生更多的通信开销。另外,内存资源的使用情况是限制作业运行数目的关键因素之一。通常数据密集型作业对于内存资源的需求较为严格。如果对于虚拟机所需内存资源的分配不合理,会导致资源碎片的生成,影响节点资源的利用率。针对上述问题,本文利用虚拟集群在线迁移技术对虚拟化资源进行整合,它可以对并行作业的整体环境进行迁移,保证了并行应用高效、正确的执行。并且分析同一个虚拟集群中的虚拟机在节点上的映射分布对于云平台能效的影响之后,将虚拟机的剩余时间作为选择虚拟机迁移与再映射目标节点的评判准则之一。为了实现云计算系统中物理节点的高能效,本文将此问题形式化描述为一个组合优化问题,即在满足虚拟集群性能需求的前提下最大化单位能耗上所能处理的数据量。并提出基于虚拟集群在线迁移的整合策略来对虚拟化资源进行整合。首先,针对虚拟机的内存资源进行整合。针对此类问题进行形式化描述,提出了一个两阶段的虚拟集群在线迁移策略。第一阶段先利用虚拟集群中虚拟机之间的关联性和虚拟集群之间剩余时间是否相近的特点将虚拟集群分组,算法VCGM依次对每个分组进行整合来构造最终映射状态。第二阶段采用二分图匹配中的低开销完全匹配机制获得初始映射状态和最终映射状态之间的迁移方案,此迁移方案将带来较低的迁移开销。其次,考虑了多种资源、更为复杂的模型,同时考虑内存、CPU和I/O三种资源。对此类多维资源整合问题进行描述,并提出了基于蚁群优化问题的虚拟集群在线迁移算法ACVCM来对虚拟集群进行整合。通过定义收益奖励并将其作为计算蚁群算法中启发式信息的组成部分,使得在选择迁移的虚拟机时,能够在物理节点上虚拟机剩余时间的差异性和迁移代价之间进行权衡。最后,为了验证本文提出的虚拟集群在线迁移策略的有效性,本文进行了一系列的评估实验。对实验结果进行了详细的分析,两阶段迁移策略带来了42%-55%的能耗节省,ACVCM算法带来了37%-42%的能耗节省,证明了本文提出的虚拟集群在线迁移策略可以有效提高云平台的能源效率。
【关键词】：虚拟机 虚拟集群 高能效计算 在线迁移 云计算
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP302
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-17
• 1.1 研究背景和意义11-12
• 1.2 研究现状12-14
• 1.3 本文工作14-16
• 1.4 本文结构16-17
• 第2章 相关背景17-23
• 2.1 引言17
• 2.2 虚拟机在线迁移17-18
• 2.3 虚拟集群在线迁移18-19
• 2.4 装箱算法19-22
• 2.4.1 一维装箱19-20
• 2.4.2 多维装箱20-22
• 2.5 本章小结22-23
• 第3章 系统架构及能效问题建模23-31
• 3.1 引言23
• 3.2 支持虚拟集群在线迁移的系统架构23-26
• 3.2.1 系统架构23-25
• 3.2.2 能耗模型25-26
• 3.3 能效问题建模26-29
• 3.3.1 虚拟集群映射对于能效的影响27-28
• 3.3.2 虚拟集群映射调整策略28-29
• 3.4 优化目标29-30
• 3.5 本章小结30-31
• 第4章 高能效虚拟集群在线迁移策略31-45
• 4.1 引言31
• 4.2 两阶段虚拟集群在线迁移策略31-35
• 4.2.1 问题描述31-32
• 4.2.2 最终映射状态构造32-33
• 4.2.3 基于二分图匹配的迁移算法33-35
• 4.3 基于蚁群优化算法的虚拟集群在线迁移策略35-43
• 4.3.1 问题描述36-38
• 4.3.2 迁移三元组的收益奖励38-40
• 4.3.3 蚁群优化算法的关键规则40-41
• 4.3.4 算法ACVCM41-43
• 4.4 本章小结43-45
• 第5章 实验和数据分析45-58
• 5.1 引言45
• 5.2 实验设置45-46
• 5.3 两阶段迁移策略测试46-52
• 5.3.1 对比算法46-47
• 5.3.2 排序方式测试47-48
• 5.3.3 活跃物理节点数目随时间变化测试48-50
• 5.3.4 总能源消耗测试50-51
• 5.3.5 迁移效率测试51-52
• 5.4 ACVCM算法测试52-56
• 5.4.1 对比算法52-53
• 5.4.2 活跃物理节点数目随时间变化测试53-54
• 5.4.3 总能源消耗测试54-55
• 5.4.4 迁移效率测试55-56
• 5.5 本章小结56-58
• 第六章 总结与展望58-60
• 6.1 总结58-59
• 6.2 展望59-60
• 参考文献60-64
• 作者简介及在学期间取得的科研成果64-65
• 致谢65

【参考文献】

中国博士学位论文全文数据库 前1条

1 李洪亮;支持Live迁移机制的动态虚拟集群研究[D];吉林大学;2012年

中国硕士学位论文全文数据库 前3条

1 胡守峰;云计算环境中基于拓扑感知的虚拟网络再映射算法研究[D];吉林大学;2015年

2 沈晓茹;基于虚拟集群在线迁移的虚拟化资源整合算法研究[D];吉林大学;2014年

3 胡瑞;复杂集装箱装载问题求解方法研究[D];中国海洋大学;2006年

，

本文编号：875166