云环境下基于负载预测的虚拟机迁移机制研究

发布时间：2017-04-20 11:05

  本文关键词：云环境下基于负载预测的虚拟机迁移机制研究，，由笔耕文化传播整理发布。

【摘要】：云计算作为一种新型计算模式,将计算、存储、服务等资源迁移到云端,通过对这些资源进行集中、灵活的配置和管理,提高资源利用率、服务可靠性和系统灵活性。云计算系统呈现出高可靠性、高容错性、动态可扩展性、按需服务等特点,受到学术界和IT界的广泛关注。虚拟化技术是云计算的基础支撑技术,而虚拟机迁移技术是实现云资源灵活配置、管理的关键技术之一。其中,虚拟机迁移的时机和目标节点的选择是虚拟机迁移技术解决的两个核心问题,该两个问题的解决决定着虚拟机迁移的性能,并进一步直接影响云计算系统整体的性能表现。在虚拟机迁移时机选择方面,目前主要采用被动响应的迁移策略,存在滞后性和性能开销大等不足。事实上,云计算系统可以看作典型的社会-技术系统(Socio-Technical System,STC),即信息系统不再是单纯的技术系统,而是与人类社会系统交融在一起。因此,本文认为虚拟机的迁移策略不仅要从技术角度考虑当前计算机的负载,还有必要考虑人类社会行为的规律性,并根据此规律性对计算机负载进行预测,实现虚拟机的主动迁移,从而降低虚拟机迁移对服务性能的影响。在目标节点选择方面,目前虚拟机迁移策略主要采用随机选择空闲资源剩余少的节点进行迁移,在批量迁移过程中存在性能不高的问题。本文将虚拟机批量迁移过程中目标节点选择的问题看作是组合优化的问题,并基于智能算法对其进行研究。论文的主要工作包括如下几个方面。1.针对人类社会行为呈现出的趋势性、季节性、随机性等特征,以及任务请求达到峰值时对系统性能造成的影响,提出了面向周期性任务请求的LF-HW(Lord Forcast-Holt Winters,LF-HW)服务器热点检测模型。LF-HW模型首先基于Holt-Winters三次指数平滑预测模型对云计算环境下的任务请求量进行预测,然后根据设计的策略对预测出的任务请求量做出响应,即判断是否需要进行虚拟机预迁移,如果需要进行虚拟机预迁移还需要求解迁移虚拟机的数量、迁移的位置和时间等信息。最后,通过扩展和编译云计算仿真平台CloudSim,对LF-HW模型进行仿真实验,验证LF-HW热点检测模型的有效性及其负载均衡能力。2.针对在虚拟机批量迁移过程中,传统随机选择空闲资源剩余少节点的迁移策略存在性能不高和无法实现组合最优化的问题,设计了基于改进粒子群优化算法的虚拟机迁移选择策略。选择策略通过定义匹配距离定量虚拟机和服务器的剩余性能适应度,以及服务器剩余性能规避列表,避免虚拟机所占用的资源超过服务器资源上限,并达到组合优化的目标。通过仿真实验,验证改进后的粒子群优化算法在解决批量选择节点进行迁移的问题上有较好的寻优能力。3.对云管理系统Opennebula进行扩展和修改,实现了面向周期性任务请求的服务器4.热点检测模型和基于改进粒子群优化算法的选择策略,并通过设置不同的实验场景,验证了本文提出的方法在总迁移时间、响应时间和传输数据量方面都优于原系统,证明了本文所提出的虚拟机迁移机制在云计算环境下可有效提高虚拟机迁移的性能,并具有良好的负载均衡能力。
【关键词】：云计算 虚拟化 虚拟机迁移 迁移策略 热点检测 LF-HW模型 Holt-Winters模型 选择策略
【学位授予单位】：解放军信息工程大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP302
【目录】：

• 摘要4-6
• Abstract6-13
• 第一章 绪论13-19
• 1.1 研究背景及意义13-14
• 1.2 国内外研究现状14-16
• 1.3 本文的主要工作16-17
• 1.4 本文的组织结构17-19
• 第二章 相关技术研究19-33
• 2.1 云计算概述19-24
• 2.1.1 云计算定义及特征19-21
• 2.1.2 云计算体系结构21-22
• 2.1.3 云计算的优势22-24
• 2.2 云计算关键技术24-27
• 2.2.1 数据中心技术24-25
• 2.2.2 虚拟化技术25-27
• 2.3 虚拟机动态迁移技术27-30
• 2.3.1 动态迁移的实现27-29
• 2.3.2 动态迁移的特点29
• 2.3.3 动态迁移策略29-30
• 2.4 系统优化技术30-32
• 2.4.1 系统优化问题概述30
• 2.4.2 智能优化算法研究30-31
• 2.4.3 多目标优化问题概述31-32
• 2.5 本章小结32-33
• 第三章 面向周期性任务请求的服务器热点检测方法33-55
• 3.1 云计算任务请求特征分析33-36
• 3.2 面向周期性任务请求的服务器热点检测方法36-45
• 3.2.1 热点检测模型框架36-37
• 3.2.2 模型工作流程37-38
• 3.2.3 预测模块设计38-41
• 3.2.4 预测算法设计41-43
• 3.2.5 预测算法在云计算环境下预测任务准确性分析43-45
• 3.3 LF-HW模型仿真实验45-53
• 3.3.1 仿真实验平台CloudSim简介45-46
• 3.3.2 实验环境46-47
• 3.3.3 平台扩展与编译47-50
• 3.3.4 实验参数设置50-52
• 3.3.5 实验结果分析52-53
• 3.4 本章小结53-55
• 第四章 基于改进粒子群优化算法的虚拟机迁移选择策略研究55-65
• 4.1 虚拟机批量迁移选择策略问题分析55-56
• 4.1.1 确定待迁移虚拟机的顺序55
• 4.1.2 选定待迁移的VM55
• 4.1.3 选择迁移的位置55-56
• 4.2 粒子群优化算法概述56-59
• 4.2.1 粒子群优化算法基本思想56-57
• 4.2.2 粒子群优化算法流程57-58
• 4.2.3 参数选择58-59
• 4.3 基于MPSO算法的选择策略制定59-62
• 4.3.1 虚拟机和服务器匹配度量59-60
• 4.3.2 规避列表设计60
• 4.3.3 选择算法设计60-62
• 4.3.4 算法可行性分析62
• 4.4 算法仿真实验62-64
• 4.4.5 算法收敛性比较分析62-63
• 4.4.6 选择策略整体性能比较分析63-64
• 4.5 本章小结64-65
• 第五章 系统实验及结果分析65-75
• 5.1 桌面云简介65-68
• 5.1.2 桌面云系统框架66-67
• 5.1.3 桌面云管理系统67-68
• 5.2 实验平台构建68-72
• 5.2.1 实验环境和参数68-70
• 5.2.2 实验设计70-72
• 5.3 系统实验结果分析72-74
• 5.4 本章小结74-75
• 第六章 总结与展望75-77
• 6.1 本文工作总结75-76
• 6.2 展望76-77
• 致谢77-78
• 参考文献78-82
• 作者简历82

【参考文献】

中国期刊全文数据库 前2条

1 孙冬冬;柳青;武旖旎;;面向负载均衡的自主式虚拟机动态迁移框架[J];计算机科学;2014年04期

2 董健康;王洪波;李阳阳;程时端;;IaaS环境下改进能源效率和网络性能的虚拟机放置方法[J];通信学报;2014年01期

  本文关键词：云环境下基于负载预测的虚拟机迁移机制研究，由笔耕文化传播整理发布。

本文编号：318515