可用性导向的虚拟机资源管理技术研究

摘要

云计算基础设施的异构性、动态性，以及虚拟资源的动态加入和退出、软硬件故障、运行维护、安全保护、系统升级等原因可能导致云环境中的资源不可用，对云计算服务商带来很大损失，导致用户无法正常使用虚拟机和使用云服务。近年研究者对云计算资源在实际应用中的可用情况进行追踪与监控，分析虚拟机可用性对应用性能的影响，结果表明:如果虚拟机资源保持较高的不可用频率，将对任务的执行产生较大的负面影响，严重影响应用性能和用户QoS保障;在云任务调度和资源分配考虑虚拟机的可用性的情况下，云计算系统的整体性能提升效果明显。因此本文从虚拟机资源供给能力对其可用性的影响以及可用度预测等方面开展工作，研究可用性导向的虚拟机资源管理技术。
　　首先，本文研究分析现有的虚拟机的可用性评估相关工作，发现大多将虚拟机的可用性描述成虚拟机在一段时间能够提供服务的概率，而忽略了虚拟机由于资源供给不足造成虚拟机的不可用问题，针对这个问题本文提出基于失效分布的虚拟机可用度计算方法和基于马尔科夫模型的虚拟机可用能力评估方法，描述虚拟机提供服务的概率和未来时刻资源的缺失情况对应用服务影响程度，给虚拟机的资源调整提供了依据;在此基础上提出了一种可用性感知的虚拟资源动态调整策略(ADAR策略)，我们通过仿真实验表明，ADAR与现有资源调整策略相比，可以根据虚拟机可用能力及时进行动态资源调整，能够有效的提升系统利用率和保障服务质量。
　　然后，在上述虚拟机可用度度量方法的基础上，研究虚拟机可用度的预测模型，因为虚拟机可用度预测可以为云任务调度和资源分配提供有效的指导。接着分析现有预测模型的适用性以及准确性，提出一种适合虚拟机可用度变化特点以及精度高的预测模型----灰色-指数曲线组合预测模型，然后基于虚拟机可用度的预测模型提出虚拟机重放置策略，预测分析未来时刻虚拟机的可用度，根据可用度分布情况进行虚拟机重放置。然后通过实验验证该预测模型和虚拟机重放置策略的有效性，实验结果表明，与现有的预测模型相比，本文预测模型的预测精度较高。
　　本文讨论分析现有虚拟机可用性评估以及资源调整相关工作，刻画了虚拟机可用性评估，在此基础上感知虚拟机可用性进行资源动态调整策略和基于虚拟机可用度的预测进行虚拟机重放置策略，可以在一定程度上提高系统的利用率、保障服务质量以及减少能耗。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 研究意义和研究内容

1．2．1 研究意义

1．2．2 研究内容

1．3 论文的组织结构

第二章 云环境下虚拟机资源调整及其可用性评估及研究

2．1 云计算概述

2．1．1 云计算的特点及体系结构

2．1．2 虚拟化技术简介

2．2 虚拟机资源动态调整研究工作

2．3 云环境下虚拟机可用性评估现状

2．3．1 传统计算机系统的可用性评估研究

2．3．2 云环境下服务可用性评估研究

2．3．3 云环境下系统可用性评估研究

2．4 本章小结

第三章 基于可用能力评估的云虚拟机动态调整策略

3．1 基于马尔科夫模型的虚拟机可用性评估

3．1．1 虚拟机的可用度评价

3．1．2 虚拟机可用能力评估方法

3．2 可用性感知的虚拟资源动态调整策略

3．3 实验与分析

3．3．1 应用ADAR策略前后资源浪费量对比

3．3．2 系统利用率和完成时间对比

3．4 本章小结

第四章 一种灰色-指数曲线组合模型的虚拟机可用度预测模型

4．1 基于预测模型的云计算资源管理研究现状

4．2 基于灰色-指数曲线模型的虚拟机可用度预测

4．3 基于可用度预测的虚拟机重放置策略

4．4 实验与分析

4．4．1 预测精度实验

4．4．2 能耗和虚拟机迁移次数比较实验

4．5 本章小结

第五章 结束语

5．1 工作总结

5．2 下一步工作

参考文献

致谢

攻读硕士学位期间参加的科研项目

攻读学位期间发表论文情况