基于OpenStack云平台环境的虚拟机整合系统研究

摘要

随着移动设备和终端设备数量的日益增加,为保障良好的用户体验和系统的稳定性,各大互联网企业在云计算技术领域投入大量的资金成本,但在云平台的成功搭建后会带来巨额的电能开销.各公司转而开始研发云平台的优化策略和资源整合系统,这一举措得到了明显的收益,能源消耗得到了明显的改观. 现有虚拟机整合系统存在着多种缺陷与不足,例如开源虚拟机调度工具Entropy虽然能保障虚拟机选择放置算法的稳定性,但无法在真实环境中有良好的运行效果.开源分布式虚拟机管理框架Snooze具有多种资源检测系统和容错策略,但是该框架过于注重物理机的监控与管理,无法最大化数据中心的资源利用率. 本文针对现有整合系统的不足提出了一种基于OpenStack云平台的资源动态整合系统,该系统在保障云平台正常服务的前提下有效地提高云平台的资源利用率,同时降低系统能源消耗.整合系统由基于高阶马尔可夫模型的负载预测算法作为驱动,加以FFD(First-Fit Decreasing)为理论依据的目的物理机选择算法和待迁移虚拟机选择算法有效地减少了系统中虚拟机无效迁移的次数,系统中针对不同负载的物理机运用多种调度策略,进一步提高整合系统的整体效率.本文还提出一种基于OpenStack技术云平台的搭建方案,介绍了其中的平台架构与技术选型方案.本文分别在仿真平台与基于OpenStack技术搭建的云平台上进行实验验证高阶马尔可夫模型与整合系统的有效性,实验中使用虚拟机迁移次数、系统能耗总量以及SLAV(Service Level Agreement Violation)三种指标进行评测.实验结果表明,使用高阶马尔可夫模型的时序预测算法在各个指标上均优于其他时序预测算法,搭载资源整合系统后云平台的资源利用率有明显的提升.

目录

第一个书签之前