虚拟化环境中的资源自适应分配管理技术的研究

摘要

IT领域服务行业的迅猛发展，使得服务业务和需求不断变化。服务提供者需要采用有效的资源管理策略来降低运营成本。虚拟化技术为实现这个策略提供了很好的解决方案。通过将物理机划分为多个虚拟容器，为部署在容器中的多种服务应用提供良好独立性和安全性，并能动态调配共享的硬件资源。虚拟化的数据中心可以根据其实际资源的消耗状况，按照某种特定的成本效益结算方式来进行资源的调度分配，从而实现资源的优化配置。目前，大多数商业级的服务应用比较关注其提供服务的质量(QoS)和资源的利用率。数据中心需要为每个服务应用提供充足的资源来保证服务性能，同时动态调节资源分配，避免不必要的浪费。
　　 本文研究了虚拟化技术，服务性能评测技术以及资源自适应技术。并详细阐述了性能评测的原理和方法，通过性能评测可以对服务应用的资源需求做出一个定量的分析，有助于制定资源分配策略。另外还详细阐述了自适应控制的模型和实现方法，和目前自适应技术在资源动态分配的研究现状。本文通过在Xen虚拟化环境中部署了TPC-W的电子商务服务应用系统，分析了通过虚拟化在性能评测和资源管理方面的优势，并分别设计了模糊控制模型和博弈模型来实现两个场景下的资源自适应控制。本文的主要工作概括为：
　　 (1)将自动化控制理论和技术引入虚拟化资源管理系统中。运用模糊控制理论来对服务应用系统的资源需求做预测和控制。模糊控制器运行在虚拟服务器中，实时预测服务应用所需要的物理资源，并周期性的向数据中心发送资源请求信息。
　　 (2)通过设计和改进规则更新和处理冲突算法，来实现规则库的自我学习功能，有效的避免了规则库的空间膨胀并成功的解决了规则冲突问题。
　　 (3)将博弈论引入资源管理中，设计了一个博弈模型用于解决有限资源条件下，Web服务器和数据库服务器之间的资源竞争关系，选取了基于吞吐率、平均响应时间等参数的效用函数，并对其收敛性和均衡点的存在性和唯一性进行了论证，并通过实验验证了博弈定理的正确性和博弈结果的最优性。
　　 (4)针对电子商务服务应用的性能评测方案，设计一个基于用户特征的一个负载生成器和性能数据收集器，能够根据测试者需求，通过负载参数设置，自定义服务请求类型和负载强度。
　　 本文把服务应用系统的响应时间作为性能指标来约束对系统CPU资源分配管理，并通过对比固定值和采用模糊控制模型两种资源分配策略下收集到的性能数据以及系统状况信息，来验证了自适应模型在实际应用中的可行性，实验表明采用模糊控制器具有很好的控制效果，既保证了服务质量，又在一定程度上提高了资源的利用率。

目录

文摘

英文文摘

1 第一章 绪论

1.1 研究背景

1.2 研究内容

1.3 研究意义和主要工作

1.4 论文结构

2 第二章 相关技术和工作

2.1 虚拟化技术的研究

2.1.1 虚拟化基本概念

2.1.2 虚拟化模型实现

2.1.3 Xen虚拟化

2.2 服务性能评测技术的研究

2.2.1 性能评测的原理

2.2.2 LoadRunner评测工具

2.2.3 其他性能评测工具

2.3 自适应控制技术的研究

2.3.1 典型自适应控制

2.3.2 基于QoS约束的控制

2.3.3 基于模糊逻辑的控制

2.3.4 基于最优策略的控制

2.3.5 基于博弈论的最优策略控制

2.3.6 基于模型的预测控制

2.4 本章小结

3 第三章 基于模糊理论的资源自适应控制模型的研究

3.1 自适应控制器的系统结构

3.2 基于模糊预测控制的资源动态分配模型

3.2.1 模糊理论与模糊逻辑

3.2.2 模糊控制器与建立规则方法

3.2.3 本地控制器的设计与实现

3.2.4 模糊规则库的更新算法

3.3 实验结果与分析

3.3.1 实验部署结构

3.3.2 结果与分析

3.4 本章小结

4 第四章 基于博弈论的资源自适应控制模型的研究

4.1 博弈论基础

4.2 博弈模型

4.2.1 博弈三要素

4.2.2 博弈求解

4.2.3 博弈游戏的设计和实现

4.2.4 模型定理和论证

4.3 实验结果与分析

4.3.1 TRGM与RGM实验的博弈结果和性能表现

4.3.2 TRGM博弈结果最优性和收敛性的实验验证

4.4 本章小结

5 第五章 基于用户特征的负载生成工具

5.1 用户请求特征与服务性能指标

5.1.1 用户请求的差异性与模拟负载方法

5.1.2 服务性能指标的定义

5.2 负载测试方法

5.2.1 负载测试框架流程

5.2.2 负载参数设置

5.3 负载测试工具实现

5.3.1 线程模拟用户的实现方法

5.3.2 负载生成器以及数据收集器的实现

5.4 本章小结

6 第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

附录：