负载相关的虚拟机放置策略研究

论文摘要

虚拟化技术抽象了物理资源层,将系统资源进行集中管理和集中调度,提高了资源利用的高效性。目前的服务器系统和数据中心广泛使用了虚拟化技术,以提高硬件资源利用率和提供按需服务。在多虚拟机环境下,为了保证用户性能要求,计算系统过量分配计算机资源(over provisioning),导致在实际应用中计算资源的利用率低下和大量资源的闲置。在利用虚拟化平台对用户提供服务前,对搭建的虚拟化平台进行合理的虚拟机放置,不仅可以节约成本,而且为后期虚拟化平台的运行提供很好的资源保证和资源可扩展性。针对这一情况,本文研究了基于负载特征的虚拟机放置策略。本文首先对传统的虚拟机放置策略进行了分析与研究。传统的虚拟机放置方法主要有峰值分配放置方法,平均值分配放置方法。这种策略适用于所有虚拟机放置,但会导致资源的浪费。为了针对不同负载的互补性特点,出现了虚拟机配对放置方法：一次配对峰值分配放置方法和一次配对平均值分配放置方法。不同负载的互补性分为时间互补性和空间互补性,分别表示一段时间内不同虚拟机对同一资源使用的互补性和同一时间不同虚拟机对不同资源使用的互补性。这一放置策略对于峰值分配和平均值分配造成的大量资源闲置和损失用户服务质量有了一定的改善。本文研究了虚拟机的负载特征,针对不同虚拟机的CPU资源利用率进行建模,将CPU资源利用率作为虚拟机负载特征,并提出了一种基于负载特征进行配对的虚拟机放置策略。该策略中对虚拟机队列进行预处理,屏蔽了高消耗状态的虚拟机。并且对预处理后不同的虚拟机负载进行时间互补度的检测。对于迭代配对程度的控制,提出在互补度最高的虚拟机中进行虚拟机叠加操作后进行虚拟机的饱和度检测。通过控制饱和度的值来控制是否将叠加后的虚拟机重新放入虚拟机队列进行迭代配对操作,从而达到多虚拟机的配对,充分利用闲置资源。为了验证本文提出的方案的合理性和有效性,本文在XEN虚拟化平台上利用自动评测工具httperf和autobench进行了大量实验。通过虚拟机的不同配对策略进行准确性和合理性的对比验证得出迭代配对算法的合理性,并且让虚拟机在达到满足用户服务质量目标的同时提高物理资源的利用率。实验结果表明,本文提出的策略可将资源利用率较传统方法提高37.5%,较非迭代配对方法提高12.5%。并且在使用更少的物理机的同时,保持虚拟机性能基本不变。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景和意义
• 1.2 研究现状
• 1.3 研究对象
• 1.4 本人工作
• 1.5 论文结构
• 第二章 相关工作
• 2.1 虚拟化技术
• 2.2 XEN虚拟化技术机制与体系结构
• 2.3 XEN资源分配策略与控制的方法
• 2.3.1 虚拟机CPU的调度
• 2.3.2 负载特征识别
• 2.4 评测技术
• 2.4.1 CPU利用率评测指标
• 2.4.2 自动评测工具httperf
• 2.4.3 自动评测工具autobench
• 第三章 基于负载特征的虚拟机放置策略
• 3.1 负载特征识别
• 3.1.1 负载特征分析
• 3.1.2 负载识别
• 3.2 正交多项式回归负载预测算法
• 3.2.1 正交多项式回归预测原理
• 3.2.2 正交多项式回归预测理论
• 3.2.3 虚拟机负载的正交多项式回归预测
• 3.3 皮尔森相关性识别算法
• 3.4 相关性算法准确度分析
• 3.5 相关性的虚拟机放置策略
• 3.5.1 一次配对虚拟机放置算法
• 3.5.2 迭代配对虚拟机放置算法
• 3.5.3 基于正交多项式回归预测的周期负载动态虚拟机放置算法
• 第四章 实验结果与分析
• 4.1 实验目的和配置
• 4.2 负载特征数据收集
• 4.2.1 性能评测参数
• 4.2.2 XEN虚拟机参数收集技术
• 4.2.3 实验验证技术
• 4.3 虚拟机放置策略实验结果与分析
• 4.3.1 实验负载
• 4.3.2 实验负载相关度结果与分析
• 4.3.3 一次配对实验与迭代配对实验结果对比与分析
• 4.3.4 物理资源的实验验证
• 4.3.5 系统性能对比实验
• 4.4 基于正交多项式回归预测的动态虚拟机放置仿真实验
• 4.4.1 仿真实验配置与目的
• 4.4.2 动态虚拟机放置仿真实验
• 4.4.3 基于正交多项式回归预测的随机负载动态虚拟机放置算法
• 第五章 总结与展望
• 5.1 总结
• 5.2 未来工作展望
• 致谢
• 参考文献
• 附录
• 详细摘要