CloudStack基于KVM的AutoScale研究與實現(xiàn).pdf

1、AutoScale技術(shù)不僅可以幫助云計算服務(wù)商提升硬件資源的利用率、改進客戶體驗，而且可以為用戶減少成本、真正地使云端資源達到按需所用的目的。隨著KVM虛擬化技術(shù)的迅速發(fā)展，當(dāng)前CloudStack社區(qū)開發(fā)的基于XenServer的AutoScale技術(shù)逐漸無法滿足技術(shù)與市場的雙重需求，其不支持當(dāng)前流行的開源KVM虛擬機監(jiān)控程序;監(jiān)控算法性能差，響應(yīng)延遲高、系統(tǒng)吞吐量小;此外，其對應(yīng)的基本網(wǎng)絡(luò)負載均衡算法過于簡單，不能達到負載均衡的目的

2、，負載失衡現(xiàn)象時有發(fā)生。如何有效的解決上述問題是當(dāng)前業(yè)界研究的熱點之一。
　　本文的研究工作圍繞以上目標(biāo)展開，研究基于KVM虛擬機監(jiān)控程序上的AutoScale方案。論文主要內(nèi)容如下:
　　1.提出了基于多命令的AutoScale監(jiān)控算法。由于基于XenServer的AutoScale監(jiān)控算法響應(yīng)延遲高、監(jiān)控數(shù)據(jù)一致性差，不能根據(jù)虛擬機的負載情況快速地對硬件資源進行分配與回收，造成了硬件資源的閑置與浪費。本文提出的基于多命令

3、的AutoScale監(jiān)控算法，有效地解決了上述問題。通過與基于單命令的監(jiān)控算法的比較實驗結(jié)果表明，基于多命令的監(jiān)控算法顯著地減少了監(jiān)控系統(tǒng)的響應(yīng)延遲，提高了監(jiān)控數(shù)據(jù)的一致性。
　　2.提出了基于動態(tài)反饋的加權(quán)輪詢負載均衡算法模型。由于AutoScale的實施需要負載均衡予以支撐，并且當(dāng)前CloudStack提供的負載均衡算法性能較差，系統(tǒng)吞吐量較小、響應(yīng)時間長、無法達到負載均衡的目的。本文提出了一種基于動態(tài)反饋的加權(quán)輪詢算法模型，

4、有效地提升了系統(tǒng)的吞吐量、減少了負載失衡現(xiàn)象。通過三種不同負載情況下的實驗結(jié)果表明，該方案在響應(yīng)時間和吞吐量上比傳統(tǒng)的輪詢法、加權(quán)輪詢法性能更好。
　　3.實現(xiàn)了基于KVM的AutoScale功能模塊。由于當(dāng)前CloudStack的AutoScale技術(shù)并不支持KVM虛擬機監(jiān)控程序，此外，其響應(yīng)延遲高、系統(tǒng)吞吐量小、容易引起負載失衡現(xiàn)象。本文將基于虛擬機內(nèi)部的監(jiān)控策略和基于多命令的監(jiān)控算法以及基于動態(tài)反饋的加權(quán)輪詢負載均衡算法結(jié)合