云環(huán)境下基于負載預測的虛擬機遷移機制研究.pdf

1、云計算作為一種新型計算模式，將計算、存儲、服務等資源遷移到云端，通過對這些資源進行集中、靈活的配置和管理，提高資源利用率、服務可靠性和系統(tǒng)靈活性。云計算系統(tǒng)呈現(xiàn)出高可靠性、高容錯性、動態(tài)可擴展性、按需服務等特點，受到學術界和IT界的廣泛關注。
　　虛擬化技術是云計算的基礎支撐技術，而虛擬機遷移技術是實現(xiàn)云資源靈活配置、管理的關鍵技術之一。其中，虛擬機遷移的時機和目標節(jié)點的選擇是虛擬機遷移技術解決的兩個核心問題，該兩個問題的解決決定

2、著虛擬機遷移的性能，并進一步直接影響云計算系統(tǒng)整體的性能表現(xiàn)。
　　在虛擬機遷移時機選擇方面，目前主要采用被動響應的遷移策略，存在滯后性和性能開銷大等不足。事實上，云計算系統(tǒng)可以看作典型的社會-技術系統(tǒng)（Socio-Technical System,STC），即信息系統(tǒng)不再是單純的技術系統(tǒng)，而是與人類社會系統(tǒng)交融在一起。因此，本文認為虛擬機的遷移策略不僅要從技術角度考慮當前計算機的負載，還有必要考慮人類社會行為的規(guī)律性，并根據(jù)此規(guī)

3、律性對計算機負載進行預測，實現(xiàn)虛擬機的主動遷移，從而降低虛擬機遷移對服務性能的影響。
　　在目標節(jié)點選擇方面，目前虛擬機遷移策略主要采用隨機選擇空閑資源剩余少的節(jié)點進行遷移，在批量遷移過程中存在性能不高的問題。本文將虛擬機批量遷移過程中目標節(jié)點選擇的問題看作是組合優(yōu)化的問題，并基于智能算法對其進行研究。
　　論文的主要工作包括如下幾個方面。
　　1.針對人類社會行為呈現(xiàn)出的趨勢性、季節(jié)性、隨機性等特征，以及任務請求達到

4、峰值時對系統(tǒng)性能造成的影響，提出了面向周期性任務請求的LF-HW（Lord Forcast-Holt Winters,LF-HW）服務器熱點檢測模型。LF-HW模型首先基于Holt-Winters三次指數(shù)平滑預測模型對云計算環(huán)境下的任務請求量進行預測，然后根據(jù)設計的策略對預測出的任務請求量做出響應，即判斷是否需要進行虛擬機預遷移，如果需要進行虛擬機預遷移還需要求解遷移虛擬機的數(shù)量、遷移的位置和時間等信息。最后，通過擴展和編譯云計算仿真平

5、臺CloudSim，對LF-HW模型進行仿真實驗，驗證LF-HW熱點檢測模型的有效性及其負載均衡能力。
　　2.針對在虛擬機批量遷移過程中，傳統(tǒng)隨機選擇空閑資源剩余少節(jié)點的遷移策略存在性能不高和無法實現(xiàn)組合最優(yōu)化的問題，設計了基于改進粒子群優(yōu)化算法的虛擬機遷移選擇策略。選擇策略通過定義匹配距離定量虛擬機和服務器的剩余性能適應度，以及服務器剩余性能規(guī)避列表，避免虛擬機所占用的資源超過服務器資源上限，并達到組合優(yōu)化的目標。通過仿真實驗