基于IaaS云平臺(tái)的性能評測與建模方法研究.pdf

1、隨著云計(jì)算與大數(shù)據(jù)技術(shù)的發(fā)展，全球涌現(xiàn)了越來越多的IaaS(Infrastructure as a Service)云計(jì)算平臺(tái)。IaaS云計(jì)算應(yīng)用場景廣泛，例如眾多高校通過使用IaaS云平臺(tái)來減少機(jī)房在硬件上的投入，公司搭建IaaS私有云滿足其快速增長的業(yè)務(wù)對云平臺(tái)計(jì)算能力和存儲(chǔ)能力的需求。IaaS云平臺(tái)廣泛的應(yīng)用催生了針對IaaS云平臺(tái)的性能評測方法與工具的研究熱點(diǎn)。眾多研究者針對不同的應(yīng)用場景下設(shè)計(jì)出各式各樣的云平臺(tái)性能評測工具。通

2、過這些云平臺(tái)性能評測工具，有效地實(shí)現(xiàn)了對各種云平臺(tái)的性能評估以及管理。
　　在部署IaaS云平臺(tái)時(shí)，IaaS云平臺(tái)構(gòu)建者需要估計(jì)出虛擬機(jī)個(gè)數(shù)以及每臺(tái)虛擬機(jī)運(yùn)行的任務(wù)，從而規(guī)劃在IaaS云平臺(tái)的性能容量。然而，當(dāng)前眾多云平臺(tái)性能評測工具中尚不能有效實(shí)現(xiàn)對于云平臺(tái)所能開啟的最大虛擬機(jī)個(gè)數(shù)的預(yù)測功能。因此，本文提出了面向IaaS云平臺(tái)的性能評測工具。通過該評測工具，實(shí)現(xiàn)了對IaaS云平臺(tái)的性能數(shù)據(jù)的采集和分析，從而預(yù)測出云平臺(tái)能開啟的最

3、大虛擬機(jī)個(gè)數(shù)，幫助用戶完成對IaaS云平臺(tái)投入的預(yù)算。
　　本文中把云平臺(tái)中虛擬機(jī)的配置、虛擬機(jī)的工作負(fù)載作為影響云平臺(tái)開啟最大虛擬機(jī)的兩個(gè)關(guān)鍵因素。根據(jù)實(shí)驗(yàn)獲得這些關(guān)鍵因素的樣本數(shù)據(jù)，從而建立了多元線性回歸模型和支持向量機(jī)回歸模型。此外，本文所實(shí)現(xiàn)的云平臺(tái)性能評測工具對IaaS云平臺(tái)上進(jìn)行測試，通過模型之間的擬合誤差和預(yù)測誤差的對比，把基于高斯徑向基的支持向量機(jī)模型作為云平臺(tái)性能評測工具的預(yù)測模型。
　　具體來說，本文主要

4、貢獻(xiàn)如下：
　　(1)本文基于大量云平臺(tái)性能評測工具的研究分析，分析這些性能評測工具的特點(diǎn)及其適用的不同應(yīng)用場景。
　　(2)針對云平臺(tái)性能建模自變量的選取問題，本文發(fā)現(xiàn)云平臺(tái)中虛擬機(jī)的配置、虛擬機(jī)的工作負(fù)載是影響云平臺(tái)開啟最大虛擬機(jī)個(gè)數(shù)的因素。通過IaaS云平臺(tái)的性能評測工具收集和分析云平臺(tái)性能數(shù)據(jù)，并且通過不同建模模型之間的對比，本文選取了支持向量機(jī)模型作為IaaS性能預(yù)測模型。
　　(3)本文實(shí)現(xiàn)了IaaS云平臺(tái)