没有合适的资源?快使用搜索试试~ 我知道了~
首先对虚拟机在迁移过程中,内存脏页面产生数量与不同应用特征的密切关系进行了实验验证。在感知不同的虚拟机应用特征环境的基础上,使用GM(1,N)灰色预测模型对每次迭代周期产生的内存脏页面数进行预测。同时使用残差修正进行误差调整,使预测结果更可靠,结合预测的内存脏页面数量进行网络带宽动态预留调整。实验表明:与传统的pre-copy策略相比,本方法在含网络密集型应用或内存密集应用的虚拟机迁移时,能够有效提高网络性能,降低迁移时间。
资源推荐
资源详情
资源评论
2017 年 11 月 Journal on Communications November 2017
2017268-1
第 38 卷第 Z2 期 通 信 学 报 Vol.38
No.Z2
感知应用特征与网络带宽的虚拟机在线迁移优化策略
李湘
1
,陈宁江
1,2
,杨尚林
1
,李华
1
(1. 广西大学计算机与电子信息学院,广西 南宁 530004;2. 广西大学广西多媒体通信与网络技术重点实验室,广西 南宁 530004)
摘 要:首先对虚拟机在迁移过程中,内存脏页面产生数量与不同应用特征的密切关系进行了实验验证。在感知
不同的虚拟机应用特征环境的基础上,使用 GM(1,N)灰色预测模型对每次迭代周期产生的内存脏页面数进行预测。
同时使用残差修正进行误差调整,使预测结果更可靠,结合预测的内存脏页面数量进行网络带宽动态预留调整。
实验表明:与传统的 pre-copy 策略相比,本方法在含网络密集型应用或内存密集应用的虚拟机迁移时,能够有效
提高网络性能,降低迁移时间。
关键词:虚拟机迁移;灰色预测模型;网络带宽;应用特征
中图分类号:TP393 文献标识码:A
Optimization strategy of virtual machine online
migration with awareness of application
characteristics and network bandwidth migration
LI Xiang
1
, CHEN Ning-jiang
1,2
, YANG Shang-lin
1
, LI Hua
1
( 1. School of Computer and Electronic Information, Guangxi University, Nanning 530004, China;
2. Guangxi Key Laboratory of Multimedia Communications and Network Technology, Guangxi University, Nanning 530004, China)
Abstract: Firstly the experiments to verify the relationship between the number of dirty memory pages and application
characteristics which exist in virtual machine migration was conducted. Then, different virtual machine application cha-
racteristics were perceived, with which the number of dirty memory pages produced during the migrations was predicted
by the use of GM(1,N) grey prediction model.At the same time, using residual correction to adjust error makes results
more reliable. According to the prediction of memory dirty pages, network bandwidth was adjusted and reserved. Compared
with the traditional pre-copy strategy, the given experiments show that the optimized strategy proposed can improve the per-
formance of network and reduce migratory cost for the memory-intensive and network-intensive applications.
Key words: virtual machine migration, grey prediction model, network bandwidth, application characteristic
1 引言
在线迁移是一种网络密集型活动,它要求传输
几 GB 甚至几十 GB 的虚拟机内存状态从源宿主机到
目的宿主机。目前,主流的虚拟化平台(KVM、XEN
和 VMware 等)都支持 pre-copy 算法进行在线迁移。
pre-copy 方法能够有效缩短迁移时间和提高迁移性
能,但在实际应用中,受迭代收敛性、虚拟机不同
应用特征和资源限制的影响,该方法迁移网络密集
型和内存密集型虚拟机时迁移性能并不理想。由于
pre-copy 的广泛性和可研究性,所以本文主要对
pre-copy 在线迁移方法进行优化。目前,在预测虚拟
机内存脏页面方法中都没有考虑到虚拟机应用特征
环境对虚拟机内存脏页面的影响。虚拟机的应用特
收稿日期:2017-09-14
通讯作者:陈宁江,chnj@gxu.edu.cn
基金项目:国家自然科学基金资助项目(No.61363003);国家科技支撑计划课题基金资助项目(No.2015BAH55F02);广西
自然科学基金资助项目(No.2017GXNSFAA198141)
Foundation Items: The Natural Science Foundation of China (No.61363003), The National Key Technology R&D Program of Chi-
na (No.2015BAH55F02), The Natural Science Foundation of Guangxi Province (No.2017GXNSFAA198141)
doi:10.11959/j.issn.1000-436x.2017268
·148· 通 信 学 报 第 38 卷
征指的是虚拟机应用的资源使用情况,包括 CPU 资
源使用率、内存资源使用率和 I/O 资源使用率。感知
虚拟机应用特征可以有助于研究不同虚拟机应用特
征产生内存脏页面的规律。目前,pre-copy 在线迁移
改进方法往往通过删除重复内存页面数据和压缩内
存页面、抑制相似内存页面产生等方法减少内存脏
页面的数据传输,以降低迁移时间和宕机时间。然
而上述方法往往会增加大量额外的 CPU 消耗,同时
未考虑到网络带宽环境对传输内存脏页面的影响。
针对上述问题,本文首先感知应用特征环境,
研究不同应用特征环境下产生内存脏页面的规律,
并建立 GM(1, N)灰色预测模型对含不同应用特征
的虚拟机进行内存脏页面产生数量的预测;接着,
为优化迁移性能,本文提出感知应用特征网络带宽
预留调整算法:根据内存脏页面数量和应用对外负
载量计算出所需网络带宽,并根据实际网络环境对
迁移过程中的网络带宽进行调整或者预留。这样能
够有效地减少迭代的总时间和产生内存脏页面的
数量,从而提高虚拟机迁移的性能。
2 虚拟机在线迁移优化相关研究
1) 内存脏页面率预测相关工作
在迁移过程中,传输的数据量影响着迁移的性
能。而每次迭代传输的数据量是由上一次迭代时间
内所产生的内存脏页面数量所决定的。因此,对每
个迭代周期中产生的内存脏页面数量进行有效预
测对提升虚拟机迁移有着重要意义。目前,在内存
脏页面率预测有一定的研究。获取内存脏页面采用
Hypervisor 提供的脏页面位图。常用的预测虚拟机内
存页面率的方法有:采用平均法
[1]
、加权平均数
[2,3]
、
概率法
[4]
。以上预测方法都忽略了虚拟机的应用特
征对内存脏页面产生率的影响。因此,感知虚拟机
的应用特征,本文提出基于灰色预测的内存脏页面
预测方法。选择灰色预测模型的原因是它能鉴别系
统因素之间发展趋势的相异程度,并能通过少量的
原始数据预测事物未来发展趋势的状况。
2) 在线迁移网络性能优化相关工作
在 pre-copy 迁移过程中,会有许多相同的页面
被重复复制到目的虚拟机,这样造成了复制时间的
变长。目前在迁移过程中优化网络性能已经取得
了一定的研究成果。在优化网络性能方面,主要
是基于 pre-copy、post-copy 和 hybrid 3 种典型在
线迁移方法进行改进的。主要归为以下几类:数
据删除技术
[5,6]
、内存页面压缩技术
[7~10]
、抑制空闲
内存页面
[11]
和调整网络带宽方法
[12~14]
。
从表 1 可以看出,以上改进方法都是旨在减少
迁移的内存脏页面数量,已达到降低迁移时间的目
的,而大部分研究未考虑虚拟机的应用特征环境对
内存脏页面的影响。另外,以上大部分方法都需要
消耗大量额外资源消耗,比如 CPU。因此,针对上
述的问题,本文首先对内存脏页面与虚拟机的应用
特征是否有关系进行验证;然后感知虚拟机的应用
特征环境,根据 GM(1,N)对内存脏页面产生量进行
预测,结合网络带宽环境进行网络带宽调整、预留。
与别人工作不同之处:本文感知应用特征和网络环
境的情况,能够优化网络密集型应用迁移和内存密
集型应用迁移。
3 应用特征和网络带宽对虚拟机迁移影响
分析
本节主要目的是通过实验验证应用特征和网络
带宽对虚拟机迁移的影响。在虚拟机中运行不同的应
用:内存密集型应用、CPU 密集型应用和网络密集型
应用,然后对包含这些应用的虚拟机进行在线迁移,
收集迁移过程中虚拟机应用特征、源和目的宿主机的
资源使用情况以及虚拟机迁移性能特征(包含各迭代
周期内存脏页面产生数量和迁移时间等)。通过实验
分析含不同应用特征的虚拟机和网络带宽对产生内
存脏页面和迁移总时间的影响。采用 KVM 虚拟化默
认的在线迁移方法:pre-copy 在线迁移方法。
表 1 面向网络性能优化的在线迁移改进方法对比
模型 优化类型 优化指标 特点 不足
文献[6]的 IRLM 数据删除 迁移时间 减少迁移时间和网络流量 计算每个页面的散列值,应用 QoS 下降
文献[7]的 Live gang
migration
数据删除 迁移时间网络带宽 考虑了部分内存页面内容相
似性
未考虑不同负载和不同操作系统;额外
消耗 CPU 和内存
文献[8]的 XBRL 数据压缩 宕机时间迁移时间应用 QoS 有效降低宕机和迁移时间 需要大量缓存,额外 CPU
文献[9]的 CBR 数据压缩 迁移时间网络带宽 减少迁移时间 影响应用性能,扩展性差
文献[10]的 HMDC 数据压缩 宕机时间迁移时间应用 QoS 消除了网络密集型页面容错 影响同一宿主机的应用性能,顽健性差
201
7
268-2
剩余8页未读,继续阅读
资源评论
weixin_38635682
- 粉丝: 0
- 资源: 968
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 塑料检测23-YOLO(v5至v11)、COCO、CreateML、Paligemma、TFRecord、VOC数据集合集.rar
- Python圣诞节倒计时与节日活动管理系统
- 数据结构之哈希查找方法
- 系统DLL文件修复工具
- 塑料、玻璃、金属、纸张、木材检测36-YOLO(v5至v11)、COCO、CreateML、Paligemma、TFRecord、VOC数据集合集.rar
- Python新年庆典倒计时与节日活动智能管理助手
- Nosql期末复习资料
- 数据结构排序算法:插入排序、希尔排序、冒泡排序及快速排序算法
- 2011-2024年各省数字普惠金融指数数据.zip
- 计算机程序设计员三级(选择题)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功