基于KVM的虚拟机在线迁移策略研究

作     者：李子钰 

作者单位：上海交通大学 

学位级别：硕士

导师姓名：吴刚

授予年度：2016年

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：虚拟机在线迁移 在线迁移策略 迁移时间预测模型 KVM 

摘      要：虚拟化技术是云计算平台的基础。云计算环境中,有大量的虚拟机同时运行以支持高并发、高可靠的业务需求,如何根据具体的业务目的高效、节省资源地管理云计算环境中的虚拟机是一个非常值得研究的方向。虚拟机的在线迁移(live migration)作为云计算环境中计算资源管理的重要手段,非常适合这个研究方向。虚拟机在线迁移技术是在确保虚拟机正常运行的同时,将该虚拟机系统从一个物理主机迁移到另一个物理主机的过程,这个过程不会对最终用户的使用造成明显的影响。在线迁移适用于对虚拟机服务可用性要求很高的场合,例如动态负载均衡(dynamic load balancing)、服务器整合(server consolidation)、容错(fault tolerance)等方面。目前,不管学术界和工程界都有很多人在讨论虚拟机在线迁移技术,有对虚拟机在线迁移实现方法的研究[1],[2],[3],[4],[5],[6]也有对虚拟机在线迁移实际应用的研究[7],[8],[9],[10]。许多虚拟化软件(Vmware,Xen,KVM)都提供了虚拟机实时迁移的技术。可见虚拟机实时迁移技术在当下是一个热门研究方向。研究优化的虚拟机在线迁移策略的研究意义在于:可以在完成迁移目的同时减少迁移带来的开销,降低云计算平台的运营成本。为了优化虚拟机在线迁移策略,本课题将以减少在线迁移的时间开销为主要手段。我们首先从预测在线迁移的时间开销出发,根据在线迁移的Pre-Copy算法,通过归纳影响迁移时间的因子,使用统计的方法,提出了基于内存working set的迁移时间预测模型。经过测试,该模型预测迁移时间的准确率在90%以上,具有实际应用价值,这也是本论文中最具原创性的一部分。之后,基于迁移时间开销的预测模型,我们分别提出了两种业务场景下的在线迁移策略,一种策略针对负载均衡和容错,另一种策略针对服务器整合。同时,考虑到Post-Copy算法在内存变脏速率过大的迁移场景中相比Pre-Copy算法的优越性,我们使用Post-Copy算法优化了迁移策略。最后,我们通过实验将优化后的迁移策略和随机迁移的策略进行比较,优化后的策略可以节省35%--50%的迁移时间和网络流量开销,非常有助于降低云计算平台的运营成本。