《雲計算中虛擬資源性能度量的指標和方法研究》是依託雲南大學，由張彬彬擔任負責人的國家自然科學基金專項基金項目。
基本介紹
- 中文名：雲計算中虛擬資源性能度量的指標和方法研究
- 負責人：張彬彬
- 依託單位：雲南大學
- 項目類型：專項基金項目
項目摘要,結題摘要,
項目摘要
基礎設施即服務（IaaS）的雲計算服務模式一般以虛擬機的形式向用戶提供計算資源，一個虛擬機具有一定的計算能力和存儲容量，用戶根據自己的計算需求租用虛擬機，按照資源提供方對虛擬機的性能度量數據支付費用。目前對雲計算中虛擬機性能的度量方式存在度量指標粗糙、度量結果不準確等問題。本項目擬研究雲計算中虛擬機的性能度量指標和度量方法。通過分析底層硬體特徵、虛擬機間資源競爭關係、多虛擬機部署方式等影響性能的因素，建立雲計算底層軟硬體平台特徵模型，制定全面的性能度量指標系統，反映虛擬機的處理能力、性能隔離度、穩定性、可用性等性能特徵。進一步提供標準化的度量單位，計量單個虛擬機獨立運行的性能和多個虛擬機聯合工作的整體性能。最終的度量結果能指導用戶合理選擇雲計算資源，指導資源提供方準確分配資源、合理部署服務，保證資源的服務質量，提高資源的利用率。在此基礎上，根據用戶套用需求和度量結果研究虛擬機部署策略。
結題摘要
在基礎設施即服務（IaaS）的雲計算服務中，用戶根據自己的計算需求，參照資源提供方描述的虛擬機性能，租用適當的虛擬機。本項目主要研究雲計算中虛擬機的性能度量方法。從虛擬機軟硬體配置及運行時環境等方面提取影響性能的特徵，利用貝葉斯網模型、隨機森林模型等方式建模描述虛擬機特徵與性能的關係，能夠評估及預測特定虛擬機的性能。其中，基於貝葉斯網的虛擬機性能評估方法，能夠以機率的形式量化虛擬機的性能波動的範圍和程度，體現了虛擬化環境中性能的不確定性；基於隨機森林的虛擬機性能預測方法，能夠用較少的訓練數據得出較為準確的性能預測結果。在多虛擬機性能評估方面，利用含隱變數的貝葉斯網模型對多虛擬機運行時環境特徵及虛擬機間資源競爭引起的虛擬機性能下降程度之間的關係進行建模，度量的結果能夠反映虛擬機之間的性能幹擾，並給出這種性能下降的波動程度和範圍。此外，在研究過程中我們發現，當同一台虛擬機運行不同類型的套用時，會呈現出不同的性能，因此，為了更準確的度量虛擬機性能，並更合理的分配資源，還開展了基於資源訪問偏好的套用分類研究，通過數十個基準測試程式的資源訪問特徵數據樣本訓練一個基於拉普拉斯特徵加權的貝葉斯分類器，當要部署一個未知套用時，在試運行階段採樣其資源訪問特徵，以此完成分類，並按照分類結果部署套用，使得同一台物理主機上合理配置不同資源訪問偏好的套用，提高物理主機的資源利用率，並獲得較高的整體性能。進一步，開展了虛擬機部署和資源分配的研究，利用特徵-性能模型，由用戶的性能需求，推理得到多種能滿足用戶需求的資源配置，進一步選取最低開銷的資源配置。此外，還進行了基於拍賣方式的雲計算虛擬資源分配和定價機制研究及基於聚類遺傳算法的虛擬機放置決策研究等資源分配相關的內容。
