云计算中虚拟资源性能度量的指标和方法研究

In cloud computing, Infrastructure as a Service (IaaS) model generally provides computing resources to users in the form of virtual machines. A virtual machine has a certain amount of computing and storage capacity.Users rent one or more virtual machines according to the application’s requirments, and pay for the resources according to the performance results measured by the provider. Now the performance measurement of the virtual machines in cloud computing is simple and inaccurate. This proposal proposes to study the performance measurement of the virtual machines in cloud computing to guide the allocation of resources and application deployments. The study is based on analysis of the characteristics of the underlying hardware architecture, resources competition between virtual machines, and deployments of the virtual machines, combined with experiments, to establish a characteristic model of the underlying hardware and software platforms, to develop a system of performance metrics, reflecting the processing capability, isolation, stability, availability, and other performance characteristics of the virtual machine. Then a standardized performance measurement model is constructed, providing a set of standardized units to measure the performance of a single virtual machine and the overall performance of multiple virtual machines working together. Based on the measurements, we will study the virtual machine deployment strategies according to the user’s requirements and the measurement results.

基础设施即服务（IaaS）的云计算服务模式一般以虚拟机的形式向用户提供计算资源，一个虚拟机具有一定的计算能力和存储容量，用户根据自己的计算需求租用虚拟机，按照资源提供方对虚拟机的性能度量数据支付费用。目前对云计算中虚拟机性能的度量方式存在度量指标粗糙、度量结果不准确等问题。本项目拟研究云计算中虚拟机的性能度量指标和度量方法。通过分析底层硬件特征、虚拟机间资源竞争关系、多虚拟机部署方式等影响性能的因素，建立云计算底层软硬件平台特征模型，制定全面的性能度量指标系统，反映虚拟机的处理能力、性能隔离度、稳定性、可用性等性能特征。进一步提供标准化的度量单位，计量单个虚拟机独立运行的性能和多个虚拟机联合工作的整体性能。最终的度量结果能指导用户合理选择云计算资源，指导资源提供方准确分配资源、合理部署服务，保证资源的服务质量，提高资源的利用率。在此基础上，根据用户应用需求和度量结果研究虚拟机部署策略。

在基础设施即服务（IaaS）的云计算服务中，用户根据自己的计算需求，参照资源提供方描述的虚拟机性能，租用适当的虚拟机。本项目主要研究云计算中虚拟机的性能度量方法。从虚拟机软硬件配置及运行时环境等方面提取影响性能的特征，利用贝叶斯网模型、随机森林模型等方式建模描述虚拟机特征与性能的关系，能够评估及预测特定虚拟机的性能。其中，基于贝叶斯网的虚拟机性能评估方法，能够以概率的形式量化虚拟机的性能波动的范围和程度，体现了虚拟化环境中性能的不确定性；基于随机森林的虚拟机性能预测方法，能够用较少的训练数据得出较为准确的性能预测结果。在多虚拟机性能评估方面，利用含隐变量的贝叶斯网模型对多虚拟机运行时环境特征及虚拟机间资源竞争引起的虚拟机性能下降程度之间的关系进行建模，度量的结果能够反映虚拟机之间的性能干扰，并给出这种性能下降的波动程度和范围。此外，在研究过程中我们发现，当同一台虚拟机运行不同类型的应用时，会呈现出不同的性能，因此，为了更准确的度量虚拟机性能，并更合理的分配资源，还开展了基于资源访问偏好的应用分类研究，通过数十个基准测试程序的资源访问特征数据样本训练一个基于拉普拉斯特征加权的贝叶斯分类器，当要部署一个未知应用时，在试运行阶段采样其资源访问特征，以此完成分类，并按照分类结果部署应用，使得同一台物理主机上合理配置不同资源访问偏好的应用，提高物理主机的资源利用率，并获得较高的整体性能。进一步，开展了虚拟机部署和资源分配的研究，利用特征-性能模型，由用户的性能需求，推理得到多种能满足用户需求的资源配置，进一步选取最低开销的资源配置。此外，还进行了基于拍卖方式的云计算虚拟资源分配和定价机制研究及基于聚类遗传算法的虚拟机放置决策研究等资源分配相关的内容。