虚拟计算环境下的软件自愈机理和方法研究

To cope with the phenomena of software in multi-server virtualized system and improve system availability, this project focuses on proactive software rejuvenation mechanism and methods. By studying key technologies, such as performance monitoring, performance analysis, and performance recovery, and solving key issues of constructing aging profiles and rejuvenation analytical models, and accumulating the experience in the application of key technologies, a integrated rejuvenation solution comes into being. Further, taking the open source virtual machine monitor XEN as a test platform, a testbed with rejuvenation is developed to validate the effectiveness of the above key technologies and solution. The main creative contributions include : 1) provides a multi-dimensional performance monitoring and analysis method to improve the analysis precision; 2) put forward a formal analytical model to make rejuvenation decision; 3) provides a transparent multi-level performance recovery method for users, which uses the warm-reboot mechanism for the VMM rejuvenation, the state migration mechanism for the VMs hosted on the same VMM, and the live VM migration mechanism that is a inherent characteristic. The expected findings will be a good reference for developing a VMM with rejuvenation, and provide a new idea to ensure virtualized systems high available.

本项目旨在关注软件衰退现象，以多服务器虚拟化系统为研究对象，研究主动的、预防性的自愈机制，提高系统性能。探索性能监测、性能分析及性能恢复等技术，重点突破衰退剖面和自愈分析模型构建两个关键问题，并研究上述技术在自愈过程中的综合实施方法，以逐步构造完整的自愈解决方案。以开源的虚拟机监视器XEN平台为载体，构建试验床，开发具备自愈功能的原型系统，开展关键技术实例验证。创新之处在于：1)探索一种多维度的性能监测机理和性能分析方法，克服传统性能监控关注点单一而导致的性能评价片面的缺陷，提高性能分析和量化的准确性；2)探索形式化自愈分析模型，解决自愈决策这一难点问题；3)探索一种多粒度性能恢复方法，通过VMM温重启、同宿主VMs安全状态迁移和跨宿主VM在线迁移，实现用户透明的性能恢复。本课题的研究成果将为研制融合自愈功能的VMM提供可供借鉴的经验，为虚拟化系统性能保障研究提供新的研究方法。

本项目旨在关注软件衰退现象，以多服务器虚拟化系统为研究对象，研究主动的、预防性的自愈机制，提高系统性能。探索性能监测、性能分析及性能恢复等技术，重点突破衰退剖面和自愈分析模型构建两个关键问题，并研究上述技术在自愈过程中的综合实施方法，以逐步构造完整的自愈解决方案。以开源的虚拟机监视器XEN 平台为载体，构建试验床，开发具备自愈功能的原型系统，开展关键技术实例验证。.取得的重要研究成果有：1）建立了虚拟化系统衰退指标体系，设计并实现了监测系统，验证了监测系统对于被测系统的性能开销增加值小于4%，并通过实验分析了各个指标对于衰退的贡献度，发现CPU、IO、内存、网络是四个最重要的一级指标，且贡献度依次降低。2）将虚拟化计算系统的各个节点采集的监测数据作为数据流，设计了面向多数据流的异常检测框架，研究了多种异常检测方法，在选取合适参数的情形下，检测精度高于95%。3）建立了自愈分析模型，为制定影响自愈策略有效性的多个因素提供了评估依据，能优化自愈策略；提出了基于虚拟机在线迁移的性能恢复方法，优化了虚拟机迁移过程中的内存迁移方法，结合理论模型的自愈策略，提升了系统可用性。4）设计并实现了集性能监测、衰退分析、性能恢复、故障注入为一体的自愈试验床，为持续改进各个关键技术和方法的参数调优、方法验证提供了平台支持。代表性的研究成果发表在SCI收录的国际知名期刊上3篇，出版了专著1部，申请发明专利5项，登记了软件著作权3项，培养了博士和硕士研究生8名。.本课题的研究成果为研制融合自愈功能的VMM 提供可供借鉴的经验，为虚拟化系统性能保障研究提供新的研究方法。