导读:本文包含了虚拟机管理器论文开题报告文献综述及选题提纲参考文献，主要关键词:5G,网络切片,NFV管理和编排,虚拟网络功能管理器映射
虚拟机管理器论文文献综述
徐一凡,孟旭东[1]（2019）在《5G网络切片中的虚拟网络功能管理器映射算法》一文中研究指出5G网络通过基于网络功能虚拟化(NFV)的切片技术来实现对不同应用场景下的网络需求,而切片中的不同类型的网络服务和虚拟网络功能分别由NFV的管理与编排(MANO)框架中的网络功能虚拟化编排器(NFVO)和虚拟网络功能管理器(VNFM)负责管理。针对在切片的实际部署中,NFVO和VNFM因为延迟以及VNF负载变化而产生的性能问题,建立了一个基于成本的整数线性规划(ILP)最优化模型,并提出了一种基于禁忌搜索的VNFM映射算法,旨在符合切片性能要求的同时最大限度地降低切片的运营成本。该算法利用禁忌算法能够通过灵活地记忆避免迂回搜索,而快速找到全局最优解的特性,找出在切片中VNFM的最佳映射策略。实验结果表明,该算法能够明显提高切片网络资源利用率和降低切片网络的运营成本。(本文来源于《计算机技术与发展》期刊2019年03期）
银伟,杨春雷,周红建[2]（2018）在《基于虚拟机管理器层次的客户机行为监测系统》一文中研究指出对位于客户机层次的虚拟机蜜罐进行监测能让安全人员全面掌控攻击者的行为,而位于客户机层次的监测系统容易被识别,为此提出基于虚拟机管理器层次的客户机行为监测系统,对系统进行设计、实现和实验验证,从多个维度隐蔽地,有效地跟踪客户机操作系统的执行路线和系统行为,且对客户机来说是透明的。客户机与监测环境完全隔离,客户机不能对监测环境进行修改,保证监测数据的完整性和安全性。(本文来源于《计算机工程与设计》期刊2018年06期）
顾武雄[3]（2017）在《Windows Server 2012 Hyper-V 虚拟机管理秘诀》一文中研究指出Windows Server 2012/R2已成为了全球最多企业使用的云端操作系统(Cloud OS),其中内置的强大虚拟化平台Hyper-V 3.0便是关键。通过本文,您将学习到在Hyper-V平时的维护与管理中,最常使用到的各项活用秘诀,让准备部署私有云端系统的IT人员更加顺手。(本文来源于《网络安全和信息化》期刊2017年05期）
伍世杨[4]（2016）在《基于Solaris的虚拟机管理平台设计与实现》一文中研究指出设计并实现一个基于Solaris系统的虚拟机管理平台,该系统的作用是对Solaris Container中的虚拟机Zone进行管理。为了实现目标,本项目需要解决两个问题:节点脆弱性和低可扩展性。由于采用Solaris Zone虚拟化技术,本项目通过使用代理模式,避免了无代理模式固有的脆弱性与可扩展性低的问题,从而提高了系统的健壮性与可扩展性。(本文来源于《佛山科学技术学院学报(自然科学版)》期刊2016年04期）
张骏雪[5]（2016）在《面向大规模图数据处理的虚拟机管理系统研究与实现》一文中研究指出随着电子商务、移动互联网、物联网等技术的进一步发展,数据的规模、产生速度、复杂性均日益增长,标志着人类社会已经进入了大数据时代。随着数据之间的联系变得更加紧密、依赖关系更加复杂,部分数据的分布模式逐渐具有图的特征。传统的大数据处理技术,如MapReduce批处理框架不适用于关系复杂、需要多次迭代的图数据。谷歌的Pregel系统通过并行化的思想,并行地进行顶点计算,大大提高了计算性能,为大规模图数据处理提供了新的思路。现有大规模图数据处理的研究工作均基于Pregel的思想,部分解决了大规模图数据处理的问题,但仍存在如下的问题：一方面忽略了未隔离应用间的资源竞争而造成的性能衰减；另一方面则忽略了应用各阶段对资源的弹性需求而造成的性能下降或者资源浪费问题。为了解决以上的问题,本硕士论文将虚拟化技术引入图数据处理中,通过深入分析图数据处理过程的执行特性,并结合虚拟化良好的进程隔离性以及灵活的资源弹性可管理性,提出面向应用的图划分以及资源分配与调度机制,实现根据应用的具体执行模式来进行资源的弹性供给,以提高图数据处理系统的整体执行效率。综上所述,本论文从以下四个方面开展研究工作：首先,研究大规模图数据处理应用执行模式的抽取和分析机制。基于开源类Pregel系统进行二次开发,完成对应用执行模式的抽取,并建立执行模式与底层资源需求间的映射关系,为后续虚拟资源的分配与调度提供可靠的理论依据,是本文研究工作的基础。其次,研究应用感知的大规模图数据划分方法。大规模图数据划分是并行计算的前提。本文在虚拟化环境中,根据应用的执行模式,对图数据进行合理地划分,从而减少网络通讯并且实现负载均衡。对图数据进行合理地划分一方面有助于更好地进行资源分配与调度,另一方面可以提升应用的执行性能。再次,研究面向应用执行模式的虚拟资源分配与调度机制。基于执行模式与底层资源需求的映射关系,设计面向应用的虚拟资源分配与调度机制,根据上层应用执行模式对资源进行细粒度的分配与调度,在保证上层应用性能的前提下提高资源利用率。最后,通过部署Openstack软件以实现虚拟化环境,在此基础上,实现了相关理论的研究工作,设计并开发了大规模图数据处理平台nutcat以集成应用特征抽取模块,应用感知的超块划分模块以及面向应用执行模式的虚拟资源分配与调度模块,并部署于东南大学云计算中心(SEU CLOUD)真实环境中。通过在真实的东南大学云计算中心环境中的实验结果表明,本文提出的应用感知的大规模图数据划分方法以及面向应用执行模式的虚拟资源分配与调度机制可以显着地提高应用的执行性能并提升虚拟资源利用率,并为大数据应用与虚拟化环境相结合提供了面向应用进行资源分配与调度的新思路。(本文来源于《东南大学》期刊2016-06-16）
王岗[6]（2016）在《校园云平台中的虚拟机管理机制的研究与实现》一文中研究指出随着云计算技术的广泛应用,其为解决传统的高校数据中心建设中出现的基础设施利用率低、运维成本高、设备孤岛等问题提供了一个更好的解决方案——校园云。然而在校园云的实际应用环境中,某一时间段内,由于服务器负载过高导致大量虚拟机动态迁移,这不仅会浪费网络带宽资源,而且会造成服务器的不稳定所带来的业务中断。分析原因可知,校园云不同于传统云平台,传统云平台中的虚拟机往往承担关键业务系统的运行,其运行周期长,稳定性较高。而校园云根据应用特点分为科研型和教学型两类应用,科研型虚拟机的运行往往由科研人员工作性质决定,虚拟机需要在某一时间段运行稳定,具有非周期性特点。教学型虚拟机的运行往往由高校教学日程决定,具有周期性特点。因此需要根据高校的特点和需求设计合理的虚拟机调度机制。本文从虚拟机的运行时间角度出发,分析科研和教学这两种类型虚拟机的共同特性,以负载均衡为目标,将负载合理分配到各个计算节点上,避免各节点的CPU、内存的负载不均所造成的虚拟机大量迁移。具体研究工作和主要贡献如下：(1)提出了校园云平台中科研和教学应用虚拟机调度机制的理论模型首先对教学和科研应用需求进行抽象,提出了请求资源模型、时间模型、需求模型,定义了负载率、负载集合等概念。(2)提出了校园云平台中科研和教学应用虚拟机调度算法本文综合考虑科研和教学应用虚拟机负载特性,为解决传统虚拟机调度机制所造成的集群负载不均问题,提出了“先计算物理机预测负载,再均衡部署”的部署原理以及“以负载均衡为目标,降低物理机高负载”的动态调度策略。(3)设计了校园云平台系统架构并进行了系统实现根据本文所提出的虚拟机调度机制,设计了校园云平台的系统逻辑架构,该架构主要包括平台界面、资源管理及服务、运维监控、资源接口、软硬件基础设施。根据此逻辑架构,搭建了高可用、可扩展性、多节点的OpenStack云平台,最终通过Dasein Cloud开源接口实现了DeCloud-chasis校园云平台虚拟机管理系统。实验表明,本文提出的虚拟机调度机制保证了教学和科研应用需求,并充分利用云主机资源,在云主机之间实现负载均衡。(本文来源于《北方工业大学》期刊2016-05-23）
何嘉,彭商濂[7]（2016）在《云数据中心虚拟机管理研究综述》一文中研究指出云中心的虚拟资源管理是云计算提供者提供快速有效服务的重要保障,虚拟机管理是云中心资源管理的主要研究方向之一。该文首先对云中心虚拟资源相关研究现状进行深入调查和分析;讨论了云数据中心虚拟机放置调度方法(预留分配、即需分配、现货分配);综述了虚拟机动态在线迁移技术、服务器整合技术。最后指出云中心虚拟机管理的未来重要研究方向:分布式的虚拟机放置算法、虚拟机网络的拓扑结构、虚拟机资源使用模式探索和热能相关的动态虚拟机整合策略,以便为云数据中心虚拟机管理及研究提供有益的参考。(本文来源于《电子科技大学学报》期刊2016年01期）
马倩[8]（2015）在《面向校园云平台的虚拟机管理调度方法研究》一文中研究指出信息技术的快速发展、教育改革的不断深化推动了高校信息化建设步伐。由于建设过程中数据中心大多以服务器和SAN存储连接方式为基础,一个应用系统部署在一个或多个服务器上,所以导致了基础设施利用率低、实验室设备孤岛等问题。云计算技术的兴起为改善高校信息化建设过程中的这些问题提供了一种可行的方案——校园云。校园云主要是利用虚拟化技术整合、虚拟物理资源,实现对资源的动态调配和按需使用。校园云的应用场景和教学活动结合较紧密,教学应用具有周期性、可预测性、批量性等传统应用不具备的特点,而当前的虚拟机调度机制未考虑校园教学应用负载的特征,造成了很多不必要的虚拟机迁移,以及由此带来的负载不均和资源浪费。本文旨在解决上述问题,提出了一种针对校园云平台教学应用特点的虚拟机调度方法及系统,具体研究工作和主要贡献如下：(1)提出了校园云平台教学应用调度问题的理论模型首先对教学应用调度问题进行了抽象,将该问题归纳为多目标优化问题；然后提出了课程需求模型、物理机负载模型。课程需求模型被定义为一个六元组,该模型是对教学应用负载的抽象,解决了传统模型无法有效利用课程信息进行判断决策的问题。物理机负载模型被定义为一个5*5*16的叁维矩阵,用以描述物理机上所部署的课程虚拟机详情。它在传统模型基础上进行了扩展,可描述虚拟机的使用时间、某一时间段的最大资源利用率,有助于进行更精确的调度。(2)提出了校园云平台中教学应用的调度策略和算法为解决未考虑教学应用特征的虚拟机调度机制带来的负载不均和资源浪费,本文提出了针对教学应用批量性、周期性、可预测性的调度策略,提出了“先集中,再分散”的部署原理以及“先平衡,后节能”的动态调度原理,定义了吻合度、部署优先值、迁移优先值、负载判定值等算法判定参数,最终提出了课程虚拟机静态部署算法以及动态调度算法。(3)提出了校园云平台教学应用的调度系统架构并且进行了系统实现根据本文提出的面向校园云平台的调度方法,设计了调度系统架构。该架构主要由用户请求模块、数据存储模块、虚拟机调度模块以及虚拟机控制模块组成。并且最终在开源IaaS平台OpenStack为基础的校园云平台上实现了调度系统。实验验证表明,本文提出的调度方法可在保证教学应用需求的同时,减少物理服务器使用数量,并使物理机集群实现负载均衡,达到了多目标优化的目的。(本文来源于《北方工业大学》期刊2015-06-30）
朱红印[9]（2015）在《海洋云平台虚拟机管理及部署技术的研究与实现》一文中研究指出云计算技术引发了信息产业技术领域的一场革命,已经成为当前产业界和学术界的研究热点。虚拟化技术由于具有增强系统弹性及扩展性和提高资源利用率等诸多优势而成为云计算的核心技术,而虚拟机管理及部署技术又是虚拟化领域的关键技术。如何采.用合适的策略和算法,将虚拟机快速部署到云平台下的物理节点上,并且使虚拟机在集群上面高效稳定地运行,已成为虚拟机管理和部署的重要课题。现有的部署策略及算法由于其考虑因素比较单一,容易出现系统负载不均衡和资源利用率低的问题,因此,难以满足海洋云计算的实际需求。针对这一问题,本课题结合国家海洋公益性行业科研专项“海洋环境信息云计算与云服务体系框架应用研究”的实际需要,就虚拟机资源管理及部署技术展开深入研究,主要做了以下这些工作。(1)通过对现有虚拟机部署算法进行深入地研究,针对现有虚拟机部署算法存在资源利用率较低、负载不均衡等问题,提出一种基于特征匹配的虚拟机部署算法。该算法综合考虑了物理节点的内存、CPU等资源,并基于资源特征的余弦相似度和欧几里德距离来进行资源匹配,实现了虚拟机多目标优化部署。与传统的部署算法相比,该算法提高了资源利用率,具有更好的负载均衡效果,同时具有较好的节能效果。(2)结合本文提出的虚拟机部署算法,设计实现了虚拟机自助管理框架,实现虚拟机部署过程的自动化,可以达到系统整体负载均衡和节能的目标。通过对开源的虚拟化管理工具的深入研究,设计实现了一套虚拟机自助申请系统,使用户可以基于Web来实现自助申请虚拟机,查看已经申请到的虚拟机,并且可以进行登陆、关闭、删除虚拟机等相关管理功能,减轻管理员负担,提高了系统运维效率。(3)基于实际应用对所提出的基于特征匹配的虚拟机部署算法的有效性进行了测试,并且与首次适应算法进行了对比。实验结果表明本文提出的虚拟机部署算法能取得更好的负载均衡效果,提高了资源利用率,同时取得了较好的节能效果。另外,对虚拟机自助申请系统进行了功能测试,包括虚拟机申请、虚拟机列表、以及虚拟机开机启动等相关管理功能,结果表明该系统达到了设计目标和要求。(本文来源于《东北大学》期刊2015-06-01）
黄海峰,宋爱波,樊维,张鸿[10]（2015）在《数据中心多目标虚拟机管理研究》一文中研究指出通过建立起资源使用、服务器热点与电源能耗叁者的统一优化模型,设计多目标虚拟机动态管理系统,协同优化资源使用、服务器热点和电源能耗,以使得数据中心的效益达到最优.鉴于数据中心负载流量的动态波动性,采用基于滑动窗口的两级状态检测策略来决策迁移虚拟机时刻,基于多目标统一优化模型设计相应算法来解决迁移虚拟机和目的主机的选择问题.最后在Xen虚拟机平台上测试该系统,实验结果表明:本文设计的虚拟机动态管理方法能够较好地协同优化数据中心的资源使用、服务器热点和电源能耗,使得数据中心的效益达到最优.(本文来源于《华中科技大学学报(自然科学版)》期刊2015年05期）
虚拟机管理器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对位于客户机层次的虚拟机蜜罐进行监测能让安全人员全面掌控攻击者的行为,而位于客户机层次的监测系统容易被识别,为此提出基于虚拟机管理器层次的客户机行为监测系统,对系统进行设计、实现和实验验证,从多个维度隐蔽地,有效地跟踪客户机操作系统的执行路线和系统行为,且对客户机来说是透明的。客户机与监测环境完全隔离,客户机不能对监测环境进行修改,保证监测数据的完整性和安全性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
虚拟机管理器论文参考文献
[1].徐一凡,孟旭东.5G网络切片中的虚拟网络功能管理器映射算法[J].计算机技术与发展.2019
[2].银伟,杨春雷,周红建.基于虚拟机管理器层次的客户机行为监测系统[J].计算机工程与设计.2018
[3].顾武雄.WindowsServer2012Hyper-V虚拟机管理秘诀[J].网络安全和信息化.2017
[4].伍世杨.基于Solaris的虚拟机管理平台设计与实现[J].佛山科学技术学院学报(自然科学版).2016
[5].张骏雪.面向大规模图数据处理的虚拟机管理系统研究与实现[D].东南大学.2016
[6].王岗.校园云平台中的虚拟机管理机制的研究与实现[D].北方工业大学.2016
[7].何嘉,彭商濂.云数据中心虚拟机管理研究综述[J].电子科技大学学报.2016
[8].马倩.面向校园云平台的虚拟机管理调度方法研究[D].北方工业大学.2015
[9].朱红印.海洋云平台虚拟机管理及部署技术的研究与实现[D].东北大学.2015
[10].黄海峰,宋爱波,樊维,张鸿.数据中心多目标虚拟机管理研究[J].华中科技大学学报(自然科学版).2015
标签：5G; 网络切片; NFV管理和编排; 虚拟网络功能管理器映射;