导读:本文包含了多虚拟机论文开题报告文献综述及选题提纲参考文献，主要关键词:PTP,虚拟机,linux,KVM
多虚拟机论文文献综述
黄振中,王浩[1]（2018）在《KVM下多虚拟机间高精度时间同步的设计与实现》一文中研究指出笔者提出了一种KVM下多虚拟机间高精度时间同步的设计方法,在Linux系统上利用linuxptp开源IEEE1588V2软件和Chrony时间同步工具搭建整个系统,首先用linuxptp:ptp4l同步网卡时间,然后用linux:phc2将网卡时间同步给系统时间,最后虚拟机中的Chronyd工具以/dev/ptpx作为时间源进行同步,利用系统调用Hypercall访问宿主机的系统时间。整个软件流程实现了高精度的时间同步,可以达到微秒级别的对时精度。(本文来源于《信息与电脑(理论版)》期刊2018年19期）
李晓燕,李建志,李京忠[2]（2018）在《多虚拟机协同计算在虚拟药物筛选中的应用研究》一文中研究指出基于分子对接的虚拟筛选方法已成为计算机辅助药物研究领域的一项重要技术,在揭示药物与机体标靶的作用机制以及药品研发过程中发挥着非常大的作用。使用传统的分子对接方法进行虚拟药物筛选,其操作流程复杂,无法实现自动对接以及计算结果自动收集。本文介绍的基于多虚拟机协同计算虚拟药物筛选平台,通过动态任务调度和脚本控制技术,采用分布式架构设计,实现了对接软件的自动操控和计算结果的自动收集,有效减少了筛选时间,大幅提高了筛选效率。(本文来源于《中国医药导报》期刊2018年16期）
李阳[3]（2017）在《云计算中多虚拟机交互的虚拟机部署位置选择策略研究》一文中研究指出云计算以其低廉的硬件设备服务,高质量的服务体验,大大降低了企业购买大型服务器的成本和相应的维护费用。这也使得越来越多的企业将自身的多种业务迁移到云计算平台。企业通过云计算平台提供的基础设施即服务Iaa S,按需提出自己的资源请求。云中心根据企业的需求为企业分配足够的资源供其使用。Iaa S以虚拟机,即云服务器的形式,向用户提供资源。云中心控制器为这些云服务器选择合适的物理主机,作为放置云服务器的目标主机,这就是虚拟机部署位置选择问题。同时企业下辖业务之间并不是相互独立,业务之间是相互支撑协同完成任务,这些相交互云服务器构造了虚拟局域网。为这些云服务器选择目标主机位置,这就是本文研究的多虚拟机交互的虚拟机部署位置选择策略问题。选择最佳用于放置虚拟机的目标主机即为虚拟机部署位置选择策略的目标。该问题是一个多维装箱问题,是NP难问题,也是选择优化问题。本文从优化问题角度对问题进行分析求解。选择最小化电能消耗、最小化资源损耗作为其中两个目标,由于虚拟机之间组成了虚拟局域网,还要兼顾最小化网络通信开销,组成一个多目标优化问题。考虑到启发式群智能算法在解决多目标优化问题方面有着巨大的优势,本文将从群智能算法的角度给出研究问题的详细解过程。为实现快速高效的多虚拟机交互的虚拟机部署,同时折中实现对多个目标的优化,本文算法首先对虚拟机请求按照交互关系进行合理化分组,将资源请求重新组合成多组虚拟机集合请求,然后使用引入变异算子的标准粒子群优化算法,以适应度函数为度量值,搜寻最优放置方案。分组对虚拟机请求集合进行求解,这样避免了其他虚拟机请求对当前虚拟机集合产生的不利影响,能够更加合理的为虚拟机分配资源。变异算子避免了局部极值。适应度函数综合考虑了能耗、资源利用和虚拟机间交互产生的通信开销。最终提出本文研究的算法。为实现多虚拟机交互的虚拟机位置选择方案,采用以Cloud Sim云平台仿真平台为基础,Fat-Tree网络拓扑作为数据中心的底层架构,实现本文提出的启发式分组变异粒子群算法。该算法不仅能够避免局部极值的情况,还能避免不同虚拟机集合间在资源分配时产生的相互影响。同时使用SDN作为云平台的网络架构,测试不同的策略下虚拟机交互的时间延迟。为此,本文研究内容如下:首先,研究Cloud Sim模拟器,掌握平台的基本结构和功能,为编写模拟程序打下基础。其次,研究相关的群智能优化算法,特别是粒子群优化算法以及相应的改进算法。然后研究SDN的基本原理、控制模块以及Fat Tree拓扑结构。最后,在Cloud Sim平台实现粒子群算法,同时使用虚拟网络环境测试网络延迟。在上述工作的基础上,实现本文提出的启发式分组变异粒子群算法。根据云平台可用剩余资源,为多虚拟机分配目标主机,保证通信开销最小、资源利用率最大化,然后在虚拟网络环境下验证不同策略下的网络延迟。通过测试验证,启发式分组变异粒子群算法,保证了网络开销最小和全局最优解。(本文来源于《吉林大学》期刊2017-05-01）
刘永花,杨丽娜,王静宇[4]（2016）在《联邦云马尔可夫链多虚拟机并行迁移》一文中研究指出针对虚拟机(VM)迁移过程中,迁移时间和停机时间对用户使用感受的影响,从提高网络服务质量降低网络运行成本角度出发,提出一种基于联邦云马尔可夫链多虚拟机并行迁移策略.首先,对传统的虚拟机顺序迁移过程进行研究,并研究构建出多虚拟机情况下的并行迁移过程,给出其迁移时间和停机时间计算模型.然后,将多虚拟并行迁移构思为一个泊松分布过程,并基于马尔可夫链构建多虚拟并行迁移的数学分析模型.最后,通过实验,给出模型参数对多虚拟并行迁移过程的影响,并且对比了顺序迁移过程的迁移时间、停机时间及网络成本,验证了并行迁移过程在处理大数据迁移中的优势.(本文来源于《小型微型计算机系统》期刊2016年08期）
崔勇,林予松,刘炜,高山,王宗敏[5]（2016）在《多虚拟机实时迁移中自适应的迁移算法选择框架》一文中研究指出IaaS云计算平台中主要通过实时迁移多台虚拟机来实现资源的动态调度、管理与优化。虽然Pre-copy和Post-copy是单虚拟机实时迁移的两种主流算法,且各有优缺点,但现有的多虚拟机实时迁移系统只是单一地使用其中一种迁移算法,无法根据各虚拟机的不同负载情况灵活选择最有效的迁移算法,降低了整体迁移效率。提出一种自适应的实时迁移算法选择框架,利用模糊聚类方法对待迁移的多虚拟机进行分类,按类别选择最适合的迁移算法。实验结果表明,所提出的迁移算法选择框架能够在多虚拟机实时迁移中发挥两个迁移算法的各自优势,有效提高整体的实时迁移性能。(本文来源于《计算机科学》期刊2016年08期）
崔勇,林予松,李润知,王宗敏[6]（2016）在《基于合作博弈的多虚拟机实时迁移带宽分配机制》一文中研究指出Iaa S云计算平台采用虚拟机实时迁移技术进行资源动态调度和管理。在实际应用场景下,需要并行实时迁移多个虚拟机。由于实时迁移算法本身以最大利用带宽的方式进行数据传输,存在着迁移进程间竞争带宽的问题,无法保证带宽全局最优分配,影响整体迁移的性能。提出一种基于合作博弈的多虚拟机实时迁移带宽分配机制,将带宽分配问题建模为一个纳什议价,通过求解纳什议价解得到帕累托最优的带宽分配方案,并在实际的虚拟化平台上进行了实现。实验结果表明,相比标准的并行实时迁移,所提出的带宽分配机制能够公平有效地分配带宽,提高了并行实时迁移的性能。(本文来源于《通信学报》期刊2016年04期）
徐骁麟[7]（2016）在《面向多虚拟机应用的基础设施云服务性能优化机制研究》一文中研究指出随着云计算的广泛普及,大量应用迁移至云环境,应用和用户规模大幅增长,给云应用提供良好的性能保障变得越来越必要。基础设施云具有低成本与高扩展性优势,基于其开展应用性能优化机制研究具有重要的学术意义和应用前景。基础设施云所涉及的复杂资源管理机制及其与生俱来的高动态特征给应用性能优化带来了巨大挑战。首先,虚拟机作为封装应用的基本容器,其较慢的创建速度严重损害了应用部署和扩展效率,而其性能又直接影响并制约了应用的整体性能;其次,虚拟机对资源的高度共享使应用性能的公平性难以得到有效保障,尤其是传统网络“best-effort”的资源供给方式无法保障网络性能的公平,从而使得诸多应用性能优化机制失效;再次,云的高度动态性增加了应用性能评测难度,传统的评测机制无法有效应对这种特性,评测结果错误率较高,从而使得无法高效和准确地优化应用性能。针对上述挑战,面向多虚拟机应用的基础设施云服务性能优化机制研究从多虚拟机应用的性能需求、性能公平性需求、性能评估需求等方面入手,通过扩展应用镜像格式和存储方式、构建应用公平性模型和用户行为模型、增强虚拟机部署和调度效率等方法,从多角度深入论述了多虚拟机应用性能优化的相关理论和关键技术。具体而言,主要提出了以下理论和方法:1.一种基于增量技术的应用快速部署和自动扩容机制:通过将“写复制”的增量技术引入到虚拟机创建过程,消除了虚拟机与镜像拷贝间的紧耦合关系。通过共享镜像的方法大幅减少了多台虚拟机并行创建时的数据传输量,有效提高多虚拟机应用的创建效率。引入一种自动化扩容方法,采用对用户透明的扩容框架和灵活的扩容规则,有效提高了应用扩容的及时性和自动化程度。通过与传统的应用部署方法和扩容策略进行比较,结果证实提出的优化机制将虚拟机的部署时间缩减至低于5秒,将应用的写性能提高了24%-38%,相对于其他机制将性能退化降低了13%-17%。2.一种基于区域存储的应用镜像组织管理机制:将数据缓存技术引入虚拟机镜像,增加了镜像格式的灵活性。进一步提出分层的镜像存储方法,最大限度地发挥了各层镜像的功能和性能。提出了区域存储机制来提高缓存利用效率,从而提高应用性能,并提出了服务器磁盘聚合的方法来更加高效和兼容的实现区域存储。同时,提出了一种机制友好的应用虚拟机放置方法,显着提高了区域存储内缓存数据的命中率。通过与传统的应用镜像组织管理方法进行比较,结果表明,所提出的机制在一般情况下将应用性能提高了100%,并在采用机制友好的虚拟机部署策略时将应用性能提高了10倍以上。同时,机制的可扩展性和可用性也在多种情景下得到了验证。3.一种基于虚拟机调度的应用性能公平性保障机制:通过对传统带宽公平保障机制的分析,构建了面向响应时间的性能指标,构建了应用性能公平性模型。考虑多虚拟机应用的事务复杂性,提出了面向事务的公平性保障方法,避免了传统面向组件方法难以有效用于多虚拟机应用的问题。基于公平性模型,提出了一种通过虚拟机调度保障应用性能公平的方法。该方法聚合应用虚拟机,并改善虚拟机的放置位置,以最大程度提高公平性指标。实验结果表明,基于虚拟机调度的应用性能公平性保障机制将应用性能公平性程度提高了26.5%-52.8%,同时避免了应用性能的下滑。4.一种基于用户行为模型的应用性能自动化评估机制:通过对传统用户行为模型的重构,形成了一种考虑事务特征的用户行为模型。基于该重构策略,给出了模型自动化转化方法,能够及时高效得到改进的用户行为模型。同时,根据基础设施云架构和应用架构提出了一种自动化性能评估框架。该框架有效避免了由基础设施云的高动态性和多虚拟机应用的高扩展性所导致的人工评测效率显着下降的问题。通过与传统性能评估方法比较,实验结果表明,所提出的应用性能评估方法与基于传统用户行为模型的方法相比,将评估错误率降低了50%,并且实现了评估过程的自动化。上述机制和方法贯穿于多虚拟机应用性能优化的各个方面。既包括对虚拟机结构、部署策略、扩容机制的研究,又包括对应用性能公平模型、用户行为模型的设计。这些研究结合真实云环境中的主流机制以及学术界公认的优化机制进行了大量实验验证,结果证实所提出的机制和方法是可行的、高效的。(本文来源于《华中科技大学》期刊2016-01-01）
何利,李付荣[8]（2015）在《云数据中心多虚拟机并行迁移带宽重分配策略》一文中研究指出针对云计算环境下数据中心多虚拟机并行迁移性能问题,提出了一种云数据中心多虚拟机并行迁移带宽重分配策略。从理论上推导出了并行迁移带宽重分配方案,通过分析不同带宽分配方案对迁移性能的影响,采用拉格朗日乘数法求解优化的带宽重分配方案。通过对多虚拟机并行迁移过程的模拟,实验结果分析表明,采用带宽重分配策略进行多虚拟机并行迁移能够显着改善多虚拟机并行迁移的性能,更好地满足云数据中心绿色节能、系统维护和故障恢复的实际需求。(本文来源于《计算机应用研究》期刊2015年11期）
刘典型[9]（2015）在《多虚拟机下基于内存缓存的动态块迁移算法》一文中研究指出虚拟化技术为用户提供了高可用性、动态、可扩展、可按需分配的逻辑资源,虚拟机迁移技术则减弱了虚拟化初次分配资源后物理资源和逻辑资源的耦合程度,使得物理资源池构建更为灵活。然而现存的虚拟机迁移技术存在着资源消耗多,物理磁盘负载重,迁移数据冗余等问题,使得迁移的稳定性和可用性大打折扣。提出基于内存缓存的动态块迁移算法。该算法主要关注以下两点:其一是如何在保证迁移性能不受明显影响的前提下,更加合理利用内存缓存,快速将虚拟机页面迁移到目的服务器,从而节省物理资源;其二是如何通过更细粒度的资源管理方式实现更有针对性的迁移时机优化。基于QEMU虚拟机实现了该算法,多种不同应用负载下的实验结果表明,该算法能有效降低资源消耗和物理磁盘的负载,稳定且迅速地实现虚拟机的迁移。(本文来源于《计算机应用与软件》期刊2015年03期）
夏栋梁,王建玺,赵伟艇[10]（2015）在《云环境下基于多虚拟机的在线视频监控系统设计》一文中研究指出针对常规视频监控系统在线实时性不强,海量视频数据传输迟滞,任务管理单一等问题,提出了构建在云计算环下基于多虚拟机技术在线视频监控系统;利用云计算平台中的物理资源与服务资源提升在线视频监控系统数据处理能力,虚拟机可同时处理大量的视频监控数据,并将视频数据以云存储的方式存储于云端服务器,降低了设备建设成本,可根据不同用户需求定制相关服务;本系统基于云计算平台设计,应用数十台乃至数百台虚拟机对在线视频监控数据进行处理,设计实现了云平台下在线视频监控系统的结构设计、以太网通信接口设计、服务器硬件配置和虚拟机控制;在软件设计方面通过对各虚拟机资源利用率的计算而动态分配资源,从而可以有效减少网络传输系统状态信息的带宽开销;通过系统功能与性能测试表明,在常规公共网络10 M带宽的情况下,本系统在线视频监控数据的传输延迟时间相比于传统视频监控减少了85%以上,监控视频数据量减少了75%以上。(本文来源于《计算机测量与控制》期刊2015年01期）
多虚拟机论文开题报告
（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：
基于分子对接的虚拟筛选方法已成为计算机辅助药物研究领域的一项重要技术,在揭示药物与机体标靶的作用机制以及药品研发过程中发挥着非常大的作用。使用传统的分子对接方法进行虚拟药物筛选,其操作流程复杂,无法实现自动对接以及计算结果自动收集。本文介绍的基于多虚拟机协同计算虚拟药物筛选平台,通过动态任务调度和脚本控制技术,采用分布式架构设计,实现了对接软件的自动操控和计算结果的自动收集,有效减少了筛选时间,大幅提高了筛选效率。
（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。
多虚拟机论文参考文献
[1].黄振中,王浩.KVM下多虚拟机间高精度时间同步的设计与实现[J].信息与电脑(理论版).2018
[2].李晓燕,李建志,李京忠.多虚拟机协同计算在虚拟药物筛选中的应用研究[J].中国医药导报.2018
[3].李阳.云计算中多虚拟机交互的虚拟机部署位置选择策略研究[D].吉林大学.2017
[4].刘永花,杨丽娜,王静宇.联邦云马尔可夫链多虚拟机并行迁移[J].小型微型计算机系统.2016
[5].崔勇,林予松,刘炜,高山,王宗敏.多虚拟机实时迁移中自适应的迁移算法选择框架[J].计算机科学.2016
[6].崔勇,林予松,李润知,王宗敏.基于合作博弈的多虚拟机实时迁移带宽分配机制[J].通信学报.2016
[7].徐骁麟.面向多虚拟机应用的基础设施云服务性能优化机制研究[D].华中科技大学.2016
[8].何利,李付荣.云数据中心多虚拟机并行迁移带宽重分配策略[J].计算机应用研究.2015
[9].刘典型.多虚拟机下基于内存缓存的动态块迁移算法[J].计算机应用与软件.2015
[10].夏栋梁,王建玺,赵伟艇.云环境下基于多虚拟机的在线视频监控系统设计[J].计算机测量与控制.2015