Đang tải... (xem toàn văn)
KỸ THUẬT DI TRÚ MÁY ẢO TRONG ĐIỆN TOÁN ĐÁM MÂYKỸ THUẬT DI TRÚ MÁY ẢO TRONG ĐIỆN TOÁN ĐÁM MÂYKỸ THUẬT DI TRÚ MÁY ẢO TRONG ĐIỆN TOÁN ĐÁM MÂYKỸ THUẬT DI TRÚ MÁY ẢO TRONG ĐIỆN TOÁN ĐÁM MÂYKỸ THUẬT DI TRÚ MÁY ẢO TRONG ĐIỆN TOÁN ĐÁM MÂYKỸ THUẬT DI TRÚ MÁY ẢO TRONG ĐIỆN TOÁN ĐÁM MÂYKỸ THUẬT DI TRÚ MÁY ẢO TRONG ĐIỆN TOÁN ĐÁM MÂYKỸ THUẬT DI TRÚ MÁY ẢO TRONG ĐIỆN TOÁN ĐÁM MÂY
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC QUỐC TẾ HỒNG BÀNG DƯƠNG CÔNG HIẾU KỸ THUẬT DI TRÚ MÁY ẢO TRONG ĐIỆN TOÁN ĐÁM MÂY Chuyên ngành : Khoa Học Máy Tính Mã số chuyên ngành : 60 48 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC TS NGUYỄN HỒNG SƠN TP HỒ CHÍ MINH – NĂM 2014 CHUẨN Y CỦA HỘI ĐỒNG BẢO VỆ LUẬN VĂN Luận văn tựa đề : “Kỹ Thuật Di Trú Máy Ảo Trong Điện Toán Đám Mây” công trình Dương Công Hiếu thực nộp nhằm thoả phần yêu cầu tốt nghiệp thạc sĩ chuyên ngành Khoa Học Máy Tính Chủ tịch Hội đồng Giảng viên hướng dẫn TS Bùi Văn Minh TS Nguyễn Hồng Sơn Ngày 03 tháng 09 năm 2014 Trưởng khoa Công nghệ Thông tin Học viện Công nghệ Bưu Chính Viễn Thông sở TP HCM Ngày 03 tháng 09 năm 2014 Ngày bảo vệ luận văn, Tp HCM, Ngày 24 tháng 08 năm 2014 Viện Đào Tạo Sau Đại Học i LÝ LỊCH CÁ NHÂN Tôi tên Dương Công Hiếu sinh ngày 10/04/1984 thành phố Hồ Chí Minh Tốt nghiệp THPT Trường THPT Gò Đen, năm 2003 Quá trình công tác : Từ 02/2008 đến 03/2014 công tác trường Cao đẳng Kinh Tế - Kỹ Thuật Sài Gòn Từ 03/2014 đến công tác trường Cao đẳng Đại Việt Sài Gòn Địa liên lạc : Số nhà 48 Lô 2, ấp 7B, xã Mỹ Yên, huyện Bến Lức, tỉnh Long An Điện thoại : 0938 391 888 Email : monitorconghieu@yahoo.com ii LỜI CAM ĐOAN Tôi cam đoan luận văn: Kỹ Thuật Di Trú Máy Ảo Trong Điện Toán Đám Mây nghiên cứu Ngoại trừ tài liệu tham khảo trích dẫn luận văn này, cam đoan toàn phần hay phần nhỏ luận văn chưa công bố hay sử dụng để nhận cấp nơi khác Không có sản phẩm/nghiên cứu người khác sử dụng luận văn mà không trích dẫn theo quy định Luận văn chưa nộp để nhận cấp trường đại học sở đào tạo khác TP HCM, ngày 26 tháng 07 năm 2014 Tác giả luận văn Dương Công Hiếu iii LỜI CẢM ƠN Sau mười hai tháng thực đề tài, bên cạnh nỗ lực cá nhân, nhận hỗ trợ nhiệt tình từ thầy hướng dẫn, đồng nghiệp bạn bè Điều giúp nhiều việc bắt kịp tiến độ đề hoàn thiện đề tài Tôi xin gửi lời cám ơn chân thành đến thầy TS Nguyễn Hồng Sơn - giảng viên hướng dẫn trực tiếp đề tài - người theo dõi sát sao, cung cấp tài liệu, góp ý, sửa chữa sai sót suốt trình thực xin gửi lời cám ơn chân thành đến: Các thầy cô khoa sau Đại học, trường Đại học Quốc Tế Hồng Bàng tận tâm giảng dạy suốt trình học, trang bị cho kiến thức tảng khả nghiên cứu; Các bạn đồng nghiệp gánh vác phần công việc; Gia đình bạn bè thân thiết quan tâm, động viên lúc khó khăn Dương Công Hiếu iv TÓM TẮT Điện toán đám mây cung cấp dịch vụ công nghệ thông tin theo hướng tiện ích đến người dùng toàn giới Dựa mô hình pay-as- you-go, cho phép lưu trữ ứng dụng phổ biến từ nhiều người dùng khác Tuy nhiên, trung tâm liệu đám mây tiêu thụ lượng lớn lượng điện dẫn đến chi phí vận hành cao thải lượng lớn khí carbon dioxide (CO2) môi trường Vì vậy, cần có giải pháp điện toán đám mây xanh không giảm thiểu chi phí hoạt động mà làm giảm tác động đến môi trường Trong đề tài này, trình bày công nghệ điện toán đám mây; công nghệ ảo hóa; nguyên lý mô hình điện toán đám mây; thuật toán di trú máy ảo điện toán đám mây Mục đích để cải thiện việc sử dụng tài nguyên tính toán dựa QoS giảm tiêu thụ lượng trung tâm liệu Các kết đề tài mô môi trường mô điện toán đám mây CloudSim Kết chứng minh mô hình điện toán đám mây có nhiều tiềm lớn mang lại lợi ích đáng kể cho nhà cung cấp tài nguyên đám mây người tiêu dùng Đồng thời, chứng minh khả cải thiện hiệu lượng tiêu thụ cao theo kịch khối lượng công việc động v ABSTRACT Cloud computing offers utility-oriented IT services to users worldwide Based on a pay-as-you-go model, it allows storage of popular applications from many different users However, cloud data centers consume large amounts of electrical power resulting in high operational costs and emit large amounts of carbon dioxide (CO2) to the environment Therefore, we need solutions to green cloud computing can not only reduce operational costs but also reduce environmental impact In this topic, presenting the cloud computing technology; virtualization technology; principles and cloud computing models; the virtual machine migration algorithm in cloud computing The aim is to improve the use of computational resources based on QoS and reduction of energy consumption in the data center The results of the study are modeled in the simulation environment CloudSim cloud The results demonstrate that cloud computing model has immense potential as it offers significant benefits for both resource providers and cloud consumers At the same time, it also demonstrated high ability in improving the efficiency of energy consumption scenarios dynamic workloads vi MỤC LỤC LÝ LỊCH CÁ NHÂN i LỜI CAM ĐOAN ii LỜI CẢM ƠN iii TÓM TẮT iv ABSTRACT v MỤC LỤC vi DANH MỤC HÌNH VẼ viii DANH MỤC HÌNH BẢNG ix DANH MỤC CÁC CHỮ VIẾT TẮT xi Chương GIỚI THIỆU 1.1 Lý chọn đề tài: 1.2 Tình hình nghiên cứu gần 1.3 Mục tiêu luận văn 1.4 Đối tượng phạm vi nghiên cứu 1.5 Phương pháp nghiên cứu Chương TỔNG QUAN HỆ THỐNG ĐIỆN TOÁN ĐÁM MÂY VÀ DI TRÚ MÁY ẢO 2.1 Tổng quan điện toán đám mây 2.1.1 Định nghĩa điện toán đám mây 2.1.2 Thiết kế lớp 2.1.3 Federation đám mây 11 2.2 Tổng quan công nghệ ảo hóa 14 2.2.1 Tổng quan công nghệ ảo hóa 14 2.2.2 Phân tầng kiến trúc ảo hóa 16 2.3 Tổng quan di trú máy ảo điện toán đám mây 19 2.3.1 Mục tiêu di trú: 20 2.3.2 Các kỹ thuật di trú máy ảo: 21 Chương THUẬT TOÁN RA QUYẾT ĐỊNH DI TRÚ MÁY ẢO 25 3.1 Giới thiệu 25 3.2 Mô hình hệ thống 26 vii 3.3 Kiến trúc CPU Multi-Core 28 3.4 Mô hình điện 28 3.5 Chi phí cho di trú máy ảo 29 3.6 Số liệu vi phạm SLA 30 3.7 Các thuật toán di trú máy ảo 31 3.7.1 Chọn máy ảo để di trú 32 3.7.2 Chọn máy chủ vật lý để di trú máy ảo đến 34 Chương ĐỀ XUẤT THUẬT TOÁN CHỌN MÁY ẢO ĐỂ DI TRÚ CẢI TIẾN 36 4.1 Giới thiệu 36 4.2 Phân tích 37 4.3 Thuật toán chọn máy ảo để di trú đề xuất 38 Chương MÔ PHỎNG VÀ ĐÁNH GIÁ THUẬT TOÁN CHỌN MÁY ẢO ĐƯỢC ĐỀ XUẤT 40 5.1 Giới thiệu 40 5.2 Mô 41 5.2.1 Tham số hệ thống 41 5.2.2 Các kịch mô kết 43 5.2.3 Phân tích đánh giá kết mô 54 KẾT LUẬN VÀ KIẾN NGHỊ 55 Kết luận 55 Kiến nghị hướng nghiên cứu 56 viii DANH MỤC HÌNH VẼ Hình 1.1 Tổng quan hệ thống Hình 2.1 Kiến trúc phân tầng điện toán đám mây .10 Hình 2.2 Đám mây mạng federated 12 Hình 2.3 Các lớp kiến trúc ảo hóa 16 Hình 2.4 Kịch cân tải consolidation máy chủ 21 Hình 3.1 Di trú máy ảo 26 Hình 3.2 Mô hình hệ thống 27 Hình 5.1 Biểu đồ so sánh số lượng máy ảo di trú ba thuật toán 52 Hình 5.2 Biểu đồ so sánh số lượng vi phạm SLA ba thuật toán 53 Hình 5.3 Biểu đồ so sánh điện tiêu thụ ba thuật toán 53 - 49 - Bảng 5.26 Kết mô kịch 6- Random Số lần lập 10 TB Điện 0,11 0,11 0,14 0,13 0,11 0,15 0,13 0,15 0,14 0,13 0,13 tiêu thụ Số máy ảo di 89 105 117 112 93 160 123 129 102 95 112,5 trú Số lượng vi 40 41 62 59 44 86 64 68 53 62 57,9 phạm SLA Bảng 5.27 Kết mô kịch Minimum Tham số Random Selection Số lượng máy ảo di trú 112,5 117,1 108 Số lượng vi phạm SLA 57,9 50,7 54,6 Điện tiêu thụ 0,13 KWh 0,124 KWh 0,124 KWh Migration Time Cải tiến 5.2.2.7 kịch 7(10 host, 20 máy ảo, 35 cloudlet) Bảng 5.28 Kết mô kịch 7-Cải tiến Số lần lập 10 TB Điện 0,14 0,13 0,12 0,12 0,12 0,14 0,12 0,12 0,13 0,11 0,125 tiêu thụ Số máy ảo di 126 124 108 82 92 125 80 91 124 81 103,3 trú Số lượng vi 57 60 40 35 45 81 42 38 54 35 48,7 phạm SLA Bảng 5.29 Kết mô kịch 7- Minimum Migration Time Số lần lập 10 TB Điện 0,14 0,13 0,15 0,13 0,13 0,15 0,15 0,14 0,13 0,13 0,138 tiêu thụ Số máy ảo di 141 92 132 109 112 121 122 125 84 93 113,1 trú Số lượng vi 67 46 70 48 46 62 67 57 41 45 54,9 phạm SLA - 50 - Bảng 5.30 Kết mô kịch 7- Random Số lần lập 10 TB Điện 0,14 0,12 0,14 0,14 0,12 0,12 0,12 0,14 0,13 0,13 0,13 tiêu thụ Số máy ảo di 115 88 102 123 108 79 104 132 95 97 104,3 trú Số lượng vi 51 50 60 52 53 39 52 73 52 48 53 phạm SLA Bảng 5.31 Kết mô kịch Minimum Tham số Random Selection Số lượng máy ảo di trú 104,3 113,1 103,3 Số lượng vi phạm SLA 53 54,9 48,7 Điện tiêu thụ 0,13 KWh 0,138 KWh 0,125 KWh Migration Time Cải tiến 5.2.2.8 kịch 8(10 host, 20 máy ảo, 40 cloudlet) Bảng 5.32 Kết mô kịch 8-Cải tiến Số lần lập 10 TB Điện 0,12 0,14 0,13 0,14 0,14 0,13 0,16 0,16 0,15 0,14 0,141 tiêu thụ Số máy ảo di 77 94 110 95 115 112 134 154 89 140 112 trú Số lượng vi 36 50 46 45 64 53 71 85 59 68 57,7 phạm SLA Bảng 5.33 Kết mô kịch 8- Minimum Migration Time Số lần lập 10 TB Điện 0,14 0,14 0,15 0,14 0,15 0,16 0,17 0,12 0,14 0,14 0,145 tiêu thụ Số máy ảo di 108 103 112 114 124 130 145 97 127 110 117 trú Số lượng vi 61 65 58 67 57 63 77 40 60 57 60,5 phạm SLA - 51 - Bảng 5.34 Kết mô kịch 8- Random Số lần lập 10 TB Điện 0,13 0,13 0,17 0,13 0,15 0,16 0,16 0,14 0,16 0,13 0,146 tiêu thụ Số máy ảo di 116 91 156 107 106 119 138 109 127 93 116,2 trú Số lượng vi 62 44 93 67 61 72 87 67 78 46 67,7 phạm SLA Bảng 5.35 Kết mô kịch Minimum Tham số Random Selection Số lượng máy ảo di trú 116,2 117 112 Số lượng vi phạm SLA 67,7 60,5 57,7 Điện tiêu thụ 0,146 KWh 0,145 KWh 0,141 KWh Migration Time Cải tiến 5.2.2.9 Kết mô Bảng 5.36 Số lượng máy ảo di trú Cải tiến Minimum Migration Time Random 73,70 65,10 71,70 119,50 113,1 108,00 103,30 112,00 79,70 71,90 81,80 127,20 114,10 117,10 113,10 117,00 79,30 81,40 78,70 137,10 113,40 112,50 104,30 116,20 Bảng 5.37 Số lượng vi phạm SLA Cải tiến Minimum Migration Time Random 32,1 28,2 36,7 43,6 42,3 54,6 48,7 57,7 35,0 30,3 38,3 49,0 48,0 50,7 54,9 60,6 32,8 37,9 42,9 56,5 47,4 57,9 53,0 67,7 - 52 - Bảng 5.38 Điện tiêu thụ Cải tiến Minimum Migration Time Random 0,068 0,074 0,094 0,097 0,103 0,124 0,125 0,141 0,074 0,080 0,099 0,099 0,112 0,124 0,138 0,145 0,072 0,082 0,096 0,113 0,115 0,130 0,130 0,146 160,00 140,00 120,00 100,00 Cải tiến 80,00 Minimum Migration Time Random Selection 60,00 40,00 20,00 0,00 Hình 5.1 Biểu đồ so sánh số lượng máy ảo di trú ba thuật toán - 53 - 80,0 70,0 60,0 50,0 Cải tiến 40,0 Minimum Migration Time Random Selection 30,0 20,0 10,0 0,0 Hình 5.2 Biểu đồ so sánh số lượng vi phạm SLA ba thuật toán 0,160 0,140 0,120 0,100 Cải tiến 0,080 Minimum Migration Time Random Selection 0,060 0,040 0,020 0,000 Hình 5.3 Biểu đồ so sánh điện tiêu thụ ba thuật toán - 54 - 5.2.3 Phân tích đánh giá kết mô Để đánh giá hiệu thuật toán đề xuất với thuật toán ramdom selection thuật toán minimum migration time Đề tài thiết lập kịch kịch cho 10 lần lặp với số lượng máy ảo cloudlet thay đổi theo kịch khác sách sử dụng cloudlet động phù hợp với môi trường thực tế điện toán đám mây Biểu đồ so sánh hình 5.1 cho ta thấy số lượng trung bình máy ảo di trú thuật toán đề xuất tốt so với hai thuật toán ramdom selection minimum migration time Biểu đồ so sánh hình 5.2 cho ta thấy số lượng trung bình vi phạm SLA thuật toán đề xuất thấp so với hai thuật toán ramdom selection minimum migration time Tuy nhiên kịch số lượng vi phạm SLA thuật toán đề xuất cao thuật toán minimum migration time, số lượng máy ảo di trú hình 5.1 lại thấp so với thuật toán minimum migration time Điều phù hợp mục tiêu thuật toán đề xuất chọn máy ảo di trú cho công suất sử dụng host cao không vượt ngưỡng trên, thuật toán minimum migration time chọn máy ảo di trú cho thời gian di trú tối thiểu Biểu đồ so sánh hình 5.3 cho ta thấy điện tiêu thụ thuật toán đề xuất tốt so với hai thuật toán ramdom selection minimum migration time Từ phân tích kết mô bên cho thấy thuật toán đề xuất làm giảm đáng kể mức tiêu thụ lượng, số lượng máy ảo di trú số lượng vi phạm SLA trung tâm liệu đám mây so với hai thuật toán ramdom selection minimum migration time - 55 - KẾT LUẬN VÀ KIẾN NGHỊ Kết luận Ba điểm mạnh lĩnh vực điện toán đám mây là: (1) đóng vai trò quan trọng việc giảm chi phí hoạt động trung tâm liệu cách giảm tiêu thụ lượng giúp phát triển ngành công nghiệp điện toán đám mây mạnh mẽ cạnh tranh; (2) người tiêu dùng ngày trở nên có ý thức môi trường Một nghiên cứu gần cho thấy trung tâm liệu đại diện cho khu vực tiêu thụ lượng lớn phát triển nhanh chóng kinh tế thải lượng đáng kể khí thải CO2 [41] Giảm thải nhà kính trọng tâm quan trọng sách lượng nhiều nước giới; (3) với tăng nhanh chóng dịch vụ, ứng dụng internet giúp cho người dùng có dịch vụ, ứng dụng tốt thông qua SLA người dùng nhà cung cấp đám mây giảm chi phí sử dụng thông qua mô hình pay-as-you-go Tập trung vào điểm mạnh lĩnh vực điện toán đám mây, đề tài nghiên cứu tổng quát công nghệ điện toán đám mây, nguyên lý mô hình điện toán đám mây, kỹ thuật sách di trú máy ảo điện toán đám mây, môi trường mô điện toán đám mây CloudSim, bao gồm thành phần cấu thành như: Trung tâm liệu, máy chủ, máy ảo, ứng dụng, người dùng, nguồn tài nguyên tính toán, thuật toán lập lịch, thuật toán xác định host tải, thuật toán xác định host tải, thuật toán xác định vị trí cho máy ảo di trú, thuật toán chọn máy ảo để di trú sách xếp cân tải hệ thống, Đồng thời sâu vào nghiên cứu sách di trú máy ảo Cụ thể là, thuật toán xác định máy chủ tải, tải, thuật toán chọn máy ảo để di trú chọn máy chủ cho máy ảo di trú tới Từ nghiên cứu trên, tác giả đề xuất thuật toán chọn máy ảo để di trú kết hợp với thuật toán MBFD chọn máy chủ cho máy ảo di trú đến Sau đó, tiến hành mô đánh giá thuật toán sử dụng công cụ CloudSim Từ kết mô đánh giá, kết luận di trú dựa ngưỡng trên, ngưỡng dưới, kết hợp với thuật toán chọn máy ảo đề xuất tắt máy chủ nhàn rỗi - 56 - làm giảm tiêu thụ lượng đáng kể so với hai thuật toán ramdom selection minimum migration time, cải thiện lượng hiệu Mục tiêu thuật toán giảm sử dụng lượng bước nhỏ hướng tới công nghệ xanh Hơn nữa, đề tài xem xét đến QoS cho người sử dụng cách giảm thiểu hành vi vi phạm SLA cho tài nguyên cân tải trung tâm liệu cách di trú máy ảo từ máy chủ tải Kiến nghị hướng nghiên cứu Hướng nghiên cứu tiến hành đánh giá thuật toán đề xuất môi trường điện toán đám mây thực Nghiên cứu kỹ thuật di trú máy ảo môi trường CloudSim sách di trú máy ảo nhiều trung tâm liệu khác dựa khoảng cách địa lý - 57 - TÀI LIỆU THAM KHẢO Tiếng Anh [1] A Weiss Computing in the clouds NetWorker, 11(4):16–25, December 2007 [2] A Mohan, S S Survey on Live VM Migration Techniques International Journal of Advanced Research in Computer Engineering & Technology (IJARCET), Volume 2, Issue 1, January 2013 [3] A Beloglazov, R Buyya Optimal Online Deterministic Algorithms and Adaptive Heuristics for Energy and Performance Efficient Dynamic Consolidation of Virtual Machines in Cloud Data Centers, Published online in Wiley Inter Science (www.interscience.wiley.com) DOI: 10.1002/cpe, Concurrency Computat.: Pract Exper 2011; 00:1–24 [4] A Kivity, Y Kamay, D Laor, U Lublin, and A Liguori KVM: The Linux virtual machine monitor, in Proceedings of the Linux Symposium, volume 1, 2007, pp 225-230 [5] A Gandhi, M Harchol-Balter, R Das, C Lefurgy Optimal power allocation in server farms Proceedings of the 11th International Joint Conference on Measurement and Modeling of Computer Systems, ACM New York, NY, USA, 2009; 157–168 [6] A Verma, G Dasgupta, T K Nayak, P De, R Kothari Server workload analysis for power minimization using consolidation Proceedings of the 2009 USENIX Annual Technical Conference, San Diego, CA, USA, 2009; 28–28 [7] A Verma, P Ahuja, A Neogi pMapper: Power and migration cost aware application placement in virtualized systems Proceedings of the 9th ACM/IFIP/USENIX International Conference on Middleware (Middleware 2008), Springer, Leuven, Belgium, 2008; 243–264 - 58 - [8] B Hu, Z Lei, Y Lei, D Xu, and J Li A time-series based precopy approach for live migration of virtual machines, in 2011 IEEE 17th International Conference on Parallel and Distributed Systems (ICPADS), pp 947-952, December 2011 [9] C Clark, K Fraser, S Hand, J G Hansen, E Jul, C Limpach, I Pratt, A Warfield Live migration of virtual machines, pages 273-286, 2005 [10] C Vecchiola, X Chu, and R Buyya, Aneka A Software Platform for NETbased Cloud Computing, High Speed and Large Scale Scientific Computing, 267-295pp, W Gentzsch, L Grandinetti, G Joubert (Eds.), ISBN: 978-160750-073-5, IOS Press, Amsterdam, Netherlands, 2009 [11] C P Sapuntzakis, R Chandra, B Pfaff, J Chow, M S Lam, and M.Rosenblum Optimizing the migration of virtual computers, In Proc of the 5th Symposium on Operating Systems Design and Implementation (OSDI02), December 2002 [12] D Perez-Botero A Brief Tutorial on Live Virtual Machine Migration From a Security Perspective, University of Princeton, USA [13] D Chappell Introducing the Azure services platform White paper, October 2008 [14] D Kusic, J O Kephart, J E Hanson, N Kandasamy, and G Jiang Power and performance management of virtualized computing environments via lookahead control, Cluster Computing, volume 12, no 1, pp 1–15, 2009 [15] D Kusic, J O Kephart, J E Hanson, N Kandasamy, G Jiang Power and performance management of virtualized computing environments via lookahead control, Proc IEEE Conf on Autonomic Computing (ICAC’08), Chicago, IL, June, pp 3-12, 2008 [16] D G Feitelson Workload modeling for performance evaluation Lecture notes in computer science 2002; 2459:114–141 - 59 - [17] E P Zaw, N L Thein Improved Live VM Migration using LRU and Splay Tree Algorithm, International Journal of Computer Science and Telecommunications, Volume 3, Issue 3, March 2012 [18] G Wei, J Liu, J Xu, G Lu, K Yu, and K Tian The on-going evolutions of power management in Xen, Intel Corporation, Tech Rep., 2009 [19] Gartner, Inc Gartner estimates ICT industry accounts for percent of global CO2 emissions 2007 [20] G Jung, K R Joshi, M A Hiltunen, R D Schlichting, C Pu Generating adaptation policies for multi-tier applications in consolidated server environments Proceedings of the 5th IEEE International Conference on Autonomic Computing (ICAC 2008), Chicago, IL, USA, 2008; 23–32 [21] G Jung, K R Joshi, M A Hiltunen, R D Schlichting, C Pu A cost-sensitive adaptation engine for server consolidation of multitier applications Proceedings of the 10th ACM/IFIP/USENIX International Conference on Middleware (Middleware 2009), Urbana Champaign, IL, USA, 2009; 1–20 [22] H Jin, L Deng, S Wu, X Shi, X Pan Live Virtual Machine Migration with Adaptive Memory Compression, 2009 IEEE [23] H Li Workload dynamics on clusters and grids The Journal of Supercomputing 2009; 47(1):1–20 [24] J G Koomey Estimating total power consumption by servers in the US and the world Lawrence Berkeley National Laboratory, Tech Rep., 2007 [25] J L Berral, Í Goiri, R Nou, F Juli, J Guitart, R Gavald, J Torres Towards energy-aware scheduling in data centers using machine learning Proceedings of the 1st International Conference on Energy-Efficient Computing and Networking, Passau, Germany, 2010; 215–224 [26] J E Smith, R Nair Virtual Machines: Versatile platforms for systems and processes Morgan Kauffmann, 2005 - 60 - [27] J Stoess, C Klee, S Domthera, and F Bellosa Transparent, power-aware migration in virtualized systems, in Proceedings of GI/ITG Fachgruppentreffen Betriebssysteme, 2007, pp 1–6 [28] L Minas, B Ellison Energy Efficiency for Information Technology: How to Reduce Power Consumption in Servers and Data Centers Intel Press, 2009 [29] L Lef`evre and A.-C Orgerie Designing and evaluating an energy efficient Cloud, The Journal of Supercomputing, Volume 51, no 3, pp 352–373, 2010 [30] M Jeffrey, Galloway, L Karl, Smith, S Susan, Vrbsky Power aware load balancing for Cloud Computing, in Proc of the World Congress on Engineering and Computer Science 2011 Volume 1, October 19-21, WCECS 2011 [31] M Cardosa, M Korupolu, A Singh Shares and utilities based power consolidation in virtualized server environments Proceedings of the 11th IFIP/IEEE Integrated Network Management (IM 2009), Long Island, NY, USA, 2009 [32] M Yue A simple proof of the inequality FFD (L)< 11/9 OPT (L)+ 1,for all l for the FFD bin-packing algorithm, Acta Mathematicae Applicatae Sinica (English Series), Volume 7, no 4, pp 321–331, 1991 [33] P Barham, B Dragovic, K Fraser, S Hand, T Harris, A Ho, R Neugebauer, I Pratt, and A Warfield Xen and the art of virtualization, in Proceedings of the 19th ACM Symposium on Operating Systems Principles (SOSP), 2003, pp 16–177 [34] P Barford, M Crovella Generating representative web workloads for network and server performance evaluation ACM SIGMETRICS Performance Evaluation Review 1998; 26(1):151–160 [35] R Nathuji, K Schwan Virtualpower: Coordinated power management in virtualized enterprise systems ACM SIGOPS Operating Systems Review - 61 - 2007; 41(6): 265-278 [36] R Buyya, C S Yeo, S Venugopal, J Broberg, and I Brandic Cloud Computing and Emerging IT Platforms: Vision, Hype, and Reality for Delivering Computing as the 5th Utility Future Generation Computer Systems, 25(6): 599-616, Elsevier Science, June 2009 [37] R Buyya, R Ranjan, and R N Calheiros InterCloud: Utility-Oriented Federation of Cloud Computing Environments for Scaling of Application Services Proceedings of the 10th International Conference on Algorithms and Architectures for Parallel Processing (ICA3PP 2010, Springer, Germany), Busan, South Korea, May 21-23, 2010 [38] R N Calheiros, R Ranjan, A Beloglazov, C A F De Rose, and R Buyya (January 2011) CloudSim: A Toolkit for Modeling and Simulation of Cloud Computing Environments and Evaluation of Resource Provisioning Algorithms, Software: Practice and Experience, Volume 41, Number 1, Pages: 23-50, ISSN: 0038-0644, Wiley Press, New York, USA [39] R K Raj, G J Leelipushpam Live Virtual Machine Migration Techniques – A Survey, International Journal of Engineering Research & Technology (IJERT), ISSN: 2278-0181, Volume Issue 7, September – 2012 [40] S Srikantaiah, A Kansal, F Zhao Energy aware consolidation for cloud computing Cluster Computing 2009; 12:1–15 [41] S Akoush, R Sohan, A Rice, A W.Moore, A Hopper Predicting the Performance of Virtual Machine Migration, The 18th Annual meeting of the IEEE International Symposium on Modeling, Analysis and Simulation of Computer and Telecommunication systems (MASCOTS’10), Miami, USA August 2010 [42] S Kumar, V Talwar, V Kumar, P Ranganathan, K Schwan vManage: Loosely coupled platform and virtualization management in data centers Proceedings of the 6th international conference on Autonomic computing - 62 - (ICAC 2009), Barcelona, Spain, 2009; 127–136 [43] Ts`epoMofolo, R Suchithra Heuristic Based Resource Allocation Using Virtual Machine Migration: A Cloud Computing Perspective (Print) 23191821, International Refereed Journal of Engineering and Science (IRJES), PP.40-45, ISSN (Online) 2319-183X,Volume 2, Issue 5(May 2013) [44] VMware Inc vSphere resource management guide, Tech Rep., 2009 [45] W Voorsluys, J Broberg, S Venugopal, and R Buyya Cost of virtual machine live migration in Clouds: A performance evaluation, in Proceedings of the 1st International Conference on Cloud Computing (CloudCom), 2009, pp 1–12 [46] Xen and the art of virtualization Proceeding of the 19th ACM Symposium on Operating Systems Principles(SOSP 2003), Bolton Landing, NY, USA [47] X Fan, W D Weber, and L A Barroso Power provisioning for a warehouse-sized computer, in Proceedings of the 34th Annual International Symposium on Computer Architecture (ISCA), 2007, pp 13–23 [48] X Zhu, D Young, B J Watson, Z Wang, J Rolia, S Singhal, B McKee, C Hyser, D Gmach, R Gardner, et al 1000 islands: Integrated capacity and workload management for the next generation data center Proceedings of the 5th International Conference on Autonomic Computing (ICAC 2008), Chicago, IL, USA, 2008; 172–181 Internet [49] http://www.virtualizationteam.com/server-virtualization/live-migration-vsquick-migration.html [50] http://aws.amazon.com/ec2/instance-types/ - 63 - Giảng viên hướng dẫn Học viên thực Nguyễn Hồng Sơn Dương Công Hiếu Nơi công tác: Học Viện Công Nghệ Bưu Chính Viễn Thông [...]... phân tích lý thuyết của các thuật toán di trú máy ảo, kết hợp thực nghiệm trong môi trường mô hình và mô phỏng điện toán đám mây CloudSim Từ những phân tích và thực nghiệm như trên đưa ra thuật toán đề xuất và đánh giá nó -8- Chương 2 TỔNG QUAN VỀ HỆ THỐNG ĐIỆN TOÁN ĐÁM MÂY VÀ DI TRÚ MÁY ẢO 2.1 Tổng quan về điện toán đám mây 2.1.1 Định nghĩa điện toán đám mây Điện toán đám mây có thể được định nghĩa... đặt và đánh giá thuật toán chọn máy ảo để di trú dùng bộ thư viện CloudSim Đề xuất thuật toán mới và thực nghiệm qua mô phỏng 1.4 Đối tượng và phạm vi nghiên cứu Nghiên cứu công nghệ điện toán đám mây, Nghiên cứu nguyên lý và mô hình điện toán đám mây, Nghiên cứu các thuật toán xác định host quá tải, host dưới tải, host cho máy ảo di trú tới, chọn máy ảo để di trú trong điện toán đám mây Nghiên cứu... cũng hỗ trợ di trú máy ảo offline và live, có thể được thừa hưởng bởi power-aware động, các thuật toán tập hợp máy ảo Di trú máy ảo được sử dụng để di chuyển một máy ảo giữa các máy chủ vật lý Di trú - 18 - offline di chuyển một máy ảo từ một máy chủ khác bằng cách ngưng, sao chép nội dung bộ nhớ của máy ảo, và sau đó nối lại các máy ảo trên máy chủ đích Di trú live cho phép chuyển một máy ảo mà không... việc khác nhau 1.3 Mục tiêu của luận văn Mục tiêu của luận văn là nghiên cứu các kỹ thuật chọn máy ảo để di trú trong môi trường điện toán đám mây Các vấn đề cần nghiên cứu trong di trú máy ảo gồm: Khi nào di trú máy ảo (1) di trú máy ảo từ máy chủ bị quá tải để tránh suy giảm hiệu suất dịch vụ; (2) di trú máy ảo từ máy chủ dưới tải để cải thiện việc sử dụng các nguồn tài nguyên và giảm thiểu tiêu... gian tốt nhất để di trú máy ảo để giảm thiểu tiêu thụ năng lượng, trong khi vẫn đáp ứng các ràng buộc về QoS Chọn máy ảo nào để di trú Một khi quyết định di trú máy ảo từ một máy chủ được thực hiện, nó là cần thiết để chọn một hoặc nhiều máy ảo từ danh sách máy ảo được phân bổ cho các máy chủ Vấn đề là xác định máy ảo nào để di trú mà có lợi cho hệ thống nhất Nơi để các máy ảo di trú đến Xác định... mại 2.3 Tổng quan về di trú máy ảo trong điện toán đám mây Di trú máy ảo cho phép di chuyển các máy ảo từ máy chủ vật lý này sang máy chủ vật lý khác, nhưng vẫn đảm bảo không có bất kì sự gián đoạn nào hay cảm nhận thời gian downtime trong những phiên kết nối truy cập - 20 - 2.3.1 Mục tiêu của di trú: Di trú máy ảo chủ yếu là để thực hiện quản lý tài nguyên động và tiết kiệm điện năng tiêu thụ tại... 2.3.2 Các kỹ thuật di trú máy ảo: Kỹ thuật di trú quick Di trú quick là di trú các máy ảo giữa các máy chủ vật lý khác nhau trong cluster và thời gian di chuyển phụ thuộc vào số lượng bộ nhớ được gán cho máy ảo cùng với kết nối mạng giữa các máy chủ vật lý và lưu trữ chia sẻ Máy ảo với số lượng bộ nhớ lớn nhưng với kết nối mạng chậm sẽ mất nhiều thời gian để hoàn thành di trú so với các máy ảo khác có... trường mô phỏng điện toán đám mây CloudSim, bao gồm các thành phần cấu thành như: Trung tâm dữ liệu (Datacenter), máy chủ (host), máy ảo (Virtual machines), ứng dụng (application), người dùng, nguồn tài nguyên tính toán, thuật toán lập lịch, thuật toán xác định host quá tải, thuật toán xác định host dưới tải, thuật toán xác định vị trí mới cho máy ảo khi di trú, thuật toán chọn máy ảo để di trú và các chính... gian của di trú Kỹ thuật di trú máy ảo này có những hạn chế sau: Sinh ra thời gian chết Tổng thời gian di trú phụ thuộc vào kích thướt bộ nhớ máy ảo Làm gián đoạn hoạt động của dịch vụ Chỉ di trú trên cluster Sử dụng kho lưu trữ chia sẻ để cho phép cả hai máy chủ nguồn và đích truy cập vào khu vực lưu trữ Kỹ thuật di trú live Di trú live các máy ảo cho phép một quản trị viên máy chủ di chuyển... này hỗ trợ hơn nữa trong việc thực hiện hiệu quả sử dụng SLA thông qua di trú trong suốt trong trường hợp dịch vụ ứng dụng đám mây liên bang Một mô hình điện toán đám mây lai là một sự kết hợp của các đám mây riêng với đám mây công cộng Đám mây riêng và công cộng chủ yếu khác nhau về các loại quyền sở hữu và quyền truy cập mà họ hỗ trợ Truy cập vào các nguồn tài nguyên điện toán đám mây riêng bị hạn