版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、相對于傳統(tǒng)虛擬化技術(shù)而言,輕量級虛擬化技術(shù)提供了一種更為輕簡的虛擬機部署與管理模式。以容器為典型代表的輕量級虛擬化技術(shù),推動了PaaS的發(fā)展、且有利于更廣泛地進行云部署。
在此背景下,本文對傳統(tǒng)虛擬機的實時遷移算法以及Docker容器虛擬化技術(shù)進行了深入的研究。在傳統(tǒng)虛擬機實時遷移算法方面,本文主要學(xué)習(xí)研究了Pre-copy算法、Post-copy算法、基于Pre-copy算法的多種改進算法等等;而在Docker容器虛擬化技術(shù)
2、方面,本文深入學(xué)習(xí)研究了Docker系統(tǒng)的體系架構(gòu)以及工作原理,特別是Docker的三大核心技術(shù):AUFS文件系統(tǒng)、命名空間和cgroups控制組。
基于此,本文提出了針對Docker容器的實時遷移算法,該算法采用了迭代復(fù)制內(nèi)存的方式,將容器從源主機遷移到目的主機,大大降低了停機時機、并提高了遷移效率。之后,本文通過實驗對該Docker實時遷移算法進行了仿真測試。實驗中,分別采用了五種不同的應(yīng)用場景,即:
1)空閑狀
3、態(tài)。
2)靜態(tài)Web服務(wù)器。
3)動態(tài)Web服務(wù)器。
4)Unixbench。
5)內(nèi)存密集型負載。
實驗結(jié)果表明:
在遷移時間和停機時間方面,相對于傳統(tǒng)虛擬機而言,前四個場景的性能都得到了較大的改善;最后一個場景的性能改善并不明顯,但仍有進步;
在帶寬用量方面,各場景在遷移過程中、多數(shù)時間占用的帶寬都維持在一個較低的水平,僅在最后幾輪內(nèi)存復(fù)制時,才會占用到較多的帶寬
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 虛擬機實時遷移技術(shù)研究.pdf
- 基于Xen平臺虛擬機實時遷移技術(shù)的研究.pdf
- Xen虛擬機內(nèi)存實時遷移技術(shù)研究與實現(xiàn).pdf
- 基于內(nèi)存壓縮的虛擬機實時遷移機制研究.pdf
- 虛擬機Xen及其實時遷移技術(shù)研究.pdf
- KVM虛擬機在線遷移性能優(yōu)化的研究與實現(xiàn).pdf
- 基于自主虛擬化平臺的虛擬機遷移的研究和實現(xiàn).pdf
- 基于虛擬機平臺的實時系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 結(jié)合虛擬機間性能互擾度量的虛擬機遷移方法研究.pdf
- 基于應(yīng)用優(yōu)先級的虛擬機實時遷移技術(shù)研究.pdf
- 虛擬機遷移技術(shù)研究
- 云數(shù)據(jù)中心中虛擬機放置和實時遷移研究.pdf
- 網(wǎng)絡(luò)感知的虛擬機遷移算法研究.pdf
- 基于進程遷移的語言虛擬機研究.pdf
- Java虛擬機上實時系統(tǒng)的研究與實現(xiàn).pdf
- 基于線程遷移的分布式Java虛擬機的研究與實現(xiàn).pdf
- 節(jié)能型虛擬機部署和遷移算法研究與實現(xiàn).pdf
- 面向?qū)崟r應(yīng)用的虛擬機調(diào)度研究.pdf
- kvm虛擬機遷移技術(shù)分析
- 基于OpenStack虛擬機遷移的主動容錯服務(wù)設(shè)計與實現(xiàn).pdf
評論
0/150
提交評論