基于IaaS云平臺(tái)的性能評(píng)測(cè)與建模方法研究.pdf

1、隨著云計(jì)算與大數(shù)據(jù)技術(shù)的發(fā)展，全球涌現(xiàn)了越來(lái)越多的IaaS(Infrastructure as a Service)云計(jì)算平臺(tái)。IaaS云計(jì)算應(yīng)用場(chǎng)景廣泛，例如眾多高校通過(guò)使用IaaS云平臺(tái)來(lái)減少機(jī)房在硬件上的投入，公司搭建IaaS私有云滿足其快速增長(zhǎng)的業(yè)務(wù)對(duì)云平臺(tái)計(jì)算能力和存儲(chǔ)能力的需求。IaaS云平臺(tái)廣泛的應(yīng)用催生了針對(duì)IaaS云平臺(tái)的性能評(píng)測(cè)方法與工具的研究熱點(diǎn)。眾多研究者針對(duì)不同的應(yīng)用場(chǎng)景下設(shè)計(jì)出各式各樣的云平臺(tái)性能評(píng)測(cè)工具。通

2、過(guò)這些云平臺(tái)性能評(píng)測(cè)工具，有效地實(shí)現(xiàn)了對(duì)各種云平臺(tái)的性能評(píng)估以及管理。
　　在部署IaaS云平臺(tái)時(shí)，IaaS云平臺(tái)構(gòu)建者需要估計(jì)出虛擬機(jī)個(gè)數(shù)以及每臺(tái)虛擬機(jī)運(yùn)行的任務(wù)，從而規(guī)劃在IaaS云平臺(tái)的性能容量。然而，當(dāng)前眾多云平臺(tái)性能評(píng)測(cè)工具中尚不能有效實(shí)現(xiàn)對(duì)于云平臺(tái)所能開(kāi)啟的最大虛擬機(jī)個(gè)數(shù)的預(yù)測(cè)功能。因此，本文提出了面向IaaS云平臺(tái)的性能評(píng)測(cè)工具。通過(guò)該評(píng)測(cè)工具，實(shí)現(xiàn)了對(duì)IaaS云平臺(tái)的性能數(shù)據(jù)的采集和分析，從而預(yù)測(cè)出云平臺(tái)能開(kāi)啟的最

3、大虛擬機(jī)個(gè)數(shù)，幫助用戶(hù)完成對(duì)IaaS云平臺(tái)投入的預(yù)算。
　　本文中把云平臺(tái)中虛擬機(jī)的配置、虛擬機(jī)的工作負(fù)載作為影響云平臺(tái)開(kāi)啟最大虛擬機(jī)的兩個(gè)關(guān)鍵因素。根據(jù)實(shí)驗(yàn)獲得這些關(guān)鍵因素的樣本數(shù)據(jù)，從而建立了多元線性回歸模型和支持向量機(jī)回歸模型。此外，本文所實(shí)現(xiàn)的云平臺(tái)性能評(píng)測(cè)工具對(duì)IaaS云平臺(tái)上進(jìn)行測(cè)試，通過(guò)模型之間的擬合誤差和預(yù)測(cè)誤差的對(duì)比，把基于高斯徑向基的支持向量機(jī)模型作為云平臺(tái)性能評(píng)測(cè)工具的預(yù)測(cè)模型。
　　具體來(lái)說(shuō)，本文主要

4、貢獻(xiàn)如下：
　　(1)本文基于大量云平臺(tái)性能評(píng)測(cè)工具的研究分析，分析這些性能評(píng)測(cè)工具的特點(diǎn)及其適用的不同應(yīng)用場(chǎng)景。
　　(2)針對(duì)云平臺(tái)性能建模自變量的選取問(wèn)題，本文發(fā)現(xiàn)云平臺(tái)中虛擬機(jī)的配置、虛擬機(jī)的工作負(fù)載是影響云平臺(tái)開(kāi)啟最大虛擬機(jī)個(gè)數(shù)的因素。通過(guò)IaaS云平臺(tái)的性能評(píng)測(cè)工具收集和分析云平臺(tái)性能數(shù)據(jù)，并且通過(guò)不同建模模型之間的對(duì)比，本文選取了支持向量機(jī)模型作為IaaS性能預(yù)測(cè)模型。
　　(3)本文實(shí)現(xiàn)了IaaS云平臺(tái)