云环境下虚拟机镜像存储及分发研究

来源 :中国科学院大学 | 被引量 : 0次 | 上传用户:mikesh123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着云计算技术的发展,虚拟机的大规模部署越来越重要,这不仅是满足用户需求的根本,也是实现弹性计算的基础。通过对虚拟机创建过程的性能分析,由于其对空间和时间方面的开销,镜像存储及分发是快速部署的重要环节。本文利用镜像文件的分割共享和对计算节点的镜像缓存机制的改进力图减小镜像文件的传输大小,加快镜像的获取,从而缩短虚拟机部署时间。  本文的主要工作包括以下四个方面:  (1)调研并分析qcow2镜像格式的特点,利用其易分割、易共享及可压缩的特性,通过对镜像文件的灵活性和性能的折中考虑,将云平台常见的两级镜像结构改为三级镜像结构,既可通过增加的一级镜像来满足用户对镜像文件的方便定制,又因为该级镜像而使镜像文件的共享层次增加,进一步减小镜像的存储及分发大小。通过最后的测试,确定了以qcow2-qcow2-qcow2镜像类型为主的三级镜像结构相比两级镜像有明显的优势。  (2)基于OpenStack设计并实现了镜像缓存预取机制,通过算法保证对计算节点镜像缓存分布的预先规划,该机制既可在云平台部署初期或计算节点扩展时进行缓存预取,又可在大规模部署虚拟机前可控地缓解镜像库的传输瓶颈,避免云平台的崩溃和突发错误。通过对镜像缓存下载过程的优化,测试结果表明其性能良好。  (3)基于OpenStack设计并实现了镜像缓存管理系统,在改进原镜像缓存机制的过程中,设计合理的镜像缓存替换算法,增强对计算节点镜像缓存空间的限制,一方面提升了镜像缓存的利用率,显著减少镜像文件的平均传输量,另一方面避免镜像缓存对计算节点磁盘空间的大量消耗。最终的测试结果表明镜像缓存替换算法表现平稳可靠,对虚拟机部署的加速效果明显优秀。  (4)基于OpenStack设计并实现了利用镜像缓存调度部署虚拟机的机制,对计算节点镜像缓存的高效利用可以进一步减小镜像文件下载的必要性,本文实现的调度机制充分考虑了镜像缓存的分布和集群负载的均衡,通过测试发现该机制在各种并发量下均表现稳定可靠,能够显著减少虚拟机的部署时间。
其他文献
作为面向内存的分布式并行计算框架,Spark非常适合于迭代式计算,但是飞速增长的数据量和日益苛刻的实时性要求使得Spark平台的性能优化已迫在眉睫。为了解决Spark平台CPU计算能
EAST数据系统是EAST聚变实验的重要组成部分之一,EAST数据系统主要包含四个部分:数据采集子系统、数据储存子系统、数据发布和分析子系统、数据可视化子系统。   现有EAST
知识工程使人工智能的研究从理论转向应用。知识工程以知识为基础,知识获取、知识表示和知识利用都是知识工程研究的基础课题。知识获取和知识表示的研究对人工智能理论和应
自上世纪70年代美国微生物学家伍斯(Carl Woese)率先使用核糖核酸(RNA)序列研究原核生物进化关系并发现古细菌开始,基于16S rRNA基因序列的分析便成为研究原核生物多样性以及
近年来,互联网上应用种类急剧增多,数据量急剧增大。在这种条件下,用于大规漠数据处理的分布式计算获得了飞速发展。MapReduce编程模型的提出推动了分布式编程模型的发展。很
进入21世纪以来,电子政务网络平台随着通信技术和网络技术的进步得到了高速发展。在当今网络技术飞速发展的信息时代,电子政务网络平台的建设加快了集约效能型电子政务发展,提高
对于如何提升系统计算性能和改善能效比,传统的解决方案主要是依靠处理器优化,这无疑会进一步增加处理器负载。这些年,一种结合GPU、FPGA和DSP的异构计算方案正逐渐流行起来,由于
在复杂产品制造领域,协同设计逐渐发展成为产品设计的一种重要模式。产品结构复杂化、多学科协同化和人员协作密集化都导致目前产品设计过程的复杂性越来越大。因此,在产品设计
随着互联网时代的来临,数据在以前所未有的方式爆炸性增长,海量数据存储和处理的场景也越来越多。在这种背景下,以Hadoop为代表的分布式海量数据处理框架应运而生,Hadoop的分布式
并行计算模型与并行编程模型一直是并行计算领域研究热点。并行计算模型为上层并行算法设计提供硬件抽象模型,并行编程模型为上层用户提供编写并行程序的基本构件与抽象模型。