异构云DCN中绿色虚拟算法设计

为进一步提升异构云数据中心网络(DCN)动态管理的科学性,在总结当前主流研究局限性的基础上构思一种基于全局相对最优化的绿色虚拟算法.算法综合考虑虚拟机迁移过程中可能涉及到的诸多客观因素,通过科学地规划时间门限、主机筛选策略、以及精度比较机制对虚拟机实施高效的迁移.数据考察表明,所部署的算法不仅可快速精确地物色到最适宜的...     

基于KVM虚拟化在线迁移优化方案研究

针对云计算环境下在线迁移的问题,文章提出了一种基于内核虚拟机的在线迁移优化方案,研究目的是在KVM虚拟化平台中实现虚拟机跨越迁移,保证数据的两端一致性,从而实现各种大型云平台负载平衡、系统的实现运行和维护、保证虚拟机性能的稳定性和可靠性。实践证明提出的优化方案能够很好地解决线上各种迁移场景转换,为迁移工作的稳定与可靠提供了重要技术支持。     

云环境下基于迁移的虚拟机集群优化算法

针对云环境中虚拟机集群负载不均衡问题,提出一种基于虚拟机迁移的集群优化算法。通过对节点负载的实时监测,动态调整各种资源的权重,根据资源权重选择可最大程度降低主机负载的虚拟机进行迁移。该算法利用预测机制,消除主机资源利用率的临时越界引起的不必要的虚拟机迁移。在选择目标节点时,采用多目标决策法,兼顾多资源匹配率,服务级目标违背率(SLA)等多种管理目标。实验结果表明,与同类型的负载均衡算法相比,该算法能减少迁移次数,降低SLA违背率。     

基于CloudStack和OpenStack的KVM虚拟机跨平台迁移方法

在CloudStack平台与OpenStack平台共存的环境中,为了使CloudStack平台中已创建的KVM虚拟机在迁移到OpenStack平台后可以被OpenStack平台的控制节点正确识别并接管,提出了一种将CloudStack平台中已经存在的虚拟机动态迁移到OpenStack平台的方法。通过将传统基于本地存储的KVM虚拟机迁移方法与CloudStack以及OpenStack云计算平台自身特点相结合,重新对虚拟机迁移相关文件进行组合,实现了虚拟机跨平台的动态迁移。实验结果表明,本方法不但可以完成将KVM虚拟机成功从CloudStack平台迁移到OpenStack平台的任务,而且在时间上与传统方法相比并未产生其他时间成本。     

用于神经网络容错的动态冗余BP算法

多层感知器(MLP)的容错性传统上采用改进算法和部件冗余方法。该文提出了一种动态冗余BP算法,这种方法在传统的带冲量项的自适应BP算法的学习过程中,根据各权值重要度的不同选取重要的权值进行冗余处理。该算法能有效地提高网络的容错能力,与学习中注入故障这一典型的容错改进算法相比,尽管容错能力并不突出,但相对可节省大量的学习时间。     

一种基于GPU通用计算的容错方法

为确保GPU通用计算(GPGPU)程序在CPU-GPU异构平台上运行的可靠性,设计了一种以软件方法实现的容错模型.在分析GPGPU程序运行过程中瞬时故障的产生模式以及错误的传播路径后,对GPGPU程序运行所依赖的CPU端和GPU端分别进行容错设计,并针对GPGPU程序的运行特点,设计能够降低容错运算开销同时提升系统协同工作能力的优化方案,从而在提高GPGPU程序的可靠性的同时降低容错设计所带来的额外开销.通过对典型实例的测试验证了所提出的方案的可行性以及性能.     

云计算中基于三阈值的虚拟机迁移策略研究

云计算通过网络按需提供可动态伸缩的廉价计算服务,核心概念是资源池。随着现阶段日益增长的云计算数据中心规模,其对应消耗的能源也在倍速提高,如何有效降低整个数据中心能耗,成为云计算重点研究内容之一。文章针对虚拟化技术重点研究了虚拟机迁移技术,提出了自适应三阈值迁移算法改良策略ATEAI,通过仿真实验结果表明,上述虚拟机迁移算法在降低能耗方面有一定的成效。     

虚拟化云平台中实时任务容错调度算法研究

为了在云平台下满足实时系统的高可靠性要求,提出了一种虚拟化云平台中的容错调度算法（FSVC, fault-tolerant scheduling algorithm in virtualized clouds）,FSVC通过主副版本方法来实现对物理主机的容错,采用副版本重叠技术与虚拟机迁移技术来提高算法的调度性能。为了达到容错的要求,分析了这2种技术应满足的约束。此外,FSVC中包含了一种两阶段策略以进一步提高算法性能。大量仿真实验表明,在虚拟化云平台中,FSVC能有效地提高系统可调度性与资源利用率。     

基于预测模型切换的航发传感器主动容错控制

针对航空发动机传感器硬故障,基于模型预测控制(MPC)算法,提出了一种"隐性"判断传感器故障的主动容错控制(FTC)方法。首先,该方法建立包含正常模式以及传感器故障的预测模型库,然后,监控决策单元根据传感器测量值,选择与之最匹配的预测模型,并向切换单元下达切换指令,以此达到在线容错的目的。同时,对CMPASS-40K涡扇发动机进行了主动容错控制仿真,结果表明,监控决策机制能够在较短的时间内判断传感器故障,实现容错,而且该方法不仅能实现已知故障容错,还能实现未知故障容错。     

面向云存储安全的可自愈拜占庭Quorum系统

针对云存储系统中的数据安全问题,提出了一种面向云存储安全的可自愈拜占庭Quorum系统.该系统以虚拟机作为后端存储设备构建虚拟存储节点,利用虚拟机多样化操作系统,以及动态迁移、快速部署等机制构建动态异构的存储系统架构.在拜占庭容错门限的基础上,提出自愈门限的概念,并设计相应系统安全协议,实现存储节点的自动化异常检测和状态复原.实验结果表明,提出的云存储系统具有较高的鲁棒性,能有效提高存储数据的安全性.     

云计算环境下虚拟机在线迁移优化

在线迁移在云计算平台下已广泛使用,虚拟机内存迁移主要采用的是预拷贝算法.传统预拷贝算法在迭代过程中会将脏页反复重传导致迁移时间较长,针对这一问题文章提出了在拷贝过程中增加脏页预测算法和内存压缩算法相结合的方法.脏页预测算法是采用统计方法,依据内存页历史操作情况对改动频繁的内存页进行标记,根据标记决定是否在最后一轮内存迁移中传输,为了减少迁移传输量,先通过内存压缩算法将其压缩,然后再传输.实验结果表明,改进后的方法有效地降低了停机时间和迁移时间,提高了迁移效率,达到了更快迁移的目的.     

一种数据中心网络虚拟机快速在线迁移算法

数据中心网络中,虚拟机在线迁移需要在网络核心链路上完成大量的数据传输,造成虚拟机承载的网络应用及其他应用性能下降.在继承现有相同内存页重传避免方法的基础上,引进带链表的计数型布隆过滤器查找结构,避免了内存页查找的假阳性问题.进一步提出了最大化剪枝算法,实现链表长度的最大化缩减,加速查找匹配过程,完成数据中心网络中机架级的虚拟机快速在线迁移.实验结果表明,该方法比现有方法的数据传输量更低,迁移时间更短,降低了迁移对网络应用性能造成的影响.     

Research on dynamic migration of virtual machine based on security level

Side-channel attacks were the main ways of multi-tenant information leakage in the cloud computing and data center environments.The existing defense approaches based on dynamic migration of virtual machine have long convergence time of migration algorithm and high migration cost.Hence,a dynamic migration of virtual machine based on security level was proposed.Firstly,security level classification of virtual machines was used to reduce the number of migrating virtual machines.Then the corresponding virtual machines embedding strategy was used to reduce the frequency of virtual machines migration.Simulation experiments demonstrate that the proposed approach can reduce convergence time of migration algorithm and migration cost.     

基于邻接点的VMM动态完整性度量方法

对于虚拟机监控器的动态完整性度量,由于其位于特权层,且复杂多变,一直是领域内的研究难点。提出了一种基于邻接点的动态完整性度量方法,利用邻接点作为度量模块的宿主,通过面向内存页的完整性模型和评估算法,实现了动态完整性度量。实验表明,能够准确地检测到完整性受到破坏,且仅对计算密集型任务造成适中的性能损耗。     

基于Openflow网络的高可靠性虚拟网络映射算法

该文基于Openflow网络提出了具有容错能力的虚拟网络映射模型,并且采用蚁群算法对其进行求解。针对虚拟网络的故障恢复机制,提出了区分用户优先级的故障恢复算法(Priority_Diff),该算法为用户提供不同的网络可靠性级别,对高级用户采用提前映射的备份路径替代故障链路,对低级用户重新映射故障链路;设计了故障备份链路重映射(BLRM)算法,将故障链路中的备份资源迁移到相邻链路,增强了备份链路的可用性。最后,通过仿真实验,从虚拟网络故障修复率、虚拟网络成功运行率和工作链路资源利用率3个方面验证了所提算法的优越性。     

一种车载服务的快速深度Q学习网络边云迁移策略

智能网联交通系统中车载用户的高速移动，不可避免地造成了数据在边缘服务器之间频繁迁移，产生了额外的通信回传时延，对边缘服务器的实时计算服务带来了巨大的挑战。为此，该文提出一种基于车辆运动轨迹的快速深度Q学习网络(DQN-TP)边云迁移策略，实现数据迁移的离线评估和在线决策。车载决策神经网络实时获取接入的边缘服务器网络状态和通信回传时延，根据车辆的运动轨迹进行虚拟机或任务迁移的决策，同时将实时的决策信息和获取的边缘服务器网络状态信息发送到云端的经验回放池中；评估神经网络在云端读取经验回放池中的相关信息进行网络参数的优化训练，定时更新车载决策神经网络的权值，实现在线决策的优化。最后仿真验证了所提算法与虚拟机迁移算法和任务迁移算法相比能有效地降低时延。     

一种侧信道风险感知的虚拟节点迁移方法

为防御网络切片(NS)中的侧信道攻击(SCA),现有的基于动态迁移的防御方法存在不同虚拟节点共享物理资源的条件过于松弛的问题。该文提出一种侧信道风险感知的虚拟节点迁移方法。根据侧信道攻击的实施特点,结合熵值法对虚拟节点的侧信道风险进行评估,并将服务器上偏离平均风险程度大的虚拟节点进行迁移;采用马尔科夫决策过程描述网络切片虚拟节点的迁移问题,并使用Sarsa学习算法求解出最终的迁移结果。仿真结果表明,该方法将恶意网络切片实例与其他网络切片实例隔离开,达到防御侧信道攻击的目的。