0 引言

　　在虛擬化環(huán)境中，動態(tài)遷移的虛擬機(jī)[1]是一個強(qiáng)大的管理工具，它促進(jìn)系統(tǒng)維護(hù)、負(fù)載平衡、容錯及電源管理。由于動態(tài)工作負(fù)載使得有些節(jié)點利用率低下而有些節(jié)點卻不堪重負(fù)，為了解決虛擬機(jī)物理節(jié)點之間的負(fù)載平衡問題，提出虛擬機(jī)遷移策略。

　　預(yù)復(fù)制技術(shù)[2-3]在高帶寬低負(fù)載的環(huán)境中性能優(yōu)越，但處于低帶寬高負(fù)載的情況時性能卻表現(xiàn)較弱，導(dǎo)致停機(jī)切換時間和總遷移時間較長，影響了虛擬機(jī)的正常服務(wù)。而本文將傳統(tǒng)預(yù)復(fù)制技術(shù)與相關(guān)預(yù)測算法、趨勢判斷算法結(jié)合，并利用自適應(yīng)停機(jī)閾值機(jī)制取代預(yù)復(fù)制技術(shù)固定閾值機(jī)制，從而有效減少了遷移過程中的總時間及停機(jī)時間。

1 相關(guān)工作

　　最近幾年，國內(nèi)外很多學(xué)者針對預(yù)復(fù)制技術(shù)在低帶寬高負(fù)載環(huán)境下的運(yùn)行效率問題提出了很多完善和優(yōu)化方法。例如Chen Yang[4]等人在2011年提出一個基于內(nèi)存混合復(fù)制方式的動態(tài)遷移機(jī)制HybMEC，結(jié)合按需和內(nèi)存推送兩種復(fù)制方式來提高實時遷移性能；Hai Jin，Li Deng[5]等學(xué)者在2014年提出一個適應(yīng)性壓縮方法模型MECOM，針對不同內(nèi)存頁面的特征使用相應(yīng)的壓縮算法來降低頁面?zhèn)鬏敶笮?。不同于以上各類?yōu)化方法，本文從預(yù)復(fù)制技術(shù)如何在低帶寬高負(fù)載的環(huán)境下有效判斷最優(yōu)停機(jī)時機(jī)的角度對虛擬機(jī)實時遷移性能進(jìn)行研究，旨在達(dá)到更好的遷移水平。

2 傳統(tǒng)預(yù)復(fù)制技術(shù)介紹及其優(yōu)劣性分析

　　隨著虛擬化技術(shù)不斷發(fā)展，Clark、Nelson等人[2-3]相繼提出了預(yù)復(fù)制動態(tài)遷移技術(shù)，預(yù)復(fù)制的遷移過程如圖1所示（主機(jī)A為源主機(jī)，主機(jī)B為目的主機(jī)）。

　　雖然預(yù)拷貝技術(shù)在對應(yīng)用及用戶影響較小的情況下極大減少了停機(jī)時間，適合遷移寫操作不頻繁的負(fù)載，但該技術(shù)仍存在以下問題：例如迭代過程中，進(jìn)行多次迭代會增加遷移總時間，迭代不足又會增加不必要的停機(jī)時間，所以迭代次數(shù)的確定受到網(wǎng)絡(luò)傳輸帶寬及負(fù)載類型的影響；當(dāng)臟頁率大于或等于頁面?zhèn)鬏斔俾蕰r，迭代過程可能進(jìn)入不收斂狀態(tài)等情況。

3 基于Xen虛擬機(jī)改進(jìn)后的遷移機(jī)制

　　在Xen[6]整個遷移過程中，最復(fù)雜的部分當(dāng)屬內(nèi)存遷移。本文在研究傳統(tǒng)Xen內(nèi)存遷移機(jī)制的基礎(chǔ)上對傳統(tǒng)遷移方案進(jìn)行了優(yōu)化。傳統(tǒng)Xen內(nèi)存遷移機(jī)制如圖2所示。

　　由圖2可知，遷移執(zhí)行模塊實際負(fù)責(zé)了整個遷移過程的大部分工作，因而該模塊尤為重要，但在其實現(xiàn)過程中仍有不足之處：(1)在臟頁率較高的情況下，增加了臟頁重復(fù)傳輸?shù)母怕省?2)在第1輪迭代過程中，不需要傳輸所有的內(nèi)存頁，因為許多頁在以后的迭代過程中被再次修改，需要再次迭代傳輸。

　　針對以上不足，本文提出一種改進(jìn)機(jī)制，如圖3所示。除了對內(nèi)存頁進(jìn)行信息監(jiān)控，還通過先使用預(yù)測模型對后輪臟頁率進(jìn)行預(yù)測，在此基礎(chǔ)上對臟頁率的變化趨勢進(jìn)行分析，使之與數(shù)據(jù)傳輸率進(jìn)行比較，結(jié)合自適應(yīng)停機(jī)閾值機(jī)制使虛擬機(jī)在低帶寬高負(fù)載的環(huán)境下也能有很好的表現(xiàn)。

4 改進(jìn)后Xen遷移算法的實現(xiàn)

　　4.1 馬爾科夫臟頁預(yù)測

　　預(yù)測概率算法使用馬爾科夫模型[7]。本文設(shè)定狀態(tài)E1表示內(nèi)存頁沒有被讀、寫，設(shè)定狀態(tài)E2表示內(nèi)存頁只讀，設(shè)定狀態(tài)E3表示內(nèi)存頁被修改，默認(rèn)遷移開始前的狀態(tài)為E1。相關(guān)概念和計算公式如下：

　　(1)狀態(tài)轉(zhuǎn)移概率矩陣：假定內(nèi)存頁有n個可能的狀態(tài)，即E1，E2，E3…En，本文使用pij表示內(nèi)存頁的狀態(tài)從Ei變成Ej的狀態(tài)轉(zhuǎn)移概率，狀態(tài)轉(zhuǎn)移概率矩陣為：

　　(2)狀態(tài)概率：狀態(tài)概率表示內(nèi)存頁的初始狀態(tài)已知，內(nèi)存頁的狀態(tài)轉(zhuǎn)移k次后變成狀態(tài)Ej的概率，且：

　　由馬爾科夫假設(shè)和貝葉斯條件概率公式得：

　　設(shè)定行向量π(k)=[π1(k)，π2(k)，…πn(k)]，由公式得到狀態(tài)概率的遞推公式：

　　由于只需要預(yù)測臟頁的狀態(tài)概率，本文設(shè)置初始狀態(tài)行向π(0)=[0，0，1]。

　　4.2 Mann—Kendall趨勢變化檢驗

　　當(dāng)預(yù)測出后輪的臟頁率高于網(wǎng)絡(luò)傳輸帶寬時，改進(jìn)后的遷移機(jī)制利用Mann—Kendall檢驗?zāi)Ｐ蚚8]對臟頁率時間序列進(jìn)行趨勢分析，以確定停機(jī)時間。該模型是一種非參數(shù)檢驗類型的時間序列趨勢分析方法，其優(yōu)點是不要求時間序列符合一定的分布，受異常值的影響較小，而且計算簡便。采用Mann—Kendall模型檢驗臟頁率變化趨勢的過程如下：

　　(1)假設(shè)臟頁率時間序列D={d1，…，dn}無趨勢；

　　(2)如下計算統(tǒng)計量S：

　　S為正態(tài)分布，其均值為0，方差為：

　　其中Median為取中值函數(shù)，當(dāng)β>0時說明有上升的趨勢，當(dāng)β<0則表示下降的趨勢。

　　4.3 自適應(yīng)閾值機(jī)制的引入

　　根據(jù)上述臟頁率的預(yù)測及趨勢分析方法，本文在預(yù)拷貝算法固定閾值的基礎(chǔ)上引入了自適應(yīng)停機(jī)閾值機(jī)制[8]，具體實現(xiàn)如下所述：迭代拷貝過程中，統(tǒng)計每個迭代輪中的臟頁率以構(gòu)成一個時間序列，在每輪結(jié)束時首先對后輪的臟頁率進(jìn)行預(yù)測。若預(yù)測出臟頁率大于等于數(shù)據(jù)傳輸率，則進(jìn)一步對臟頁率時間序列進(jìn)行趨勢判斷，若判斷結(jié)果為上升或平穩(wěn)趨勢，則判定后面的迭代輪會進(jìn)入到“無法收斂”狀態(tài)，那么就立即進(jìn)入停機(jī)拷貝階段；否則，說明臟頁率的變化不會導(dǎo)致“無法收斂”狀態(tài)，則按原算法繼續(xù)進(jìn)行。通過加入該機(jī)制，遷移過程中可以實時監(jiān)測臟頁率的變化情況，一旦發(fā)現(xiàn)有進(jìn)入“無法收斂”的趨勢就能在達(dá)到固定迭代次數(shù)閾值之前進(jìn)行停機(jī)拷貝，有效避免拖延總遷移時間，及時控制停機(jī)時間。

5 實驗及分析

　　為了保證實驗環(huán)境的穩(wěn)定性，測試出更精確的實驗結(jié)果，測試中構(gòu)建了一個小的私有云平臺，基本可以滿足Xen虛擬機(jī)動態(tài)遷移的實驗要求。其中使用兩臺普通PC分別做為源主機(jī)Host A和目的主機(jī)Host B，另一臺PC作為連接源主機(jī)和目的主機(jī)的NFS服務(wù)器，為動態(tài)遷移提供NFS文件共享服務(wù)，并且使用了一臺100 M交換機(jī)連接這幾臺PC。該實驗環(huán)境為3臺PC配置相同的物理主機(jī)，CPU是Intel Core i5-3210 M，其工作頻率是2.50 GHz，內(nèi)存是2 048 M，硬盤是320 G，虛擬平臺為 Xen 4.3.1。

　　本實驗采用開源系統(tǒng)測試軟件Lmbench為虛擬機(jī)測試寫操作任務(wù)，使用其bw_mem命令對CPU性能進(jìn)行測試，同時，修改bw_mem.c的wr函數(shù)，通過庫函數(shù)usleep對內(nèi)存寫速度進(jìn)行調(diào)整，借此測試程序為實時遷移中的虛擬機(jī)提供如下三種負(fù)載：(1)臟頁率上升的寫操作；(2)臟頁率下降的寫操作；(3)臟頁率平穩(wěn)的寫操作。實驗分為兩種情況：

　　實驗1：在原配置上啟動虛擬機(jī)，其分別運(yùn)行上述三種負(fù)載，從停機(jī)時間和總遷移時間兩方面對比傳統(tǒng)算法與改進(jìn)算法的優(yōu)劣，如圖4、圖5所示。

　　實驗2：啟動虛擬機(jī)(其運(yùn)行臟頁率上升負(fù)載)，利用 Linux流量控制工具TC限制網(wǎng)絡(luò)帶寬分別為20 M、30 M、40 M…70 M，在此配置下進(jìn)行遷移算法對比實驗，結(jié)果如圖6、圖7所示。

6 總結(jié)

　　本文在對后輪臟頁率利用馬爾科夫模型進(jìn)行預(yù)測的基礎(chǔ)上，結(jié)合Mann-Kendall驗?zāi)Ｐ蛯w移中臟頁率的變化趨勢進(jìn)行判斷，最后根據(jù)判斷結(jié)果采用自適應(yīng)閾值機(jī)制確定最優(yōu)停機(jī)時間，更好地解決虛擬機(jī)中網(wǎng)絡(luò)傳輸帶寬的大小和運(yùn)行負(fù)載的高低對傳統(tǒng)預(yù)拷貝技術(shù)的影響。同時實驗結(jié)果表明，本文提出的優(yōu)化機(jī)制能有效提高虛擬機(jī)基于預(yù)拷貝算法實時遷移的性能。

參考文獻(xiàn)

　　[1] 江雪，李小勇.虛擬機(jī)動態(tài)遷移的研究[J].計算機(jī)應(yīng)用，2008(9)：2375-2377.

　　[2] CLARK C，F(xiàn)RASER K，HAND S，et al.Live migration of virtual machines[C].Proceedings of the 2nd Symposium on Networked Systems Design and Implementation，2005：273-286.

　　[3] NELSON M，LIM B，HUTCHINES G.Fast transparent migration for virtual machines[C].Proceedings of the USENIX Annual Technical Conference，2005：391-394.

　　[4] Chen Yang，Huai Jinpeng，Hu Chunming.Live migration of virtual machines based on hybrid memory copy approach[J].Chinese Journal of Computers，2011，34(12)：2278-2291.

　　[5] Hai Jin，Li Deng，Song Wu，et al.MECOM：Live migration ofvirtual machines by adaptively compressing memory pages[J].Future Generation Computer Systems，2014：23-35.

　　[6] 石磊，鄒德清，金海.Xen虛擬化技術(shù)[M]. 武漢：華中科技大學(xué)出版社，2009.

　　[7] 孫國飛，谷建華.基于預(yù)拷貝的虛擬機(jī)動態(tài)內(nèi)存遷移機(jī)制改進(jìn)[J].計算機(jī)工程，2011，13(37)：36-39.

　　[8] 崔勇，林予松.虛擬機(jī)實時遷移中自適應(yīng)閾值機(jī)制的研究[J].小型微型計算機(jī)系統(tǒng)，2015(3)：466-470.