基于IaaS云平台的性能评测与建模方法研究-计算机应用技术专业论文.docxVIP

Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master Performance Evaluation and Modeling Method Research Based on IaaS Cloud Platform Candidate: Yang Xianghong Supervisor: Prof. Wan Jian March，2016 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人 或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕 业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。 学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全 部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密论文 在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 摘要 随着云计算与大数据技术的发展，全球涌现了越来越多的IaaS(Infrastructure as a Service)云计算平台。IaaS云计算应用场景广泛，例如众多高校通过使用IaaS 云平台来减少机房在硬件上的投入，公司搭建IaaS私有云满足其快速增长的业务 对云平台计算能力和存储能力的需求。IaaS云平台广泛的应用催生了针对IaaS云 平台的性能评测方法与工具的研究热点。众多研究者针对不同的应用场景下设计 出各式各样的云平台性能评测工具。通过这些云平台性能评测工具，有效地实现 了对各种云平台的性能评估以及管理。 在部署IaaS云平台时，IaaS云平台构建者需要估计出虚拟机个数以及每台虚 拟机运行的任务，从而规划在IaaS云平台的性能容量。然而，当前众多云平台性 能评测工具中尚不能有效实现对于云平台所能开启的最大虚拟机个数的预测功 能。因此，本文提出了面向IaaS云平台的性能评测工具。通过该评测工具，实现 了对IaaS云平台的性能数据的采集和分析，从而预测出云平台能开启的最大虚拟 机个数，帮助用户完成对IaaS云平台投入的预算。 本文中把云平台中虚拟机的配置、虚拟机的工作负载作为影响云平台开启最 大虚拟机的两个关键因素。根据实验获得这些关键因素的样本数据，从而建立了 多元线性回归模型和支持向量机回归模型。此外，本文所实现的云平台性能评测 工具对IaaS云平台上进行测试，通过模型之间的拟合误差和预测误差的对比，把 基于高斯径向基的支持向量机模型作为云平台性能评测工具的预测模型。 具体来说，本文主要贡献如下： (1) 本文基于大量云平台性能评测工具的研究分析，分析这些性能评测工具 的特点及其适用的不同应用场景。 (2) 针对云平台性能建模自变量的选取问题，本文发现云平台中虚拟机的配 置、虚拟机的工作负载是影响云平台开启最大虚拟机个数的因素。通过 IaaS 云 平台的性能评测工具收集和分析云平台性能数据，并且通过不同建模模型之间的 对比，本文选取了支持向量机模型作为 IaaS 性能预测模型。 (3) 本文实现了 IaaS 云平台性能评测工具集，包括：工作负载产生器、工作 负载定义模块、性能数据收集器、虚拟机配置提取器、性能数据解析器和预测模 型。这样性能评测工具能够较准确地预测出云平台的容量上限。 关键词：云平台，性能评测工具，线性回归，支持向量机，虚拟机 I ABSTRACT With the development of big data and cloud computing techniques, more and more users build various IaaS (Infrastucture as a Service) cloud platforms. At the same time, the application scenarios of the cloud platforms are broader. For example, many colleges increase the hardware investment in the IaaS cloud platform to build compu