基于IaaS云平臺的性能評測與建模方法研究.pdf

1、隨著云計算與大數(shù)據(jù)技術(shù)的發(fā)展，全球涌現(xiàn)了越來越多的IaaS(Infrastructure as a Service)云計算平臺。IaaS云計算應(yīng)用場景廣泛，例如眾多高校通過使用IaaS云平臺來減少機房在硬件上的投入，公司搭建IaaS私有云滿足其快速增長的業(yè)務(wù)對云平臺計算能力和存儲能力的需求。IaaS云平臺廣泛的應(yīng)用催生了針對IaaS云平臺的性能評測方法與工具的研究熱點。眾多研究者針對不同的應(yīng)用場景下設(shè)計出各式各樣的云平臺性能評測工具。通

2、過這些云平臺性能評測工具，有效地實現(xiàn)了對各種云平臺的性能評估以及管理。
　　在部署IaaS云平臺時，IaaS云平臺構(gòu)建者需要估計出虛擬機個數(shù)以及每臺虛擬機運行的任務(wù)，從而規(guī)劃在IaaS云平臺的性能容量。然而，當(dāng)前眾多云平臺性能評測工具中尚不能有效實現(xiàn)對于云平臺所能開啟的最大虛擬機個數(shù)的預(yù)測功能。因此，本文提出了面向IaaS云平臺的性能評測工具。通過該評測工具，實現(xiàn)了對IaaS云平臺的性能數(shù)據(jù)的采集和分析，從而預(yù)測出云平臺能開啟的最

3、大虛擬機個數(shù)，幫助用戶完成對IaaS云平臺投入的預(yù)算。
　　本文中把云平臺中虛擬機的配置、虛擬機的工作負(fù)載作為影響云平臺開啟最大虛擬機的兩個關(guān)鍵因素。根據(jù)實驗獲得這些關(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回歸模型。此外，本文所實現(xiàn)的云平臺性能評測工具對IaaS云平臺上進(jìn)行測試，通過模型之間的擬合誤差和預(yù)測誤差的對比，把基于高斯徑向基的支持向量機模型作為云平臺性能評測工具的預(yù)測模型。
　　具體來說，本文主要

4、貢獻(xiàn)如下：
　　(1)本文基于大量云平臺性能評測工具的研究分析，分析這些性能評測工具的特點及其適用的不同應(yīng)用場景。
　　(2)針對云平臺性能建模自變量的選取問題，本文發(fā)現(xiàn)云平臺中虛擬機的配置、虛擬機的工作負(fù)載是影響云平臺開啟最大虛擬機個數(shù)的因素。通過IaaS云平臺的性能評測工具收集和分析云平臺性能數(shù)據(jù)，并且通過不同建模模型之間的對比，本文選取了支持向量機模型作為IaaS性能預(yù)測模型。
　　(3)本文實現(xiàn)了IaaS云平臺