题目：虚拟化数据中心资源管理和网络服务虚拟化架构研究

   
    目前，虚拟化技术广泛用于云计算系统和数据中心。越来越多的云数据中心采取虚拟化技术建设其基础架构，从而逐渐演变为虚拟化数据中心。虚拟化数据中心具有易管理性、灵活性等优势，越来越多的服务提供商，尤其是大型Internet 服务提供商选择在虚拟化数据中心部署服务。用户希望响应时间短（用户体验）。数据中心管理者期望资源有效利用，以降低成本。数据中心资源利用率和用户体验之间需要平衡。另一方面，数据中心网络发展跟不上云计算的发展，主要表现在架构变化较小、网络设备灵活性差等问题。有效的虚拟化资源管理和高效灵活动态的网络服务软件架构是当前虚拟化数据中心共同面临的问题，也是其需要面对的挑战之一。
    虚拟化数据中心中，由于资源竞争造成虚拟机相互之间存在着性能干扰，造成虚拟机中运行的应用响应时间增加或系统的吞吐量降，作业完成期限得不到保证，因此有必要研究降低干扰和满足作业完成时间的资源调度方法。同时，Internet 应用负载具有不可预测性和多样性。虚拟化环境下由于虚拟机监控器需要消耗CPU 等资源，带
来一定的开销，准确计算应用资源使用较困难。同时，虚拟机之间的性能干扰也使得难以合理设定期望资源利用率和评估用户体验。因此有必要研究一种用户体验驱动的动态资源分配方法。另一方面，专用网络硬件存在价格昂贵，灵活性差等缺点，造成网络设备处理和转发数据不灵活、过度简单等限制，有必要研究一种高性能灵活动态
网络服务虚拟化系统。
    针对上述问题，本文围绕着提供抗干扰和期限敏感的资源调度方法，用户体验驱
动的动态资源分配方法以及高性能灵活动态的网络服务虚拟化系统架构展开研究，取得了如下成果：
    （1）提出减少虚拟机性能干扰的最小干扰MI-Minimal Interference 调度器和满足作业期限的最大吞吐率MP-Maximal Productivity 调度器针对虚拟机共存时的性能干扰问题，提出了两层调度器，保证延迟敏感应用的性能，为大数据应用在规定时限之内完成提供保证。1）在虚拟化层，MI 调度器减少虚拟机共存时对延迟敏感应用带来的干扰；2）在hadoop 层，MP 调度器满足大数据应
用按照截止时间完成的需求，基于性能模型分配作业到服务器，从而既满足作业的期限需求，又能降低总的执行时间。MI 和MP 的组合使得数据中心的管理员能安全的混合延迟敏感应用和大数据应用，为两者提供可预测的性能。MI 基于xen 实现，MP 基于Hadoop 实现，MIMP 系统在混合集群将web 响应时间降低近90%，与EDF（Early
Deadline First）调度器相比，提高满足deadline 作业数量, 并且降低总执行时间近6.5%。
    （2）提出服务等级协议SLA(Service Level Agreement) 驱动的自适应资源分配方法在虚拟化环境下，基于期望资源利用率进行资源优化分配以满足用户体验，但准确的期望资源利用率难以确定。本文提出一种SLA 驱动的自适应资源分配方法，以对操作系统、应用透明的方式对响应时间进行监控，直接根据用户实时的体验进行资源
分配。引入优化模型，进行动态的资源分配。当资源不足时，提供服务差异，优先保证高优先级应用的资源需求。使用TPC-W 和ebbench 对系统进行测试，实验结果表明系统可以提供满意的用户体验，同时降低了与期望值的偏离程度。
    （3）提出了一种应用和数据流感知的高性能SDNFV 架构
    针对当前服务系统运行网络服务不够灵活，代价高。控制平面和数据平面过度分离，数据平面不灵活、过度简单的问题，提出了一种虚拟机中保证高性能网络服务运行的SDNFV 系统架构，在保持数据平面高性能和控制平面容易管理的基础之上，扩展网络处理和转发元素的能力，更灵活的管理数据流。SDNFV 通过零拷贝技术实现高性能。可仅从数据平面开发复杂的状态信息，从而做出控制决定：学习顺序数据包的数据流特征，综合多个数据流的信息，数据包应用层的信息。SDN 允许多个网络服务以串行或只读并行的方式对数据包处理。实验结果表明，SDNFV 平台可使得多个虚拟机只读并行处理数据包降低延迟，取得10Gbps 的吞吐量。系统可学习数据包的特征，可动态自动调整路由，且具有动态灵活的数据流管理特征。应用层感知的memcached 服务代理，相比于现有的TweMTroxy 性能提高了将近100 倍。