邱彬　邱樹偉

摘要：虛擬動態(tài)遷移技術(shù)能有效分配與調(diào)試服務(wù)器中的資源，使虛擬機完整地遷移到另一臺物理主機中，達到虛擬機負載均衡。虛擬機實時遷移選用的方式為預(yù)拷貝法（Pre-Copy），但是該方法會增大遷移過程的數(shù)據(jù)傳輸量和遷移時間，并且影響網(wǎng)絡(luò)服務(wù)質(zhì)量（QoS）。為應(yīng)對上述問題，提出基于內(nèi)存壓縮技術(shù)的虛擬實時遷移機制，該機制針對虛擬機內(nèi)存信息特性，在遷移過程中適配一種分頁壓縮算法，通過多線程技術(shù)加速進程，減少多余的開銷。實驗表明，遷移過程中，該機制在停機時間、遷移總時間和數(shù)據(jù)傳輸量等指標上相比預(yù)拷貝方法有了較大的提升。

關(guān)鍵詞：內(nèi)存壓縮；虛擬機；實時遷移；遷移時間

一、前言

虛擬化技術(shù)具有保真性高、可靠性強等特點，在各領(lǐng)域得到了廣泛的應(yīng)用。虛擬化技術(shù)解決了傳統(tǒng)數(shù)據(jù)中心運維管理難、資源利用率低、遷移過程穩(wěn)定性差等問題，提高了系統(tǒng)的使用效率和靈活性[1-2]。虛擬機實時遷移技術(shù)[3]可伸縮性強，在服務(wù)器的熱備份容錯、系統(tǒng)負載均衡等方面具有較大的應(yīng)用。

近年來，國內(nèi)外學(xué)者關(guān)于虛擬機實時遷移問題進行了相關(guān)的研究，并取得了一些研究成果。對于數(shù)據(jù)中心，因異構(gòu)節(jié)點資源的利用率不同，會造成負載均衡問題的出現(xiàn)，文獻[ 4]已提出遷移時機判決和選擇兩種算法，并結(jié)合虛擬機動態(tài)遷移的對策，此對策可降低虛擬機的遷移次數(shù)，從而確保數(shù)據(jù)中心服務(wù)的質(zhì)量，實現(xiàn)負載均衡。文獻[ 5]提出了一種新的預(yù)測模型，當系統(tǒng)受到負載不均衡影響之時觸發(fā)虛擬機實時遷移，以便及時卸載服務(wù)器或整合負載不足的服務(wù)。能耗控制方面，Son等人[6]基于云數(shù)據(jù)中心和大規(guī)模綜合應(yīng)用服務(wù)，提出多指標融合的高能效遷移方案，該方案的性能比常規(guī)方案提升9.5%。周震等人[7]提出根據(jù)溫度感知虛擬機遷移模型，此模型相對于其他虛擬機遷移模型擁有更低的能耗，對于遷移的可信度，張建標等人[8]分析了可信計算技術(shù)的虛擬機遷移方案，從而提出了針對計算機技術(shù)的虛擬機動態(tài)安全要求。石源等人[9]研究了虛擬機可信遷移的安全模型和測試方法，證明了模型在安全屬性方面的完備性。

針對國內(nèi)外研究現(xiàn)狀，本文深入探究如何減少虛擬機實時遷移的總時間和加速遷移過程，并提出相應(yīng)的解決方案，構(gòu)建一種高效的虛擬機實時遷移機制。

二、基于內(nèi)存壓縮的虛擬機實時遷移機制設(shè)計

（一）虛擬機實時遷移分析

通常情況下，實時遷移是將運行當中的虛擬機從一臺物理主機遷移到另外一臺物理主機當中，在此過程中不停機。主要涉及CPU 、磁盤、內(nèi)存以及其他虛擬設(shè)備資源。針對不同的信息資源，必須采用特定的方式來解決。

針對CPU狀態(tài)信息，虛擬機需要進行停機拷貝，當源主機上的虛擬機被掛起時，才完成CPU狀態(tài)信息的傳遞，最后在目的主機上恢復(fù)正常運行。內(nèi)存信息因具有數(shù)據(jù)量大和數(shù)據(jù)更新速度快的特點，導(dǎo)致在數(shù)據(jù)拷貝上存在較大的技術(shù)瓶頸。如內(nèi)存更新速度高于網(wǎng)絡(luò)傳輸速度，預(yù)拷貝方法的有效性會大大降低，只有在停機階段，才能完成內(nèi)存信息的拷貝操作。同時，該過程會出現(xiàn)大量的停機時間，極大地影響到虛擬機實時遷移的性能。磁盤信息的實時遷移過程涉及大量的數(shù)據(jù)信息，不可能進行高頻的更新操作，只能以共享存儲的形式來進行，其間不涉及帶寬的占用，從而得到較高的共享存儲效率。最后展開設(shè)備遷移，對其I/O設(shè)備實時遷移，實時遷移后，應(yīng)確保MAC的地址不改變，確保所有的設(shè)備連接正常。

當前，一般的虛擬機遷移都是選用內(nèi)存預(yù)拷貝的形式，在遷移過程中，虛擬機的遷移可通過循環(huán)掃描內(nèi)存的位圖來拷貝，一旦臟頁率小于網(wǎng)絡(luò)的傳輸速度時，該過程趨于收斂。如果臟頁的數(shù)據(jù)較小，需停機實時拷貝，而停機拷貝的時間非常短，可以忽略不計。

然而，該過程也存在一定局限性：其一，內(nèi)存預(yù)拷貝會在臟頁數(shù)據(jù)率大于網(wǎng)絡(luò)傳輸速率時失效，內(nèi)存信息按照停機拷貝的方式重傳，從而導(dǎo)致遷移過程中產(chǎn)生較長的停機時間。其二，遷移過程中大量的內(nèi)存數(shù)據(jù)拷貝會增加網(wǎng)絡(luò)傳輸過程中的冗余數(shù)據(jù)，導(dǎo)致網(wǎng)絡(luò)密集型應(yīng)用的服務(wù)質(zhì)量出現(xiàn)大幅度下降。其三，總遷移時間過長將使部分容災(zāi)備份系統(tǒng)受到諸多限制。

（二）基于壓縮的虛擬機實時遷移模型

根據(jù)虛擬機實時遷移內(nèi)容和進程的分析，建立基于內(nèi)存壓縮的虛擬機實時遷移模型CLM（Compression-based Live Migration）。該模型基于內(nèi)存預(yù)拷貝方法，在內(nèi)存信息遷移中，采用基于內(nèi)存特征的壓縮算法CBC（Characteristic-Based Compression），針對數(shù)據(jù)頁和指令頁的信息，按照內(nèi)存相似度對其進行區(qū)分，并使用差異化的壓縮編碼技術(shù)；在線程池的壓縮方面，采用整合的方式將多次網(wǎng)絡(luò)I/O操作歸集成一次操作，提升遷移過程中的吞吐量；設(shè)計一種自適應(yīng)的內(nèi)存壓縮模型，將內(nèi)存壓縮算法融入虛擬機實時遷移過程中，采用多線程技術(shù)加速內(nèi)存壓縮進程，減少額外的開銷；針對全零頁面以及停機時間等做特殊處理，以提高系統(tǒng)遷移的效率。圖1所示的是基于內(nèi)存壓縮的虛擬機實時遷移結(jié)構(gòu)。

經(jīng)過上述系統(tǒng)結(jié)構(gòu)的分析，通過改造實時遷移算法模塊實現(xiàn)CLM方法。先將CBC算法植入到xc_domain_save（）函數(shù)中，經(jīng)編碼、封裝后進行傳輸，當接收到源主機的數(shù)據(jù)后，目的主機調(diào)用xc_domain_restore（）函數(shù)進行操作，再通過解碼還原成內(nèi)存數(shù)據(jù)。

三、性能測試與分析

（一）測試環(huán)境

本文使用兩臺配置相同的主機進行遷移實驗，參數(shù)為：Intel Xeon E7540雙路6核，主頻2.0GHz，高速緩存為18MB，硬盤容量1TB，物理內(nèi)存16GB，網(wǎng)絡(luò)帶寬為1000Mbps。軟件環(huán)境采用Xen 4.4.2作為實驗平臺，通過調(diào)用Xen 4.4.2中的相關(guān)函數(shù)進行測試。宿主操作系統(tǒng)為Ubuntu 14.04。

本實驗將CBC算法融入虛擬機實時遷移機制，采用多線程技術(shù)壓縮進程從而優(yōu)化遷移總時間；停機時間的優(yōu)化通過基于自我調(diào)節(jié)的壓縮方式來實現(xiàn)。傳輸數(shù)據(jù)量方面采用先壓縮后掃描標記的方法進行優(yōu)化，基本上實現(xiàn)零拷貝傳輸。具體步驟如下：首先，設(shè)置兩臺測試主機以及一臺接受遷移的虛擬機。其次，加載一個應(yīng)用程序給虛擬機，使該程序以特定的速度更改虛擬機的內(nèi)存。同時，將接受遷移的虛擬機在兩臺測試主機之間反復(fù)遷移。為了保證數(shù)據(jù)的真實性和準確性，實驗反復(fù)遷移20次，采取多次求平均值的方法得出停機時間。

（二）多程序環(huán)境的實時遷移測試

考慮通用性，本實驗選取Apache、Tomcat、GCC、DBench 4種應(yīng)用程序?qū)Χ喑绦颦h(huán)境下虛擬機實時遷移機制中的停機時間、遷移總時間和數(shù)據(jù)傳輸量進行實驗。其中Apache和Tomcat屬于網(wǎng)絡(luò)密集型應(yīng)用，Dbench屬于磁盤I/O密集型應(yīng)用，GCC屬于CPU和內(nèi)存占用率比較高的應(yīng)用。圖2、圖3和圖4各自代表虛擬機遷移中的停機時間、總遷移時間和數(shù)據(jù)傳輸量。

總體來看，CLM算法在停機時間的表現(xiàn)比PreC算法要優(yōu)越。在測試中，Apache和Dbench兩種算法的停機時間相差無幾；由于GCC在內(nèi)存變動方面較為明顯，CLM算法的比率是PreC算法的52.1%以上；而比率最小的應(yīng)用是Tomcat，兩者相差1.2%，經(jīng)測試，停機時間平均降比為26.7%。從以上數(shù)據(jù)看出，在停機時間上CLM算法更有優(yōu)勢。

遷移總時間方面，CLM算法比PreC算法具有更大提升，Apahe測試時，比率為43.1%，時間減少最多；Tomcat測試時，比率為21.5%，時間減少最少，平均降比達到了32.3%。原因在于CLM算法更能有效地緩解網(wǎng)絡(luò)傳輸瓶頸。

在數(shù)據(jù)傳輸量方面，CLM算法較PreC算法有大幅度的提高，進行Dbench測試時，提升率最高，PreC算法是CLM算法的5.21倍，在測試Tomcat時，提升率最低，PreC算法是CLM算法的2.87倍。

綜上所述，針對不同的應(yīng)用程序，本文算法在停機時間、遷移總時間以及數(shù)據(jù)傳輸量上面對比PreC算法有較大的提高。

四、結(jié)語

本文圍繞計算機系統(tǒng)資源融合高效透明化問題，深入探索國內(nèi)外相關(guān)技術(shù)的優(yōu)缺點，構(gòu)建基于內(nèi)存壓縮技術(shù)的虛擬遷移機制，提高了虛擬機之間的遷移效率，提高了資源利用率和服務(wù)質(zhì)量。實驗表明，本文算法在停機時間、遷移總時間、數(shù)據(jù)傳輸量等方面比傳統(tǒng)的預(yù)拷貝算法有較大的提升，從而提升虛擬機實時遷移性能。

參考文獻

[1] N. Jain and S. Choudhary， Overview of virtualization in cloud computing， 2016 Symposium on Colossal Data Analysis and Networking （CDAN）， Indore， India， 2016， pp. 1-4.

[2] M. S. B. M. Desa， J. Samuel， S. Elango， Z. Johari and M. Daniel Stephen， Energy Efficient Approach using Server Virtualization in Cloud Data Center， 2018 IEEE 4th International Symposium in Robotics and Manufacturing Automation （ROMA）， Perambalur， India， 2018， pp. 1-4.

[3] J. Kaur and I. Chana， Review of Live Virtual Machine Migration Techniques in Cloud Computing， 2018 International Conference on Circuits and Systems in Digital Enterprise Technology （ICCSDET）， Kottayam， India， 2018， pp. 1-6.

[4] 王晶，何利力.基于虛擬機動態(tài)遷移的負載均衡策略[J].計算機系統(tǒng)應(yīng)用，2020，29（05）：167-174.

[5] M. H. Shirvani and S. Babaeikiadehi， A Hybrid Meta-heuristic-based Linear Regression Algorithm for Live Virtual Machine Migration in Cloud Datacenters， 2022 International Conference on Electrical， Computer and Energy Technologies （ICECET）， Prague， Czech Republic， 2022， pp. 1-5.

[6] A. -Y. Son， J. Y. Byun， C. Yong， E. -N. Huh， J. H. Hyun and K. K. Kang， Energy efficiency oriented migration scheme in cloud data center， 2017 IEEE International Conference on Cybernetics and Computational Intelligence （CyberneticsCom）， Phuket， Thailand， 2017， pp. 108-113.

[7] 周震，袁正道，李俊峰.云數(shù)據(jù)中心基于溫度感知的虛擬機遷移模型[J].計算機應(yīng)用與軟件，2021，38（11）：70-76.

[8] 張建標，朱元曦，胡俊，等.面向云環(huán)境的虛擬機可信遷移方案[J].網(wǎng)絡(luò)與信息安全學(xué)報，2018，4（01）：6-14.

[9] 石源，張煥國，吳福生.一種可信虛擬機遷移模型構(gòu)建方法[J].計算機研究與發(fā)展，2017，54（10）：2284-2295.

基金項目：1.汕頭職業(yè)技術(shù)學(xué)院科研課題（課題編號：SZK2020Y04）；2.廣東省自然科學(xué)基金項目（課題編號：2022A1515010990）

作者單位：邱彬，汕頭職業(yè)技術(shù)學(xué)院電子信息學(xué)院；邱樹偉，韓山師范學(xué)院計算機與信息工程學(xué)院

責(zé)任編輯：尚丹