基于openstack的网络功能虚拟化应用节能研究

《基于openstack的网络功能虚拟化应用节能研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、．＼言ｒ：心，？．一？？？？一．＊——Ｓ一——…’＾：＾；＾＾Ｐ朵击如成Ａ赛ＨＩＮＡＵＮＩＶＥＲＳＩＴＹＯＦＥＬ亡ＣＴＲＯＮＩＣＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＯＦＣ专业学位硕±学位论义ＭＡＳＴＥＲＴＨＥＳＩＳＦＯＲＰＲＯＦＥＳＳＩＯＮＡＬＤＥＧＲＥＥ齡麥■＼＾Ｊ，—Ｉ专业学位类别工程硕壬学号２０１３２２２２０２３１作者姓名蒋亚秋指窜教师田文洪教授＾－ｓ：．Ｈ＾＾ＢＳ９ｎ＾＾＾＾

2、＾ＳＳＳＴ独剑性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。乂作者签名：義日期：立年７月／／日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部口或机构送交论文

3、的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，可采、用影印缩印或扫描等复手段保存、汇学位论文。制编（的学位论文在解密后应遵）保密守此规定魏确：作者签名导师签名；：。ｎ日期ａ／７日《年月分类号密级注1UDC学位论文基于OpenStack的网络功能虚拟化应用节能研究（题名和副题名）蒋亚秋（作者姓名）指导教师田文洪教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士专业学位类别工程硕士工程领域名称软件工程提交论文日期20

4、16.7.1论文答辩日期2016.7.7学位授予单位和日期电子科技大学2016年12月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。Researchonenergy-efficientschedulingofapplicationsinvirtualnetworkfunctionsonOpenStackAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:SoftwareEngineeringAut

5、hor:YaqiuJiangSupervisor:WenhongTianSchool:SchoolofInformation&SoftwareEngineering摘要摘要基于专有硬件设备的设施和服务越来越难以满足电信运营商尝试加快部署新的网络服务的需求，在此背景下，网络功能虚拟化（NFV，NetworkFunctionsVirtualization）应运而生。采用标准虚拟化技术，NFV允许各类网络功能以软件的形式运行在位于数据中心、节点以及最终用户端的业界标准的大容量服务器、存储器和交换机上。由此带来的种种好处使得

6、NFV成为当前电信运营商和IT厂商研究的热点。目前来看，NFV业务在非工作高峰期有大量的服务器资源及能源被浪费，因此研究针对NFV应用的节能调度对其推广和普及有一定的意义。针对上述问题，本文提出了一种NFV节能调度算法，并基于OpenStack平台设计了一个调度系统。论文从对数据中心资源能耗情况的监控与分析着手，首先设计了采集物理服务器及虚拟机资源使用情况的方法，然后使用采集到的数据，校验得出了服务器和虚拟机的能耗模型。分析服务器能耗模型发现，服务器空闲时消耗的能源是其能耗的主要成分，因此在满足同等的虚拟机需求的前提

7、下，使用的服务器越少，消耗的电力也就越少。由于一个NFV业务可以看做是一组运行在数据中心虚拟机上的虚拟化功能组件，研究NFV节能需要解决的问题就是如何将这些虚拟机整合集中到数据中心少部分的物理服务器上去。基于此，本文设计并实现了基于概率函数的最小化开机服务器数量节能调度算法。该算法旨在减少运行NFV应用所需的服务器数量，为达到这一目标，算法在分配时采用了最大化利用率分配概率函数，以充分利用服务器上的资源；同时在服务器利用率较低时，尝试将其上的虚拟机全部迁移，以便关闭服务器来节省能耗，如果不能将服务器迁空，则不进行迁移

8、以减少迁移对服务质量的影响。此外，算法还优化了服务器过载情况下对待迁移虚拟机的选择。最后，论文分别在模拟系统及真实系统下，使用基于真实NFV业务流量制定的负载模型对节能算法进行了测试，结果表明该算法在模拟环境下比VMwareDRS节能约30%，比EcoCloud算法节能约10%；在真实环境下相比VMwareDRS算法约节能20%，有效降低了数据