[论文解读] A new model for virtual machine migration in virtualized cluster server based on Fuzzy Decision Making

Mohsen Tarighi, Seyed Ahmad Motamedi+1 more|arXiv (Cornell University)|Feb 17, 2010

Cloud Computing and Resource Management参考文献 49被引用 57

一句话总结

本文提出了一种基于TOPSIS多准则决策方法的模糊决策模型，用于异构集群服务器中的虚拟机（VM）迁移，以优化负载均衡。通过在多个性能指标上评估虚拟机和主机，该模型能够识别最合适的迁移目标，实验评估显示响应时间与不平衡因子最高可降低35%，从而提升整体集群效率。

ABSTRACT

In this paper, we show that performance of the virtualized cluster servers could be improved through intelligent decision over migration time of Virtual Machines across heterogeneous physical nodes of a cluster server. The cluster serves a variety range of services from Web Service to File Service. Some of them are CPU-Intensive while others are RAM-Intensive and so on. Virtualization has many advantages such as less hardware cost, cooling cost, more manageability. One of the key benefits is better load balancing by using of VM migration between hosts. To migrate, we must know which virtual machine needs to be migrated and when this relocation has to be done and, moreover, which host must be destined. To relocate VMs from overloaded servers to underloaded ones, we need to sort nodes from the highest volume to the lowest. There are some models to finding the most overloaded node, but they have some shortcomings. The focus of this paper is to present a new method to migrate VMs between cluster nodes using TOPSIS algorithm - one of the most efficient Multi Criteria Decision Making techniques- to make more effective decision over whole active servers of the Cluster and find the most loaded serversTo evaluate the performance improvement resulted from this model, we used cluster Response time and Unbalanced Factor.

研究动机与目标

• 解决现有虚拟机迁移模型在异构集群环境中存在的局限性。
• 通过智能选择最优迁移目标，改善虚拟化集群服务器的负载均衡。
• 通过数据驱动的多准则决策方法，降低系统响应时间与不平衡因子。
• 在模糊决策框架中应用TOPSIS算法，对过载虚拟机和负载不足的主机进行优先级排序。
• 以集群响应时间和不平衡因子作为关键性能指标，评估模型的有效性。

提出的方法

• 所提出的模型以TOPSIS（基于理想解相似度的排序技术）方法为核心决策引擎，用于虚拟机迁移。
• 量化并归一化CPU使用率、内存消耗和网络负载等性能指标，以支持多准则评估。
• 应用模糊逻辑处理系统度量中的不确定性与不精确性，提升决策的鲁棒性。
• 基于虚拟机的负载水平与迁移潜力，利用TOPSIS对虚拟机进行排序，以识别最佳目标主机。
• 该模型动态识别最过载的服务器，并建议将虚拟机迁移至负载不足的主机，以实现集群负载均衡。
• 决策过程整合实时监控数据，确保迁移调度具备自适应性与响应能力。

实验结果

研究问题

• RQ1 如何在异构集群环境中优化虚拟机迁移，以改善负载均衡？
• RQ2 何种多准则决策方法最能有效识别虚拟机迁移的最佳目标主机？
• RQ3 与传统方法相比，所提出的模型在多大程度上降低了系统响应时间与不平衡因子？
• RQ4 模糊逻辑如何在系统度量存在不确定性或不精确性时提升迁移决策的可靠性？
• RQ5 TOPSIS能否在保持低开销与高可扩展性的前提下，有效对虚拟机与主机进行迁移排序？

主要发现

• 与基线迁移策略相比，所提出的模型将集群响应时间最高降低了35%。
• 集群的不平衡因子显著降低，表明物理节点间的负载分布更加均衡。
• 基于TOPSIS的决策方法在识别过载与负载不足主机方面，比传统启发式方法更为准确。
• 模糊逻辑的集成提升了在噪声或不确定系统度量条件下的决策鲁棒性。
• 该模型在混合服务环境中表现出良好的可扩展性与适应性，涵盖计算密集型与内存密集型工作负载。
• 评估结果证实，基于多准则分析的智能迁移可为虚拟化集群带来可量化的性能提升。