CN105630575B - 针对kvm虚拟化服务器的性能评估方法 - Google Patents

针对kvm虚拟化服务器的性能评估方法 Download PDF

Info

Publication number
CN105630575B
CN105630575B CN201510977407.4A CN201510977407A CN105630575B CN 105630575 B CN105630575 B CN 105630575B CN 201510977407 A CN201510977407 A CN 201510977407A CN 105630575 B CN105630575 B CN 105630575B
Authority
CN
China
Prior art keywords
disk
server
request
performance
kvm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510977407.4A
Other languages
English (en)
Other versions
CN105630575A (zh
Inventor
兰雨晴
杨静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lan Yuqing
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201510977407.4A priority Critical patent/CN105630575B/zh
Publication of CN105630575A publication Critical patent/CN105630575A/zh
Application granted granted Critical
Publication of CN105630575B publication Critical patent/CN105630575B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G06F11/3433—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment for load management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing

Abstract

本发明涉及一种针对KVM虚拟化服务器的性能评估方法，其先在应用层面，根据服务水平协议中的服务质量参数，即QoS参数，以及目前实际应用环境中常用的性能度量，确定KVM虚拟化服务器性能评估度量指标为响应时间与吞吐量；再根据KVM中资源调度以及资源虚拟化实现方式，结合虚拟化服务器负载特性，借助开放型排队网络模型建立虚拟化服务器性能评估模型；最后基于性能评估模型，说明在Linux操作系统中如何计算性能度量指标，进行虚拟机性能评估。本发明解决了KVM中虚拟化服务器性能评估问题，提高了性能评估效率，避免搭建复杂的性能测试环境，降低了性能评估成本，并且可以得到虚拟化服务器中主要组件的性能度量，可以帮助使用者发现系统性能瓶颈。

Description

针对KVM虚拟化服务器的性能评估方法
技术领域
本发明涉及KVM虚拟化技术，具体是一种针对于KVM(Kernel-based VirtualMachine)中虚拟化服务器性能评估的方法，解决Linux环境中虚拟机性能评估问题，提高虚拟机性能评估效率。
背景技术
上世纪60年代，IBM为其大型机量身打造了分时操作系统，实现多个用户对大型机的共享，并提出了管理程序(hypervisor)的概念，首次提出虚拟化技术，20世纪80年代与90年代早期，随着硬件技术的发展，具有专用功能的独立服务器逐渐取代集中式计算，虚拟化技术发展减缓。目前，传统数据中心服务器资源利用率过低，能源消耗较大，虚拟化技术成为解决这些问题的关键，再次成为研究热点。
虚拟化技术可以将一个物理服务器划分为多个独立和隔离的空间，使得多台服务器可以运行在一个物理服务器之上，提高了资源利用率，节约了成本。在虚拟化系统中虚拟机监控器(VMM，Virtual Machine Monitor)是系统资源的管理者，对硬件资源进行抽象化，以系统调用的方式呈现给运行之上的客户操作系统，是虚拟化平台的核心。
由于虚拟化服务器中存在逻辑资源与物理资源的转换，以及共享资源的分配等问题，增加了系统的复杂性与动态性，并且在虚拟化系统中，虚拟机监控器也需要占用系统资源，因此对虚拟化服务器性能进行评估，判断其是否能够满足用户需求成为研究重点。
目前主要有两种类型的虚拟化服务器性能评估方法，分别为分析的方法与模拟的方法。分析的方法主要是借助数学模型，如排队论，神经网络等，对虚拟化系统进行建模，并结合服务器负载特征对服务器性能进行评估。模拟的方法主要是通过基准测试工具来模拟虚拟化服务器的真实使用环境，通过基准测试输出的结果来评估虚拟化服务器性能。端到端基准测试工具安装复杂，并且某些工具只针对特定虚拟化平台，但是基准测试工具得到的结果准确度较高，分析化的性能评估方法提高了性能评估效率，节约了评估成本，虽然分析化的评估方法得到的结果可能精确度低于模拟的方法，但是可以通过对虚拟化服务器特征的详细分析以及合理抽象来提高评估精确度，因此分析化性能评估方法也是研究者常用的性能评估方法。
KVM是服务器虚拟化领域的新进入者，在2007年被合并入Linux内核，成为Linux系统的默认虚拟化解决方案，并且与OpenStack云计算平台联系紧密，这为KVM的使用提供了巨大空间，KVM正逐渐成为流行的开源虚拟化解决方案，目前对虚拟化服务器性能评估主要集中于Xen虚拟化平台，针对KVM中虚拟化服务器的性能评估研究较少。
发明内容
本发明的主要目的是提供一种KVM虚拟化环境中的虚拟服务器性能评估方法，帮助服务提供者高效的评估虚拟服务器的性能，并且基于获得的虚拟化服务器中主要组件的性能度量值，也可以帮助使用者发现虚拟化系统的性能瓶颈。
本发明提供一种针对KVM虚拟化服务器的性能评估方法，其包括以下步骤：
S1：在应用层面，确定KVM中虚拟化服务器性能评估度量项为响应时间与吞吐量；
S2：根据KVM中虚拟化资源实现方式，确定KVM虚拟化环境中，非I/O请求与I/O请求在虚拟化服务器中的处理过程；
S3：构建基于开放型排队网络模型的虚拟化服务器性能评估模型，将KVM中虚拟化服务器性能度量分为CPU，虚拟磁盘与物理磁盘性能度量三部分；
S4：在Linux操作系统中，根据建立的KVM虚拟服务器性能评估模型，计算性能评估度量指标的定量值。
本发明的一个实施例中，宿主系统与虚拟机都为Linux操作系统，在提出的性能评估模型的基础上，结合Linux开源特征获取其进程与磁盘操作数据，给出了一种Linux环境中的性能计算方法，使用户可以使用该方法得到虚拟机性能评估指标的定量值。
本发明的一个实施例中，步骤S3中计算性能评估度量指标的定量值的具体计算步骤包括：
步骤3.1：在处理用户请求之前(或者说虚拟化服务器中应用使用之前)，使用Linux中top与iotop收集客户虚拟机以及宿主系统进程信息以及读写磁盘进程信息，基于获得的进程信息，获得初始状态下应用相关进程使用的CPU时间，并记录Linux中sys/block文件目录下磁盘活跃时间与读写次数；
步骤3.2：在虚拟化服务器使用过程中，在宿主系统与客户虚拟机中开启Linux中top与iotop命令，收集系统进程以及磁盘数据，基于收集的进程数据得到请求处理过程中相关应用进程占用的CPU时间以及磁盘读写操作数；
步骤3.3：记录虚拟化服务器使用结束后，sys/block文件目录下磁盘活动时间，读写次数信息，并通过系统var/log目录下的日志文件获取用户请求类型以及操作数目，请求处理完成后通过磁盘的活跃时间以及读写次数与初始状态下对应数据的差值，得到请求处理过程中磁盘的活跃时间与读写操作总数，通过磁盘活跃时间与虚拟化服务器处理请求的总时间之比，得到请求处理期间磁盘使用率，步骤3.2得到的请求产生的磁盘操作数与实验过程中总的磁盘操作数之比与总的磁盘使用率相乘得到处理请求占用的磁盘使用率，基于排队网络中使用率与服务器需求的关系得到请求在磁盘消耗的时间；
步骤3.4：通过将请求在CPU、虚拟磁盘与物理磁盘消耗的时间相加得到响应时间这一度量指标，通过在日志文件中获得的请求数目得到虚拟化服务器处理的总请求数，通过总请求数与总请求处理时间之比得到吞吐量这一度量指标。
本发明的一个计算实例中，在KVM中创建两个虚拟化服务器分别作为web服务器与数据库服务器，借助工具Httperf与SysBench分别产生到虚拟化web服务器与数据库服务器的访问请求，基于步骤三构建的性能评估模型，计算性能度量指标的定量值。在本实例虚拟化web服务器中通过Httpd日志文件得到应用访问日志，在虚拟化数据库中安装mysql，并开启一般查询日志功能，通过系统中mysql与一般查询日志得到应用访问日志，在虚拟化web服务器与虚拟化数据库服务器中性能计算方法相同，性能度量都分为CPU、虚拟磁盘与物理磁盘三部分，计算公式为：
其中表示在服务器处理请求期间，进程i使用的CPU时间，进程pidi，pidj…pidk表示处理请求相关的应用进程，λtotal表示服务器处理的请求总数，Rcpu,req表示CPU处理请求的平均时间。
请求在虚拟磁盘或物理磁盘消耗的平均时间计算公式为：
IOdisk,total＝Readdisk,total+Writedisk,total (4)
其中T指服务器处理用户请求的总时间，即实验时间，Tdisk表示服务器处理用户请求时间磁盘忙碌的时间，Readdisk,total与Writedisk,total分别表示服务器处理用户请求期间总的磁盘读写数，与分别表示请求涉及的磁盘读写操作数，其中pidi，pidj…pidk表示与请求相关的磁盘访问进程，Udisk,total表示服务器在处理请求期间磁盘总的使用率，Udisk,req表示处理请求造成的磁盘使用率，请求进行I/O操作花费的时间为：
其中Xdisk,req磁盘吞吐量，即磁盘在单位时间内处理的读写操作数，则根据排队网络模型中使用率与时间的关系得到磁盘处理I/O请求的响应时间为：
系统总体性能为：Rweb＝Rweb,cpu+Rweb,vdisk+Rweb,disk，Xweb＝λtotal/T。
本发明提出针对KVM的虚拟化服务器性能评估方法，其优点及效果是：
首先，该方法基于请求在虚拟化服务器中的处理过程，分别计算虚拟化系统中主要组件对请求的处理性能，从而帮助服务器提供商发现系统性能瓶颈，其次该方法基于分析化的性能建模方法，提高了性能评估的效率，节约了成本，最后，通过设计实验，将性能评估结果与基准测试工具评测结果以及理论分析结论进行比较，验证了该性能评估计算方法的正确性。
附图说明
图1是KVM体系结构图；
图2是KVM虚拟化环境中性能度量指标及其影响因素；
图3是KVM虚拟化系统执行流程图；
图4是KVM虚拟化服务器性能评估模型，其中，VCPU表示virtual CPU，即虚拟CPU，VM表示virtual machine，即虚拟机，具体的：VM1代表虚拟机1，QEMU是现有的一种硬件模拟器，在KVM虚拟化中一个虚拟机对应一个QEMU进程)。
具体实施方式
本发明基于KVM虚拟化服务器性能评估方法，将应用层面响应时间与吞吐量作为虚拟化服务器性能评估指标，通过对KVM虚拟化系统中请求处理流程进行抽象分析，使用开放型排队网络模型进行性能评估建模，借助Linux系统中可以获得的进程级相关数据，进行性能度量指标计算。
本发明使用分析化建模方法，提出一种针对KVM虚拟化服务器的性能评估方法，作为不同QoS(Quality of Service，服务质量)要求的应用环境中虚拟化服务器选择比较标准，最终实现提高性能评估效率，简化性能评估成本，并丰富KVM虚拟化性能评估领域研究的目的。
本发明提供一种针对KVM虚拟化服务器的性能评估方法，其包括以下步骤：
S1：在应用层面，确定KVM中虚拟化服务器性能评估度量项为响应时间与吞吐量；
S2：根据KVM中虚拟化资源实现方式，确定KVM虚拟化环境中，非I/O请求与I/O请求在虚拟化服务器中的处理过程；
S3：构建基于开放型排队网络模型的虚拟化服务器性能评估模型，将KVM中虚拟化服务器性能度量分为CPU，虚拟磁盘与物理磁盘性能度量三部分；
S4：在Linux操作系统中，根据建立的KVM虚拟服务器性能评估模型，计算性能评估度量指标的定量值。
本发明的一个计算实例中，在KVM中创建两个虚拟化服务器分别作为web服务器与数据库服务器，借助工具Httperf与SysBench分别产生到虚拟化web服务器与数据库服务器的访问请求，基于步骤三构建的性能评估模型，计算性能度量指标的定量值。
在本实例虚拟化web服务器中通过Httpd日志文件得到应用访问日志，在虚拟化数据库中安装mysql，并开启一般查询日志功能，通过系统中mysql与一般查询日志得到应用访问日志，在虚拟化web服务器与虚拟化数据库服务器中性能计算方法相同，性能度量都分为CPU、虚拟磁盘与物理磁盘三部分。
该方法具体步骤如下：
S1：在应用层面，根据SLA中QoS参数，确定KVM中虚拟化服务器性能评估度量项为响应时间与吞吐量，并结合KVM实现分析影响因素，如图2所示；
S2：根据KVM中CPU，内存与I/O虚拟化实现方式，确定KVM虚拟化环境中，非I/O请求与I/O请求在虚拟化服务器中的处理过程，如图3所示；
S3：由于其影响因素与资源有关，则基于开放型排队网络模型构建虚拟化服务器性能评估模型，如图4所示，将KVM中虚拟化服务器性能度量分为CPU，虚拟磁盘与物理磁盘性能度量三部分；
S4：在Linux操作系统中，根据建立的KVM虚拟服务器性能评估模型，计算性能评估度量指标的定量值。
具体计算公式为：
其中表示在服务器处理请求期间，进程i使用的CPU时间，进程pidi，pidj…pidk表示处理请求相关的应用进程，λtotal表示服务器处理的请求总数，Rcpu,req表示CPU处理请求的平均时间。
请求在虚拟磁盘或物理磁盘消耗的平均时间计算公式为：
IOdisk,total＝Readdisk,total+Writedisk,total (4)
其中T指服务器处理用户请求的总时间，即用户访问服务器时间，Tdisk表示服务器处理用户请求时间磁盘忙碌的时间，Readdisk,total与Writedisk,total分别表示服务器处理用户请求期间总的磁盘读写数，与分别表示请求涉及的磁盘读写操作数，其中pidi、pidj…pidk表示与请求相关的磁盘访问进程，Udisk,total表示服务器在处理请求期间磁盘总的使用率，Udisk,req表示处理请求造成的磁盘使用率，请求进行I/O操作花费的时间为：
其中Xdisk,req磁盘吞吐量，即磁盘在单位时间内处理的读写操作数，则根据排队网络模型中使用率与时间的关系得到磁盘处理I/O请求的响应时间为：
系统总体性能为：R＝Rcpu+Rvdisk+Rdisk，X＝λtotal/T。
综上所述可知，本发明的针对KVM虚拟化服务器的性能评估方法，通过“先在应用层面，根据服务水平协议中的服务质量参数，即QoS参数，以及目前实际应用环境中常用的性能度量，确定KVM虚拟化服务器性能评估度量指标为响应时间与吞吐量；再根据KVM中资源调度以及资源虚拟化实现方式，结合虚拟化服务器负载特性，借助开放型排队网络模型建立虚拟化服务器性能评估模型；最后基于性能评估模型，说明在Linux操作系统中如何计算性能度量指标，进行虚拟机性能评估”的技术方案，解决了KVM中虚拟化服务器性能评估问题，提高了性能评估效率，避免搭建复杂的性能测试环境，降低了性能评估成本，并且可以得到虚拟化服务器中主要组件的性能度量，可以帮助使用者发现系统性能瓶颈。

Claims (8)

1.一种针对KVM虚拟化服务器的性能评估方法，其特征在于包含以下步骤：
S1：在应用层面，确定KVM中虚拟化服务器性能评估指标；
S2：根据KVM中虚拟化资源实现方式，构建虚拟化服务器性能评估模型；
S3：根据建立的KVM虚拟化服务器性能评估模型，计算性能评估指标的定量值；
其中，步骤S3中计算性能评估指标的定量值的具体计算步骤包括：
步骤3.1：在虚拟化服务器中应用使用之前，使用Linux中top与iotop收集客户虚拟机以及宿主系统包括读写磁盘进程信息在内的进程信息，基于获得的进程信息，获得初始状态下应用相关进程使用的CPU时间，并记录Linux中sys/block文件目录下磁盘活跃时间与读写次数；
步骤3.2：在虚拟化服务器使用过程中，在宿主系统与客户虚拟机中开启Linux中top与iotop命令，收集系统进程以及磁盘数据，基于收集的进程数据得到请求处理过程中相关应用进程占用的CPU时间以及磁盘读写操作数；
步骤3.3：记录虚拟化服务器使用结束后，sys/block文件目录下磁盘活跃时间，读写次数信息，并通过系统var/log目录下的日志文件获取用户请求类型以及操作数目，请求处理完成后通过磁盘活跃时间以及磁盘读写操作数与初始状态下对应数据的差值，得到请求处理过程中磁盘活跃时间与磁盘读写操作总数，通过磁盘活跃时间与虚拟化服务器处理请求的总时间之比，得到请求处理期间磁盘使用率，步骤3.2得到的请求产生的磁盘读写操作数与实验过程中总的磁盘读写操作数之比与总的磁盘使用率相乘得到处理请求占用的磁盘使用率，基于排队网络中使用率与服务器需求的关系得到请求在磁盘消耗的时间；
步骤3.4：通过将请求在CPU、虚拟磁盘与物理磁盘消耗的时间相加得到响应时间这一性能评估指标，通过在日志文件中获得的请求数目得到虚拟化服务器处理的总请求数，通过总请求数与总请求处理时间之比得到吞吐量这一性能评估指标。
2.根据权利要求1所述的针对KVM虚拟化服务器的性能评估方法，其特征在于：步骤S1中，根据服务水平协议中的服务质量参数，即QoS参数，以及目前实际应用环境中常用的性能度量，确定KVM虚拟化服务器性能评估指标为响应时间与吞吐量。
3.根据权利要求1所述的针对KVM虚拟化服务器的性能评估方法，其特征在于：步骤S2中，根据KVM中资源调度以及资源虚拟化实现方式，结合虚拟化服务器负载特性，借助开放型排队网络模型建立虚拟化服务器性能评估模型。
4.根据权利要求3所述的针对KVM虚拟化服务器的性能评估方法，其特征在于：步骤S2中，先根据KVM中虚拟化资源实现方式，确定KVM虚拟化环境中，非I/O请求与I/O请求在虚拟化服务器中的处理过程。
5.根据权利要求4所述的针对KVM虚拟化服务器的性能评估方法，其特征在于：步骤S2中，再构建基于开放型排队网络模型的虚拟化服务器性能评估模型，将KVM中虚拟化服务器性能度量分为CPU、虚拟磁盘与物理磁盘性能度量三部分。
6.根据权利要求1所述的针对KVM虚拟化服务器的性能评估方法，其特征在于：步骤S3中，在Linux操作系统中时，还包括说明、输出在Linux操作系统中如何计算性能评估指标。
7.根据权利要求1所述的针对KVM虚拟化服务器的性能评估方法，其特征在于：
请求在CPU中消耗的平均时间计算公式为：
其中表示在服务器处理请求期间，进程i使用的CPU时间，进程pidi、pidj…pidk表示处理请求相关的应用进程，λtotal表示服务器处理的请求总数，Rcpu，req表示CPU处理请求的平均时间。
8.根据权利要求1所述的针对KVM虚拟化服务器的性能评估方法，其特征在于：
请求在虚拟磁盘或物理磁盘消耗的平均时间计算公式为：
IOdisk，total＝Readdisk，total+Writedisk，total (4)
其中T指服务器处理用户请求的总时间，Tdisk表示服务器处理用户请求时磁盘忙碌的时间，Readdisk，total与Writedisk，total分别表示服务器处理用户请求期间总的磁盘读写数，与分别表示请求引起的磁盘读写操作数，其中pidi、pidj…pidk表示与请求相关的磁盘访问进程，Udisk，total表示服务器在处理请求期间磁盘总的使用率，Udisk，req表示处理请求造成的磁盘使用率，请求进行I/O操作花费的时间为：
其中Xdisk，req磁盘吞吐量，即磁盘在单位时间内处理的读写操作数，则根据排队网络模型中使用率与时间的关系得到磁盘处理I/O请求的响应时间为：
将请求在CPU消耗的平均时间与在虚拟磁盘以及物理磁盘消耗的平均时间相加，即可以得到虚拟化服务器响应时间，虚拟化服务器总吞吐量即为服务器单位时间处理的请求数。
CN201510977407.4A 2015-12-23 2015-12-23 针对kvm虚拟化服务器的性能评估方法 Active CN105630575B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510977407.4A CN105630575B (zh) 2015-12-23 2015-12-23 针对kvm虚拟化服务器的性能评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510977407.4A CN105630575B (zh) 2015-12-23 2015-12-23 针对kvm虚拟化服务器的性能评估方法

Publications (2)

Publication Number Publication Date
CN105630575A CN105630575A (zh) 2016-06-01
CN105630575B true CN105630575B (zh) 2019-02-15

Family

ID=56045554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510977407.4A Active CN105630575B (zh) 2015-12-23 2015-12-23 针对kvm虚拟化服务器的性能评估方法

Country Status (1)

Country Link
CN (1) CN105630575B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107291539B (zh) * 2017-06-19 2019-11-01 山东师范大学 基于资源重要程度的集群程序调度方法
CN110633194B (zh) * 2019-09-26 2023-03-28 中国民用航空总局第二研究所 一种硬件资源在特定环境下的性能评估方法
US10817328B1 (en) * 2020-01-30 2020-10-27 Coupang Corp. Systems and methods for virtual server resource usage metric evaluation and performance tracking
CN111884833A (zh) * 2020-07-04 2020-11-03 中国人民解放军海军航空大学航空作战勤务学院 一种基于网络虚拟化技术的仿真系统集成方法
CN116155835B (zh) * 2023-01-17 2024-04-16 哈尔滨工业大学（威海） 一种基于排队论的云资源服务质量评估方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102866950A (zh) * 2012-09-13 2013-01-09 浪潮(北京)电子信息产业有限公司 一种虚拟服务器的性能测试方法以及测试工具
CN104333488A (zh) * 2014-11-04 2015-02-04 哈尔滨工业大学 云服务平台性能测试方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2412980A (en) * 2004-04-07 2005-10-12 Hewlett Packard Development Co A method of distributing load amongst two or more computer system resources

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102866950A (zh) * 2012-09-13 2013-01-09 浪潮(北京)电子信息产业有限公司 一种虚拟服务器的性能测试方法以及测试工具
CN104333488A (zh) * 2014-11-04 2015-02-04 哈尔滨工业大学 云服务平台性能测试方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于排队论的IaaS云服务性能分析模型;王斌;《中国优秀硕士学位论文全文数据库 信息科技辑》;20151015(第10期);第4-5、16-34页

Also Published As

Publication number Publication date
CN105630575A (zh) 2016-06-01

Similar Documents

Publication Publication Date Title
US10212219B2 (en) Resource allocation diagnosis on distributed computer systems
Arzuaga et al. Quantifying load imbalance on virtualized enterprise servers
US10489215B1 (en) Long-range distributed resource planning using workload modeling in hyperconverged computing clusters
CN102759979B (zh) 一种虚拟机能耗估计方法及装置
US9542232B2 (en) System and method for transforming legacy desktop environments to a virtualized desktop model
CN105630575B (zh) 针对kvm虚拟化服务器的性能评估方法
US11275672B2 (en) Run-time determination of application performance with low overhead impact on system performance
US8862914B2 (en) Virtual machine power consumption measurement and management
Castañé et al. E-mc2: A formal framework for energy modelling in cloud computing
CN102073535B (zh) 基于硬件计数器虚拟化的多虚拟机性能分析方法
US20200026576A1 (en) Determining a number of nodes required in a networked virtualization system based on increasing node density
Guzek et al. A holistic model of the performance and the energy efficiency of hypervisors in a high‐performance computing environment
Ahmad et al. Predicting system performance for multi-tenant database workloads
Elsayed et al. Performance evaluation and comparison of the top market virtualization hypervisors
Wu et al. A reference model for virtual machine launching overhead
Li et al. Energy-aware task scheduling optimization with deep reinforcement learning for large-scale heterogeneous systems
Alrajeh et al. Using Virtual Machine live migration in trace-driven energy-aware simulation of high-throughput computing systems
Sousa et al. Evaluating eucalyptus virtual machine instance types: A study considering distinct workload demand
CN106844175B (zh) 一种基于机器学习的云平台容量规划方法
Zhang et al. A VM-based resource management method using statistics
Apte et al. Look Who's Talking: Discovering Dependencies between Virtual Machines Using {CPU} Utilization
Ge et al. Memory sharing for handling memory overload on physical machines in cloud data centers
Bose et al. Benchmarking database performance in a virtual environment
Deehr et al. Performance analysis of database virtualization with the TPC-VMS benchmark
US20170031625A1 (en) Data collection in a multi-threaded processor

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20181218

Address after: Room 205, Building 15, Brown Stone Garden Area, Dongmen, Yuanmingyuan District, Haidian District, Beijing 100084

Applicant after: Lan Yuqing

Address before: 100191 Unit 1002A, Shining Building, 35 College Road, Haidian District, Beijing

Applicant before: YILAN YUNLIAN TECHNOLOGY CO., LTD.

GR01 Patent grant
GR01 Patent grant