CN113032231A - 一种虚拟化平台综合性能评估方法 - Google Patents

一种虚拟化平台综合性能评估方法 Download PDF

Info

Publication number
CN113032231A
CN113032231A CN202110256659.3A CN202110256659A CN113032231A CN 113032231 A CN113032231 A CN 113032231A CN 202110256659 A CN202110256659 A CN 202110256659A CN 113032231 A CN113032231 A CN 113032231A
Authority
CN
China
Prior art keywords
performance
testing
virtual machine
tool
machine
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.)
Granted
Application number
CN202110256659.3A
Other languages
English (en)
Other versions
CN113032231B (zh
Inventor
胡广
张文彬
王俊杰
蔡万增
倪明
胡凯凡
吴穹
曾红锦
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.)
Chinese People's Liberation Army 63660
Original Assignee
Chinese People's Liberation Army 63660
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 Chinese People's Liberation Army 63660 filed Critical Chinese People's Liberation Army 63660
Priority to CN202110256659.3A priority Critical patent/CN113032231B/zh
Publication of CN113032231A publication Critical patent/CN113032231A/zh
Application granted granted Critical
Publication of CN113032231B publication Critical patent/CN113032231B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F11/3466—Performance evaluation by tracing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/301—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is a virtual computing platform, e.g. logically partitioned systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3037—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a memory, e.g. virtual memory, cache
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3041—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is an input/output interface

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Debugging And Monitoring (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明属于云计算与软件性能测试技术领域，提供一种虚拟化平台综合性能评估方法。包括两大步，第一步，虚拟机性能测试，包括确定物理机硬件资源、测试虚拟化后CPU性能、测试内存性能、测试磁盘性能、测试网络性能、测试应用部署性能；第二步，平台管理性能测试，包括测试虚拟机开机性能、测试虚拟机扩展性能、测试虚拟机遇故障恢复的性能、测试虚拟机部署的最大数量、测试虚拟机的稳定性。本发明可以为产品选型、应用软件部署、资源分配提供重要依据，本发明从虚拟机性能测试与虚拟化平台管理能力两方面评估虚拟化平台综合性能并给出定量的评估方法。

Description

一种虚拟化平台综合性能评估方法
技术领域
本发明属于云计算与软件性能测试技术领域，具体涉及一种虚拟化平台综合性能评估方法。
背景技术
虚拟化平台通过对物理资源和资源池的抽象化，提高了资源利用率，增加了使用灵活性。目前常见的虚拟化平台有Fusion Computer、Zstack、EasyStack等十多种，它们在提供强大功能的同时也带来了一定的资源损耗，必定也会降低整个虚拟化系统的性能。评估虚拟化平台可以为产品选型、应用软件部署、资源分配提供重要依据。同时，虚拟化综合性能评估方法可以为建设高效、稳定、低成本的虚拟化平台提供技术支撑。
该文(参考文献：郏涛，等.广电虚拟化平台性能测试研究[J].广播与电视技术，2019，Vol.46(9))通过一种虚拟化平台性能测试工具对虚拟化平台进行性能评估，该评估方法中仅涉及CPU负载性能、虚拟化内存读写性能和磁盘读写性能，仅这些指标无法完全反映虚拟化平台性能。该文(参考文献：张寓琛，等.x86服务器虚拟化平台性能测试[J].计算机与现代化，2014(02):32-35.)提出一种x86服务器虚拟化平台的性能测试系统，该系统中仅支持对Web和数据库两种应用虚拟服务器进行性能测试即只测试应用在虚拟化平台的性能表现。该文(参考文献：杜雅红，等.虚拟化性能损耗研究[J].铁路计算机应用，2020,29(05):67-71)只通过测试CPU、内存、磁盘和网络性能来评估虚拟化平台性能，而且该方法在测试CPU性能时仅考虑单线程性能，在测试网络性能时，只考虑TCP带宽和UDP带宽。这些方法都只能片面评价虚拟化平台性能表现。该专利(参考文献：基于程序轮廓分析的虚拟化平台性能评测方法，专利号：CN2011110200015.9)使用程序轮廓分析技术获取宏观负载的资源请求，利用微观基准测试得到待测虚拟平台的资源供给。该方法操作复杂，对测试人员能力要求较高，对系统具有一定的侵入性，且并未给出具体评测指标以及从应用角度去评测虚拟化平台性能。
发明内容
本发明的目的是提供一种虚拟化平台综合性能评估方法。用于解决产品选型困难、如何部署应用软件、如何充分利用虚拟化资源的技术问题。
为达到上述目的，本发明的一种虚拟化平台综合性能评估方法技术方案包括如下步骤：
步骤1、虚拟机性能测试
1.1确定物理机硬件资源
1.2测试虚拟化后CPU性能
1.2.1在虚拟机上采用bc工具通过圆周率计算，测试CPU单线程浮点数计算能力m1；
1.2.2在物理机上采用bc工具通过圆周率计算，测试CPU单线程浮点数计算能力M1；
1.2.3在虚拟机采用sysbench工具通过计算30000以内最大质数，发起50000次请求，测试CPU多线程计算能力m2；
1.2.4在物理机采用sysbench工具通过计算30000以内最大质数，发起50000次请求，测试CPU多线程计算能力M2；
1.2.5重复S21，S22，S23，S24步骤若干次，测量取平均值后得到
Figure BDA0002967646530000021
将虚拟机的结果值与物理机的结果值的比值，作为虚拟化后CPU单线程和多线程的性能评估值，比值越大，虚拟化性能越好；
Figure BDA0002967646530000031
1.3测试内存性能
1.3.1在虚拟机上采用LMbench工具，测试内存的读带宽m3；
1.3.2在物理机上采用LMbench工具，测试内存的读带宽M3；
1.3.3在虚拟机上采用LMbench工具，测试内存的写带宽m4；
1.3.4在物理机上采用LMbench工具，测试内存的写带宽M4；
1.3.5多次重复S31，S32，S33，S34步骤测量取平均值后得到
Figure BDA0002967646530000032
虚拟机的结果值与物理机的结果值的比值，作为虚拟化后内存的读写带宽的性能评估值，比值越大，虚拟化性能越好。
Figure BDA0002967646530000033
1.4测试磁盘性能
1.4.1在虚拟机上采用FIO工具测试4K小文件随机写IOPS性能m5；
1.4.2在物理机上采用FIO工具测试4K小文件随机写IOPS性能M5；
1.4.3在虚拟机上采用FIO工具测试4K小文件随机读IOPS性能m6；
1.4.4在物理机上采用FIO工具测试4K小文件随机读IOPS性能M6；
1.4.5在虚拟机上采用FIO工具测试1M大文件顺序读带宽bw性能m7；
1.4.6在物理机上采用FIO工具测试1M大文件顺序读带宽bw性能M7；
1.4.7在虚拟机上采用FIO工具测试1M大文件顺序写带宽bw性能m8；
1.4.8在物理机上采用FIO工具测试1M大文件顺序写带宽bw性能M8；
1.4.9多次重复S41，S42，S43，S44，S45，S46，S47，S48步骤测量取平均值后得到
Figure BDA0002967646530000041
虚拟机的结果值与物理机的结果值的比值，作为虚拟化后磁盘的性能估值，比值越大，虚拟化性能越好。
Figure BDA0002967646530000042
1.5测试网络性能
1.5.1在虚拟机上采用iperf工具测试虚拟机与虚拟机之间的收带宽m9；
1.5.2在物理机上采用iperf工具测试物理机与物理机之间的收带宽M9；
1.5.3在虚拟机上采用iperf工具测试虚拟机与虚拟机之间的发带宽m10；
1.5.4在物理机上采用iperf工具测试物理机与物理机之间的发带宽M10；
1.5.5在虚拟机上采用ping工具测试虚拟机与虚拟机之间的网络时延m11；
1.5.6在物理机上采用ping工具测试物理机与物理机之间的网络时延M11；
1.5.7重复S51，S52，S53，S54，S55，S56步骤若干次，测量取平均值后得到
Figure BDA0002967646530000051
虚拟机的结果值与物理机的结果值的比值，作为虚拟化后网络的性能估值，其中收发带宽比值越大，虚拟化性能越好。时延比值越小，虚拟化性能越好。
Figure BDA0002967646530000052
1.6测试应用部署性能
1.6.1将应用软件部署在虚拟机上，稳定运行后，监控虚拟机CPU利用率、内存率、磁盘IO、网络收发带宽分别为m12，m13，m14，m15，m16，m17；
1.6.2应用软件部署在物理机上，稳定运行后，监控物理机CPU利用率、内存率、磁盘IO、网络收发带宽分别为M12，M13，M14，M15，M16，M17；
1.6.3重复S61,S62若干次后，取平均值得到
Figure BDA0002967646530000053
Figure BDA0002967646530000054
Figure BDA0002967646530000055
将虚拟机的结果值与物理机的结果值的比值，作为虚拟化后应用部署的性能估值，比值越大，虚拟化性能越好；
Figure BDA0002967646530000056
步骤2平台管理性能测试
2.1测试虚拟机开机性能
2.2测试虚拟机扩展性能
2.3测试虚拟机遇故障恢复的性能
2.4测试虚拟机部署的最大数量
2.5测试虚拟机的稳定性
进一步的，步骤2.1如下执行，记录虚拟机从镜像启动到正常运行时长，时长越短，性能越好；
步骤2.2如下执行，将虚拟机内存、硬盘、CPU核数同时扩大一倍，记录扩容时长，时长越短，性能越好；
步骤2.3如下执行，将虚拟机所在物理机关机或断电，记录虚拟机迁移到另一台物理机的时长，时长越短，性能越好；
步骤2.4如下执行，启动单个虚拟机稳定运行后，增加虚拟机启动数目，直到物理机的CPU、内存两者其一超过90％，记录能启动的最大虚拟机数量，数量越大，性能越好；
步骤2.5如下执行，应用部署在虚拟机后，依需求持续运行若干日，记录系统平均故障间隔时长，时长越长，性能越好。
进一步的，步骤1.1如下进行，确定单个虚拟机在虚拟化平台上的资源分配，包含CPU核数、内存大小、磁盘大小、操作系统版本、待测试应用程序。
本发明相对于现有技术的有效收益如下：
1.定量评估。与以前评价虚拟机性能时的定性评估不同，本方法以被虚拟化的物理机平台为参考基准，将虚拟化的性能指标与物理机平台的比值作为定量值。此方法不仅可以定量给出虚拟机性能评估值，还能反映由于虚拟化平台带来的性能损耗。
2.综合评估。与以前局限的评价方法不同，本方法从虚拟机性能和平台管理性能两个方面评价虚拟化平台性能。在评估虚拟机性能时，综合的选择了CPU单线程性能、CPU多线程性能，内存读带宽性能、内存写带宽性能，磁盘小文件随机读写性能、磁盘大文件顺序读写性能，网络收发带宽性能、网络时延性能，应用部署性能。在评估平台管理性能时，综合的选择了虚拟机开机性能、虚拟机扩展性能、虚拟机遇故障恢复的性能、虚拟机部署的最大数量、虚拟机的稳定性。
附图说明
图1为虚拟化平台综合性能评估功能组成图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细的解释和说明。
本发明通过评估虚拟机性能测试与虚拟化平台管理能力两大方面评估虚拟化平台综合性能。本发明同时结合实际应用场景，给出一种定量的评估方法。
本发明的具体技术方案是一种虚拟化平台综合性能评估方法。本发明可以为产品选型、应用软件部署、资源分配提供重要依据，本发明从虚拟机性能测试与虚拟化平台管理能力两方面评估虚拟化平台综合性能并给出定量的评估方法。具体包括以下步骤：
1、虚拟机性能测试
S1)确定物理机硬件资源，单个虚拟机在虚拟化平台上的资源分配，包含CPU核数、内存大小、磁盘大小、操作系统版本、待测试应用程序。
S2)测试虚拟化后CPU性能。CPU性能的直接体现方式为计算能力强弱，而CPU单线程和多线程计算性能可以反映CPU的计算性能。本方法采用开源工具测试CPU性能，更具通用性，多次测量可以减少偶然性误差。
S21)在虚拟机上采用bc工具通过圆周率计算，测试CPU单线程浮点数计算能力m1；
S22)在物理机上采用bc工具通过圆周率计算，测试CPU单线程浮点数计算能力M1；
S23)在虚拟机采用sysbench工具通过计算30000以内最大质数，发起50000次请求，测试CPU多线程计算能力m2；
S24)在物理机采用sysbench工具通过计算30000以内最大质数，发起50000次请求，测试CPU多线程计算能力M2；
S25)多次重复S21，S22，S23，S24步骤测量并取平均值后得到
Figure BDA0002967646530000081
将虚拟机的结果值与物理机的结果值的比值，作为虚拟化后CPU单线程和多线程的性能评估值，比值越大，虚拟化性能越好；
Figure BDA0002967646530000082
S3)测试内存性能。内存带宽是内存最重要的指标，对虚拟机的运行速度有较大影响。本方法采用开源工具测试内存性能，更具通用性，多次测量可以减少偶然性误差。
S31)在虚拟机上采用LMbench工具，测试内存的读带宽m3；
S32)在物理机上采用LMbench工具，测试内存的读带宽M3；
S33)在虚拟机上采用LMbench工具，测试内存的写带宽m4；
S34)在物理机上采用LMbench工具，测试内存的写带宽M4；
S35)多次重复S31，S32，S33，S34步骤测量取平均值后得到
Figure BDA0002967646530000083
虚拟机的结果值与物理机的结果值的比值，作为虚拟化后内存的读写带宽的性能评估值，比值越大，虚拟化性能越好。
Figure BDA0002967646530000084
S4)测试磁盘性能。在日常业务中当涉及日志等小文件的读写时，这些操作在磁盘中为随机读写。而当涉及视频等大文件读写时，这些操作在磁盘中为顺序读写。随机读写性能主要与每秒执行的IO次数相关，顺序读写性能主要与每秒的吞吐量即带宽相关。本方法采用开源工具测试磁盘性能，更具通用性，多次测量可以减少偶然性误差。
S41)在虚拟机上采用FIO工具测试4K小文件随机写IOPS性能m5；
S42)在物理机上采用FIO工具测试4K小文件随机写IOPS性能M5；
S43)在虚拟机上采用FIO工具测试4K小文件随机读IOPS性能m6；
S44)在物理机上采用FIO工具测试4K小文件随机读IOPS性能M6；
S45)在虚拟机上采用FIO工具测试1M大文件顺序读带宽bw性能m7；
S46)在物理机上采用FIO工具测试1M大文件顺序读带宽bw性能M7；
S47)在虚拟机上采用FIO工具测试1M大文件顺序写带宽bw性能m8；
S48)在物理机上采用FIO工具测试1M大文件顺序写带宽bw性能M8；
S49)多次重复S41，S42，S43，S44，S45，S46，S47，S48步骤测量取平均值后得到
Figure BDA0002967646530000091
虚拟机的结果值与物理机的结果值的比值，作为虚拟化后磁盘的性能估值，比值越大，虚拟化性能越好。
Figure BDA0002967646530000101
S5)测试网络性能。虚拟化平台由于本身的系统消耗会对网络性能带来损耗，因此测试网络带宽与网络延迟在实际应用非常重要。本方法采用开源工具测试网络性能，更具通用性，多次测量可以减少偶然性误差。
S51)在虚拟机上采用iperf工具测试虚拟机与虚拟机之间的收带宽m9；
S52)在物理机上采用iperf工具测试物理机与物理机之间的收带宽M9；
S53)在虚拟机上采用iperf工具测试虚拟机与虚拟机之间的发带宽m10；
S54)在物理机上采用iperf工具测试物理机与物理机之间的发带宽M10；
S55)在虚拟机上采用ping工具测试虚拟机与虚拟机之间的网络时延m11；
S56)在物理机上采用ping工具测试物理机与物理机之间的网络时延M11；
S57)多次重复S51，S52，S53，S54，S55，S56步骤测量取平均值后得到
Figure BDA0002967646530000102
虚拟机的结果值与物理机的结果值的比值，作为虚拟化后网络的性能估值，其中收发带宽比值越大，虚拟化性能越好。时延比值越小，虚拟化性能越好。
Figure BDA0002967646530000103
S6)测试应用部署性能。当虚拟化平台搭建后，应用软件会迁移至虚拟机上，测试应用部署在虚拟机上的性能可以进一步掌握虚拟机的综合能力。同时也可以为如何给运行应用软件分配虚拟化资源提供依据。该步骤中也可以采用开源工具使得更具通用性，多次测量可以减少偶然性误差。
S61)将应用软件部署在虚拟机上，依据测试需求，稳定运行若干小时后，监控虚拟机CPU利用率、内存率、磁盘IO、网络收发带宽分别为m12，m13，m14，m15，m16，m17；
S62)应用软件部署在物理机上，稳定运行2h后，监控物理机CPU利用率、内存率、磁盘IO、网络收发带宽分别为M12，M13，M14，M15，M16，M17；
S63)多次重复S61,S62后步骤取平均值得到
Figure BDA0002967646530000111
Figure BDA0002967646530000112
Figure BDA0002967646530000114
虚拟机的结果值与物理机的结果值的比值，作为虚拟化后应用部署的性能估值，比值越大，虚拟化性能越好。
Figure BDA0002967646530000113
2、平台管理性能测试
S1)测试开机性能
记录虚拟机从镜像启动到正常运行时长。时长越短，性能越好。
S2)测试扩展性能
将虚拟机内存、硬盘、CPU核数同时扩大一倍，记录扩容时长。时长越短，性能越好。
S3)测试故障恢复性能
将虚拟机所在物理机关机或断电，记录虚拟机迁移到另一台物理机的时长。时长越短，性能越好。
S4)测试虚拟机部署最大数量
启动单个虚拟机稳定运行后，增加虚拟机启动数目，直到物理机的CPU、内存两者其一超过90％，记录能启动的最大虚拟机数量。数量越大，性能越好。
S5)测试稳定性
应用部署在虚拟机后，运行依据测试需求运行若干日后，记录系统平均故障间隔时长。时长越长，性能越好。

Claims (3)

1.一种虚拟化平台综合性能评估方法，其特征在于，包括如下步骤：
步骤一、虚拟机性能测试
1.1确定物理机硬件资源
1.2测试虚拟化后CPU性能
1.2.1在虚拟机上采用bc工具通过圆周率计算，测试CPU单线程浮点数计算能力m1；
1.2.2在物理机上采用bc工具通过圆周率计算，测试CPU单线程浮点数计算能力M1；
1.2.3在虚拟机采用sysbench工具通过计算30000以内最大质数，发起50000次请求，测试CPU多线程计算能力m2；
1.2.4在物理机采用sysbench工具通过计算30000以内最大质数，发起50000次请求，测试CPU多线程计算能力M2；
1.2.5重复S21，S22，S23，S24步骤若干次，测量取平均值后得到
Figure FDA0002967646520000011
将虚拟机的结果值与物理机的结果值的比值，作为虚拟化后CPU单线程和多线程的性能评估值，比值越大，虚拟化性能越好；
Figure FDA0002967646520000012
1.3测试内存性能
1.3.1在虚拟机上采用LMbench工具，测试内存的读带宽m3；
1.3.2在物理机上采用LMbench工具，测试内存的读带宽M3；
1.3.3在虚拟机上采用LMbench工具，测试内存的写带宽m4；
1.3.4在物理机上采用LMbench工具，测试内存的写带宽M4；
1.3.5多次重复S31，S32，S33，S34步骤测量取平均值后得到
Figure FDA0002967646520000013
虚拟机的结果值与物理机的结果值的比值，作为虚拟化后内存的读写带宽的性能评估值，比值越大，虚拟化性能越好。
Figure FDA0002967646520000021
1.4测试磁盘性能
1.4.1在虚拟机上采用FIO工具测试4K小文件随机写IOPS性能m5；
1.4.2在物理机上采用FIO工具测试4K小文件随机写IOPS性能M5；
1.4.3在虚拟机上采用FIO工具测试4K小文件随机读IOPS性能m6；
1.4.4在物理机上采用FIO工具测试4K小文件随机读IOPS性能M6；
1.4.5在虚拟机上采用FIO工具测试1M大文件顺序读带宽bw性能m7；
1.4.6在物理机上采用FIO工具测试1M大文件顺序读带宽bw性能M7；
1.4.7在虚拟机上采用FIO工具测试1M大文件顺序写带宽bw性能m8；
1.4.8在物理机上采用FIO工具测试1M大文件顺序写带宽bw性能M8；
1.4.9多次重复S41，S42，S43，S44，S45，S46，S47，S48步骤测量取平均值后得到
Figure FDA0002967646520000022
虚拟机的结果值与物理机的结果值的比值，作为虚拟化后磁盘的性能估值，比值越大，虚拟化性能越好；
Figure FDA0002967646520000023
1.5测试网络性能
1.5.1在虚拟机上采用iperf工具测试虚拟机与虚拟机之间的收带宽m9；
1.5.2在物理机上采用iperf工具测试物理机与物理机之间的收带宽M9；
1.5.3在虚拟机上采用iperf工具测试虚拟机与虚拟机之间的发带宽m10；
1.5.4在物理机上采用iperf工具测试物理机与物理机之间的发带宽M10；
1.5.5在虚拟机上采用ping工具测试虚拟机与虚拟机之间的网络时延m11；
1.5.6在物理机上采用ping工具测试物理机与物理机之间的网络时延M11；
1.5.7重复S51，S52，S53，S54，S55，S56步骤若干次，测量取平均值后得到
Figure FDA0002967646520000031
虚拟机的结果值与物理机的结果值的比值，作为虚拟化后网络的性能估值，其中收发带宽比值越大，虚拟化性能越好。时延比值越小，虚拟化性能越好。
Figure FDA0002967646520000032
1.6测试应用部署性能
1.6.1将应用软件部署在虚拟机上，稳定运行后，监控虚拟机CPU利用率、内存率、磁盘IO、网络收发带宽分别为m12，m13，m14，m15，m16，m17；
1.6.2应用软件部署在物理机上，稳定运行后，监控物理机CPU利用率、内存率、磁盘IO、网络收发带宽分别为M12，M13，M14，M15，M16，M17；
1.6.3重复S61,S62若干次后，取平均值得到
Figure FDA0002967646520000033
Figure FDA0002967646520000034
Figure FDA0002967646520000035
将虚拟机的结果值与物理机的结果值的比值，作为虚拟化后应用部署的性能估值，比值越大，虚拟化性能越好；
Figure FDA0002967646520000036
步骤2平台管理性能测试
2.1测试虚拟机开机性能
2.2测试虚拟机扩展性能
2.3测试虚拟机遇故障恢复的性能
2.4测试虚拟机部署的最大数量
2.5测试虚拟机的稳定性。
2.根据如权利要求1所述的一种虚拟化平台综合性能评估方法，其特征在于，所述步骤1.1如下进行，确定单个虚拟机在虚拟化平台上的资源分配，包含CPU核数、内存大小、磁盘大小、操作系统版本、待测试应用程序。
3.根据如权利要求1或2所述的一种虚拟化平台综合性能评估方法，其特征在于，
所述步骤2.1如下执行，记录虚拟机从镜像启动到正常运行时长，时长越短，性能越好；
所述步骤2.2如下执行，将虚拟机内存、硬盘、CPU核数同时扩大一倍，记录扩容时长，时长越短，性能越好；
所述步骤2.3如下执行，将虚拟机所在物理机关机或断电，记录虚拟机迁移到另一台物理机的时长，时长越短，性能越好；
所述步骤2.4如下执行，启动单个虚拟机稳定运行后，增加虚拟机启动数目，直到物理机的CPU、内存两者其一超过90％，记录能启动的最大虚拟机数量，数量越大，性能越好；
所述步骤2.5如下执行，应用部署在虚拟机后，依需求持续运行若干日，记录系统平均故障间隔时长，时长越长，性能越好。
CN202110256659.3A 2021-03-09 2021-03-09 一种虚拟化平台综合性能评估方法 Active CN113032231B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110256659.3A CN113032231B (zh) 2021-03-09 2021-03-09 一种虚拟化平台综合性能评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110256659.3A CN113032231B (zh) 2021-03-09 2021-03-09 一种虚拟化平台综合性能评估方法

Publications (2)

Publication Number Publication Date
CN113032231A true CN113032231A (zh) 2021-06-25
CN113032231B CN113032231B (zh) 2024-03-15

Family

ID=76467388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110256659.3A Active CN113032231B (zh) 2021-03-09 2021-03-09 一种虚拟化平台综合性能评估方法

Country Status (1)

Country Link
CN (1) CN113032231B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117370135A (zh) * 2023-10-18 2024-01-09 方心科技股份有限公司 基于电力应用弹性测试的超算平台性能评测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007148371A1 (ja) * 2006-06-19 2007-12-27 Nec Corporation 仮想マシンのための性能管理システムと性能管理方法
CN102222034A (zh) * 2011-07-15 2011-10-19 浙江大学 基于程序轮廓分析的虚拟化平台性能评测方法
CN102662836A (zh) * 2012-03-28 2012-09-12 易云捷讯科技（北京）有限公司 一种虚拟机评测系统及方法
CN103051710A (zh) * 2012-12-20 2013-04-17 中国科学院深圳先进技术研究院 一种虚拟云平台管理系统及方法
CN105446846A (zh) * 2015-11-30 2016-03-30 中电科华云信息技术有限公司 基于云桌面的性能测试方法
CN111176964A (zh) * 2019-12-13 2020-05-19 苏州浪潮智能科技有限公司 一种虚拟化平台硬件兼容性测试方法
CN111917604A (zh) * 2020-07-28 2020-11-10 苏州浪潮智能科技有限公司 一种基于虚拟交换机仿真平台自动化测试SONiC的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007148371A1 (ja) * 2006-06-19 2007-12-27 Nec Corporation 仮想マシンのための性能管理システムと性能管理方法
CN102222034A (zh) * 2011-07-15 2011-10-19 浙江大学 基于程序轮廓分析的虚拟化平台性能评测方法
CN102662836A (zh) * 2012-03-28 2012-09-12 易云捷讯科技（北京）有限公司 一种虚拟机评测系统及方法
CN103051710A (zh) * 2012-12-20 2013-04-17 中国科学院深圳先进技术研究院 一种虚拟云平台管理系统及方法
CN105446846A (zh) * 2015-11-30 2016-03-30 中电科华云信息技术有限公司 基于云桌面的性能测试方法
CN111176964A (zh) * 2019-12-13 2020-05-19 苏州浪潮智能科技有限公司 一种虚拟化平台硬件兼容性测试方法
CN111917604A (zh) * 2020-07-28 2020-11-10 苏州浪潮智能科技有限公司 一种基于虚拟交换机仿真平台自动化测试SONiC的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
AMIT M POTDAR等: "Performance Evaluation of Docker Container and Virtual Machine", 《PROCEDIA COMPUTER SCIENCE》 *
吴可心;李正民;张兆心;沈英洪;: "云平台虚拟化性能的评测与研究", 高技术通讯, no. 12 *
袁超等: "基于Fusion Compute虚拟化平台的HIRFL数据库迁移及性能优化", 《原子能科学技术》, vol. 53, no. 9 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117370135A (zh) * 2023-10-18 2024-01-09 方心科技股份有限公司 基于电力应用弹性测试的超算平台性能评测方法及系统
CN117370135B (zh) * 2023-10-18 2024-04-02 方心科技股份有限公司 基于电力应用弹性测试的超算平台性能评测方法及系统

Also Published As

Publication number Publication date
CN113032231B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
Liu et al. Performance and energy modeling for live migration of virtual machines
Wood et al. Profiling and modeling resource usage of virtualized applications
Ou et al. Energy-and cost-efficiency analysis of arm-based clusters
US9547605B2 (en) Method for data backup, device and system
US8904403B2 (en) Dynamic optimization of thread assignments for application workloads in parallel computing
US10558549B2 (en) Method and system for pre-deployment performance estimation of input-output intensive workloads
Huang et al. Virt-LM: a benchmark for live migration of virtual machine
Aikema et al. Green cloud VM migration: Power use analysis
Elsayed et al. Performance evaluation and comparison of the top market virtualization hypervisors
CN109933504A (zh) 一种硬盘延迟测试方法、装置、终端及存储介质
Wang et al. An experimental study of rapidly alternating bottlenecks in n-tier applications
CN113032231A (zh) 一种虚拟化平台综合性能评估方法
Fu et al. FARMS: Efficient mapreduce speculation for failure recovery in short jobs
CN101883019B (zh) 一种验证存储服务器是否满足视频应用的测试方法
Costa et al. Assessing data deduplication trade-offs from an energy and performance perspective
Zhang et al. Performance degradation-aware virtual machine live migration in virtualized servers
Liu et al. High-responsive scheduling with MapReduce performance prediction on hadoop YARN
CN113986719A (zh) 基于云服务的大规模集群性能自动化测试方法及系统
Méndez et al. Modeling parallel scientific applications through their input/output phases
Sethuraman et al. Tpc-v: A benchmark for evaluating the performance of database applications in virtual environments
Groot et al. Modeling I/O interference for data intensive distributed applications
Saletore et al. HcBench: Methodology, development, and characterization of a customer usage representative big data/Hadoop benchmark
Dayo A Multi-Containerized Application using Docker Containers and Kubernetes Clusters
Reddy et al. Performance comparison of different operating systems in the private cloud with KVM hypervisor using SIGAR framework
Wood et al. Predicting application resource requirements in virtual environments

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant