一种用于虚拟集群的镜像按需分发框架

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (2): 1-6.

一种用于虚拟集群的镜像按需分发框架

刘圣卓，姜进磊，杨广文

1.清华大学计算机科学与技术系，北京 100084
2.清华信息科学与技术国家实验室（筹），北京 100084

出版日期:2016-01-15 发布日期:2016-01-28

On-demand image distribution framework for virtual clusters

LIU Shengzhuo, JIANG Jinlei, YANG Guangwen

1.Department of Computer Science & Technology, Tsinghua University, Beijing 100084, China
2.Tsinghua National Laboratory for Information Science and Technology, Tsinghua University, Beijing 100084, China

Online:2016-01-15 Published:2016-01-28

摘要/Abstract

摘要： 虚拟集群部署过程中，大量的镜像数据传输导致启动时间过长，可扩展性和效率受到影响。提出了镜像按需分发框架，根据虚拟机启动和运行过程中只对有限数据块访问的特性，仅传输虚拟机启动和运行所需数据块，避免了存储节点和网络瓶颈问题。进一步，提出了差异化的数据块划分方法，兼顾了镜像读写性能和分发效率：去冗余处理采用大数据块，提升管理效率和存取性能;采用小数据块划分启动区数据，提高传输效率。对于50个镜像的分发实验表明，相比于全镜像分发，按需分发速度可以提升13~22倍。

null

关键词: 虚拟集群, 虚拟机, 镜像分发, 按需分发

Abstract: In the process of virtual clusters deployment, transmission of mass image data leads to longer boot time, and the scalability and efficiency are affected. An on-demand image distribution framework is proposed to reduce data transmission and avoid the bottlenecks of storage nodes and network based on the character that virtual machines only access limited data blocks in booting and running. Further, differentiated data block division method is proposed that takes into account the image accessing performance and distribution efficiency：the bigger division block size is used in deduplication processing to enhance index management efficiency and data accessing performance, whereas data in the boot region is divided with smaller data block size to improve data transmission efficiency. Distribution experiment of 50 image files shows that, compared with the full-image distribution, on-demand distribution can improve the distribution speed of 13~22 times.

Key words: virtual clusters, virtual machine, image distribution, on-demand distribution

刘圣卓，姜进磊，杨广文. 一种用于虚拟集群的镜像按需分发框架[J]. 计算机工程与应用, 2016, 52(2): 1-6.

LIU Shengzhuo, JIANG Jinlei, YANG Guangwen. On-demand image distribution framework for virtual clusters[J]. Computer Engineering and Applications, 2016, 52(2): 1-6.

[1]	张驰，王宇新，冯振，郭禾. 双层虚拟化云架构下任务调度能耗优化算法[J]. 计算机工程与应用, 2021, 57(3): 103-111.
[2]	贺寰烨，林果园，顾浩，方梦华. 云虚拟机异常检测场景下改进的LOF算法[J]. 计算机工程与应用, 2020, 56(23): 80-86.
[3]	孙卫真1，张美琳1，向勇2，毛英明3，曹睿东2. 基于QEMU的CPU指令频度分析[J]. 计算机工程与应用, 2017, 53(11): 61-66.
[4]	李俊涛，吴小开. 基于布朗指数法的虚拟机动态整合方法[J]. 计算机工程与应用, 2016, 52(7): 56-61.
[5]	唐鸣，王俊英，陈鹏，臧兆祥. 基于PABFD-SA算法的虚拟机动态迁移研究[J]. 计算机工程与应用, 2016, 52(5): 55-60.
[6]	董卫宇，戚旭衍，曾韵，郭玉东，蒋烈辉. 跨平台系统虚拟机的二进制翻译优化[J]. 计算机工程与应用, 2016, 52(23): 42-49.
[7]	于涛1，周小天2. 基于拍卖的虚拟机动态供应和分配算法[J]. 计算机工程与应用, 2016, 52(23): 81-87.
[8]	代西超，南建国，黄雷，黄金科，张超. 改进的内存预拷贝动态迁移算法[J]. 计算机工程与应用, 2016, 52(23): 88-93.
[9]	张欢，李仁发，黄晶. 一种迁移开销感知的虚拟机动态整合算法[J]. 计算机工程与应用, 2016, 52(21): 42-48.
[10]	张小庆. 高效能云计算虚拟机优化部署策略[J]. 计算机工程与应用, 2016, 52(15): 1-7.
[11]	谢鑫1，2，刘粉林1，2，芦斌1，2，向飞1，2. Handler混淆增强的虚拟机保护方法[J]. 计算机工程与应用, 2016, 52(15): 146-152.
[12]	刘卫宁1，2，冯国毅1，2. 虚拟化系统性能隔离量化评测研究[J]. 计算机工程与应用, 2015, 51(9): 227-232.
[13]	李迎1，张璟1，2，虎群1，李军怀1，2. 人工鱼群算法在虚拟机分配中的应用[J]. 计算机工程与应用, 2015, 51(4): 22-28.
[14]	张留美1，2，马建峰1，王一川1. 面向绿色云计算的虚拟机迁移推荐[J]. 计算机工程与应用, 2014, 50(20): 30-35.
[15]	张丽娜1，阎文斌2. 基于虚拟机的软件保护研究与设计[J]. 计算机工程与应用, 2012, 48(26): 66-70.