Modeling and Analysis of High Availability Techniques in a Virtualized System
Modeling and Analysis of High Availability Techniques in a Virtualized System
复制标题
虚拟化系统高可用性技术的建模与分析
DOI：
10.1093/comjnl/bxx049
复制
发表时间：
2017-05
期刊：
影响因子：
--
通讯作者：
Zhenjiang Zhang
中科院分区：
文献类型：
--
作者：
Xiaolin Chang;Tianju Wang;Ricardo J. Rodríguez;Zhenjiang Zhang
对虚拟系统的可用性评估对于云计算服务的广泛部署至关重要。基于时间、基于预测的虚拟机(VM)恢复和虚拟机监视器、VM故障转移和实时VM迁移是虚拟系统中常见的高可用性(HA)技术。本文研究了在可能发生各种软件和硬件故障的虚拟系统中，这些可用性技术的组合对VM可用性的影响。对于每种组合，我们构建分析模型恢复机制以提高VM可用性；(2)无论是否部署故障转移和/或实时VM迁移，当预测成功率高于70%时，基于预测的恢复机制比基于时间的VM恢复更能提高VM可用性；(3)故障转移机制优于实时VM迁移，尽管它们可以协同工作以获得更高的VM可用性。此外，它们还可以与软件恢复机制相结合，以实现更高的可用性；(4)时间间隔设置对于基于时间的恢复机制至关重要。这些分析结果为在虚拟系统中部署和设置HA技术提供了指导。
Availability evaluation of a virtualized system is critical to the wide deployment of cloud computing services. Time-based, prediction-based rejuvenation of virtual machines (VM) and virtual machine monitors, VM failover and live VM migration are common high-availability (HA) techniques in a virtualized system. This paper investigates the effect of combination of these availability techniques on VM availability in a virtualized system where various software and hardware failures may occur. For each combination, we construct analytic models rejuvenation mechanisms to improve VM availability; (2) prediction-based rejuvenation enhances VM availability much more than time-based VM rejuvenation when prediction successful probability is above 70%, regardless failover and/or live VM migration is also deployed; (3) failover mechanism outperforms live VM migration, although they can work together for higher availability of VM. In addition, they can combine with software rejuvenation mechanisms for even higher availability; (4) and time interval setting is critical to a time-based rejuvenation mechanism. These analytic results provide guidelines for deploying and parameter setting of HA techniques in a virtualized system.
登录
查看更多内容
影响因子：
3.5
作者：
Carrozza, G.;Cotroneo, D.;Russo, S.
通讯作者：
Russo, S.
DOI：
10.1145/1899928.1899949
发表时间：
2010-12
期刊：
ACM SIGOPS Oper. Syst. Rev.
影响因子：
--
作者：
S. Herrod
通讯作者：
S. Herrod
影响因子：
6.5
作者：
R. Ghosh;F. Longo;Flavio Frattini;S. Russo;Kishor S. Trivedi
通讯作者：
R. Ghosh;F. Longo;Flavio Frattini;S. Russo;Kishor S. Trivedi
DOI：
10.1007/978-94-009-5997-2
发表时间：
2006-12
期刊：
--
影响因子：
--
作者：
Surender Sachit
通讯作者：
Surender Sachit
DOI：
--
发表时间：
2007
期刊：
Economics and Applied Informatics
影响因子：
--
作者：
T. Thein;S. Chi;Jong Sou Park
通讯作者：
T. Thein;S. Chi;Jong Sou Park