Made available in DSpace on 2016-08-29T15:33:23Z (GMT). No. of bitstreams: 1 tese_9278_Ata 337º.pdf: 642020 bytes, checksum: 75b1ea9fbbced5ea1bee7a6056858c98 (MD5) Previous issue date: 2015-10-13 / Este trabalho busca melhorar o processo migratório de máquinas virtuais implementando um escalonador de migrações baseado em dados provenientes de uma caracterização da carga de trabalho em uma nuvem privada. As migrações são necessárias para balanceamento de carga entre os hosts, contudo podem impactar negativamente no desempenho dos serviços. Por meio da caracterização empírica da nuvem estudada, foi observado uma grande desproporção entre o tempo de uma migração simples (menor tempo) e uma simultânea (maior tempo). Com base nesses dados, foi proposto um algoritmo para realizar o escalonamento das migrações, de forma serial (removendo a simultaneidade) e fundamentado no Shortest Job First. Os resultados do escalonador mostraram-se melhores em quase sua totalidade quando comparados ao arcabouço tecnológico base deste trabalho e o VMware. Foi possível reduzir o tempo médio e a quantidade de migrações ocorridas. / This work seeks to improve the virtual machines migration process implementing a migration scheduler based on data from a workload characterization in a private cloud. The migrations are necessary to load balancing among hosts, nevertheless they can negatively impact the performance of services. By empirical characterization of the studied cloud, it was observed a large disproportion between the time of a simple migration (shorter time) and a simultaneous one (longer time). Based on these data, it was proposed an algorithm to do the migrations scheduling, in a serial way (removing the simultaneity) and grounded on Shortest Job First. The results of the scheduler showed up better almost in its entirety compared to the VMware, it was possible to decrease 33% in the average time in 93% of the occurred migrations (total of 765 migrations).

A crescente demanda por ambientes de virtualização de larga escala, como os usados em datacenters e nuvens computacionais, faz com que seja necessário um gerenciamento eficiente dos recursos computacionais utilizados. Um dos recursos mais exigidos nesses ambientes é a memória RAM, que costuma ser o principal fator limitante em relação ao número de máquinas virtuais que podem executar sobre o mesmo host físico. Recentemente, hipervisores trouxeram mecanismos de compartilhamento transparente de memória RAM entre máquinas virtuais, visando diminuir a demanda total de memória no sistema. Esses mecanismos “fundem” páginas idênticas encontradas nas várias máquinas virtuais em um mesmo quadro de memória física, usando uma abordagem copy-on-write, de forma transparente para os sistemas convidados. O objetivo deste estudo é apresentar uma visão geral desses mecanismos e também avaliar seu desempenho e efetividade. São apresentados resultados de experimentos realizados com dois hipervisores populares (VMware e KVM), usando sistemas operacionais convidados distintos (Linux e Windows) e cargas de trabalho diversas (sintéticas e reais). Os resultados obtidos evidenciam diferenças significativas de desempenho entre os hipervisores em função dos sistemas convidados, das cargas de trabalho e do tempo. / The growing demand for large-scale virtualization environments, such as the ones used in cloud computing, has led to a need for efficient management of computing resources. RAM memory is the one of the most required resources in these environments, and is usually the main factor limiting the number of virtual machines that can run on the physical host. Recently, hypervisors have brought mechanisms for transparent memory sharing between virtual machines in order to reduce the total demand for system memory. These mechanisms “merge” similar pages detected in multiple virtual machines into the same physical memory, using a copy-on-write mechanism in a manner that is transparent to the guest systems. The objective of this study is to present an overview of these mechanisms and also evaluate their performance and effectiveness. The results of two popular hypervisors (VMware and KVM) using different guest operating systems (Linux and Windows) and different workloads (synthetic and real) are presented herein. The results show significant performance differences between hypervisors according to the guest system workloads and execution time.