基于硬件计数器虚拟化的多虚拟机性能评测研究

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:jbhjyh12345678
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
虚拟化技术的广泛应用引发了对虚拟化环境下性能分析工具的需求。如不同虚拟机里的用户需了解运行在该虚拟机的程序的性能问题,以便优化程序性能及运行环境配置。这都需要对程序的性能进行分析,一种性能分析方法是基于硬件计数器技术。它需要在程序执行过程中,对相应的CPU事件进行统计来分析程序性能。由于硬件计数器是一种专用的寄存器,每个CPU上的硬件计数器数量有限。因此,对于基于硬件计数器的性能分析工具,一次能同时分析的CPU事件有限。如目前Xen虚拟环境下的Xenoprof工具,它能让多个虚拟机同时分析相同的CPU事件,但不能在不同的虚拟机里同时分析不同的事件。因此,不能满足虚拟环境下多用户在不同虚拟机同时使用的需要。基于以上提出的问题,可以使用一种基于硬件计数器虚拟化技术的多虚拟机性能评测方法,从而能让不同的虚拟机同时分析不同的CPU事件,并且各个虚拟机之间互不影响。对硬件计数器虚拟化来实现各个虚拟机对硬件计数器的分时复用,从而能让多个虚拟机同时独立地评测不同的事件;为了降低开销对性能分析精度的影响,将对硬件计数器的读写操作放入VMM(虚拟机管理器)的时间片。同时,在Xen VMM层次通过采样机制来获取CPU事件的采样信息,并将这些信息分发到与各个虚拟机对应的缓冲区,最后再交给虚拟机用户层的分析工具进行分析处理,从而得到相应的分析结果及详细的性能信息。这样,多个虚拟机里的用户就能同时评测不同的CPU事件,并感觉不到其它用户的存在,从而为虚拟环境下的程序分析提供较大的便利。从测试结果可以看出,该系统在功能上能较好地满足需求,能让多个虚拟机同时独立、互不影响地评测不同的CPU事件;同时,在性能上也取得了较好的效果,将该系统的测试结果同Xenoprof在同等条件下的测试结果对比,两者得到的性能数据基本相当。
其他文献
随着多核硬件的不断普及,并发程序编程的使用也越来越频繁,如何解决并发程序中出现的错误也越来越受到人们关注。在并发程序执行过程中,由于线程调度的随机性,使得人们对并发
本文在对运动目标识别与跟踪算法分析的基础上,将新兴的基于GPU的单机并行计算技术用于运动目标识别与跟踪算法的研究中。主要研究了基于CUDA目标的预处理过程,传统运动目标的
近几十年来,传统的确定性数据(deterministic data)管理技术得到了迅猛的发展,在国民经济建设中起到了突出作用。在传统数据库的应用中,数据的存在性和精确性均确凿无疑[1]。
随着网络的快速发展,网络上存在的信息资源也迅速增长,传统的检索结果以线性列表的形式返回,缺乏有效的过滤、组织和汇聚,无法很好地体现文档之间存在的内在关联,而且展示方
随着教育事业的快速发展,考试在各个领域的应用变得十分广泛,因此对考试的研究也越来越深入。当前,指导考试研究的理论主要有经典测量理论和项目反应理论。经典测量理论由于
随着网络技术的飞速发展,全球数据倍增,为大数据的分析和处理带来了困难。Map Reduce作为新兴的数据密集型计算编程模型,在大数据分析与处理方面发挥了重要的作用。而区间连
应用运动捕捉设备能获取高度真实感的三维人体运动数据。然而,人体运动复杂多样,不可能采集到适合每种虚拟环境以及适合每种虚拟人的运动数据,由于捕获区域和设备的局限性,难以获
目标识别是计算机视觉的重要研究课题,而交通灯识别和阴影识别是目标识别中当前研究的热点问题。实时交通灯的识别在辅助驾驶和无人驾驶汽车方面有广泛的应用;而阴影消除关系
关联规则挖掘是数据挖掘领域中一个重要的研究方向,它可以在海量数据中揭示某些特定的规律,辅助决策者进行决策。作为关联规则挖掘中最耗时的部分——频繁模式挖掘,其算法的
随着计算机技术的飞速发展,各行各业对软件开发的效率、质量以及后期维护都有了更高的要求,然而传统的以数据库为核心的软件开发方法并不能很好地满足这些需求。领域驱动设计