相较于传统互联网模式,云计算有着更大的计算和存储能力,数据时代催生了云计算的发展,虚拟化作为云计算的关键技术之一,能够将物理资源有效隔离,根据用户需求给用户分配资源,并且具有低成本、高可靠、易扩展和高安全性等优点。但由于云平台具有结构复杂,提供不间断服务的特点,云平台上的应用又灵活多变,每个虚拟机的负载处于不断变化当中,当服务器集群需要升级或者集群负载不均衡时,就需要进行虚拟机的动态迁移。虚拟机的动态迁移是指在源主机继续提供服务的前提下将其迁移到另外一台物理主机上,其中何时触发迁移以及迁移时目标节点的选择一直是虚拟机动态迁移技术中研究的重点。针对上述问题,本文提出了一种基于KVM虚拟机动态迁移的机制,搭建了基于NFS共享存储的虚拟机迁移环境。本文的研究工作主要包含四个方面,首先,基于KVM虚拟化技术设计了虚拟机动态迁移系统,该系统主要分为五个部分——资源监听模块、迁移运行模块、冻结模块、预测模块和唤醒模块,其中资源监听模块用于监听服务器以及虚拟机的各种信息,如内存、CPU、网络、IO等的使用情况,并根据这些监听到的资源来确定迁移的目的主机。预测模块根据监听到的资源信息预测这些资源将来超过资源阈值的情况,以此来触发虚拟机的迁移。其次又提出了一种基于灰色预测方法的虚拟机迁移的触发机制,该机制的主要思想是根据资源监听模块监听到的信息预测服务器将来某一时刻的资源利用率。这里我们设置了上下两个阈值,当预测值超过上阈值时,说明该服务器过载了,就需要将其上的虚拟机迁移到其他空闲服务器上去,从而使得集群负载更加均衡;当预测值低于下阈值时,就需要将该服务器上的虚拟机全部迁移出去,关闭该空闲服务器,以此来节约能耗。基于预测的触发机制有如下好处,一是避免了服务器资源的瞬时震荡导致的虚拟机的频繁迁移;二是虚拟机迁移本身也是要消耗CPU、内存、网络等资源的,在传统的迁移算法中,如果上阈值确定得过高,有可能导致服务器的宕机,而预测迁移算法中对于阈值的确定更加的灵活;三是根据综合资源利用率确定触发时机考虑到了物理硬件对系统的影响。的相关度函数,根据相关度选择待迁移的虚拟机可以然后本文又提出了一种待迁移虚拟机选择机制,设计了虚拟机和服务器之间有效提高集群的资源利用率。之后为了更好地选择目的主机,本文提出了一种基于多属性决策的目标节点选择方法,通过资源监听模块监听到的服务器内存、CPU、网络带宽以及I/O使用情况,将每一个资源属性看成一个坐标轴,这样就会形成一个N维的属性坐标空间,而待评价的目的主机就是N维空间中的一个点,根据TOPSIS方法评价目的主机与理想化目标的接近程度对待选择的目的主机进行排序,从而选择出最优的目的主机。最后通过CloudSim云平台仿真工具测试了本文提出的目标节点选择机制,并在真实主机上测试了基于灰色预测的虚拟机迁移的触发机制。实验表明,本文提出的算法既提高了集群的资源利用率,又有效改善了云中心的负载不均衡的现象。