吳可心 李正民 張兆心 沈英洪

(*哈爾濱工業(yè)大學(威海)計算機科學與技術(shù)學院，網(wǎng)絡與信息安全技術(shù)研究中心 威海 264209)(**國家計算機信息內(nèi)容安全重點實驗室(威海) 威海 264209)(***國家計算機網(wǎng)絡應急技術(shù)處理協(xié)調(diào)中心 北京 100029)(****中國科學院信息工程研究所 北京 100093)

云平臺虛擬化性能的評測與研究①

吳可心②***李正民*******張兆心③***沈英洪***

(*哈爾濱工業(yè)大學(威海)計算機科學與技術(shù)學院，網(wǎng)絡與信息安全技術(shù)研究中心 威海 264209)(**國家計算機信息內(nèi)容安全重點實驗室(威海) 威海 264209)(***國家計算機網(wǎng)絡應急技術(shù)處理協(xié)調(diào)中心 北京 100029)(****中國科學院信息工程研究所 北京 100093)

闡述了虛擬化技術(shù)是云平臺實現(xiàn)的關(guān)鍵技術(shù)，虛擬化性能是衡量云平臺性能的重要標準。為評測與研究云平臺的虛擬化性能，建立了一種云平臺虛擬化性能評測模型，并對UCloud和百度開放云平臺這兩個云平臺的虛擬機性能及其損失、虛擬資源分配和虛擬機穩(wěn)定性進行了測試，并對測試結(jié)果進行了分析。結(jié)果表明，建立的評測模型可以準確地分析UCloud云平臺和百度開放云平臺的虛擬化性能，可以應用于其它云平臺虛擬化性能的評測。

云計算， 云平臺， 虛擬化， 性能， 評測模型

0 引 言

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，在科學、IT、信息等領(lǐng)域?qū)?shù)據(jù)計算和數(shù)據(jù)存儲的要求不斷提高，一種全新、高效的計算模式——云計算的概念由此被提出[1,2]。云計算是一種按使用量付費的模式，這種模式可提供可用的、便捷的、按需的網(wǎng)絡訪問，進入可配置的計算資源共享池。這些資源能夠被快速提供，只需投入很少的管理工作，或與服務供應商進行很少的交互[3]。云計算具備超大規(guī)模，具有虛擬化、按需服務、高可用性、高高性價比、高通用性、高擴展性、高靈活性等特點[4]。云平臺支撐了云計算服務的實現(xiàn)，在開發(fā)者和使用者之間起承上啟下的作用。云平臺對資源進行了整合和利用，其下層的支撐技術(shù)是虛擬化技術(shù)[5,6]。通過虛擬化技術(shù)，云平臺將物理資源整合成虛擬資源池，增加了物理資源的利用率和服務提供的靈活性。虛擬化的概念最早出現(xiàn)在20世紀60年代，當時IBM發(fā)明了一種操作系統(tǒng)虛擬化技術(shù)，在一臺主機上運行多個操作系統(tǒng)，節(jié)省了資源。此后，虛擬化的概念變得逐漸成熟，幾乎應用于計算的所有方面——內(nèi)存、處理器、軟件、網(wǎng)絡以及提供的服務[7]。云計算的概念出現(xiàn)以后，虛擬化技術(shù)成為云計算的技術(shù)支撐，增加了資源的利用率和靈活性，利于資源管理。但虛擬化技術(shù)增加了云平臺的復雜性，帶來了性能損失[8]，因而對虛擬化性能的評測具有十分重要的意義。Popek和Goldberg[9]提出了經(jīng)典系統(tǒng)虛擬化模型，該模型指出CPU的指令集體系結(jié)構(gòu)中，敏感指令必須是特權(quán)指令的子集時，操作系統(tǒng)才能成為虛擬機監(jiān)控器。這種特性使得只有當客戶操作系統(tǒng)執(zhí)行敏感指令時，虛擬機監(jiān)控器才會陷入到0特權(quán)級去執(zhí)行敏感指令。標準性能評測公司發(fā)布了兩款不同的基準測試程序套件，分別叫做VMmark[10]和vConsolidate[11]，然而它們都依賴于一個針對郵件服務器的叫做LoadSim的基準測試程序，這個基準測試程序只能配合微軟的Exchange Server使用。蘭雨晴等人[12]使用傳統(tǒng)操作系統(tǒng)的性能評測工具評測了Linux下4款開源虛擬化技術(shù)的基本性能。他們在研究過程中使用了一些基準測試程序來分析不同的虛擬化技術(shù)在不同的工作負載中的性能?？梢园l(fā)現(xiàn)，鑒于虛擬化性能對云平臺帶來的復雜性等特征，目前的評測都存在一定的限制條件，不具有通用性。

本文設(shè)計了一種通用的云平臺虛擬化性能評測模型，從虛擬機性能及其損失、虛擬資源分配和虛擬機穩(wěn)定性三個方面對云平臺的虛擬化性能進行研究。在UCloud云平臺和百度開放云平臺上進行了對比測試，證明了本文建立的評測模型可以對UCloud云平臺和百度開放云平臺的虛擬化性能進行評測，進一步可以應用于其它云平臺虛擬化性能的測試，為云平臺服務商改進云平臺虛擬化性能和用戶選擇相應的云平臺提供參考。

1 云平臺虛擬化性能評測模型

本文的虛擬化性能評測包括虛擬機性能及其損失、虛擬資源分配和虛擬機穩(wěn)定性三個方面。在每個測試項目中，包含一種或幾種基準測試，基準測試內(nèi)容包括：

CPU性能測試：CPU性能反映了云平臺中虛擬實例的運行速度和計算能力，通過執(zhí)行計算密集型任務的時間來體現(xiàn)。本文使用Sysbench[13]來測試CPU性能，Sysbench在測試CPU性能時，進行素數(shù)的加法運算并考察運算所用的時間。可以根據(jù)需要指定最大的素數(shù)范圍。

內(nèi)存性能測試：內(nèi)存性能對云平臺執(zhí)行各種任務的速度產(chǎn)生影響，通過內(nèi)存帶寬來反映。本文使用Stream[14]來測試可持續(xù)運行的內(nèi)存帶寬。Stream通過Copy、Scale、Add和Triad四種操作來測試內(nèi)存性能?？梢愿鶕?jù)需要指定進行隨機試驗的次數(shù)。

網(wǎng)絡性能測試：云平臺中的虛擬機需要通過合作完成任務，高質(zhì)量的網(wǎng)絡是良好通信的保證。網(wǎng)絡性能可以通過帶寬、延遲、丟包率等指標反映。本文采用Iperf[15]對網(wǎng)絡性能進行測試，Iperf可以通過設(shè)置不同的參數(shù)報告帶寬、抖動和數(shù)據(jù)包丟失等?？梢愿鶕?jù)需要設(shè)置不同的測試參數(shù)。

磁盤性能測試：磁盤性能對數(shù)據(jù)存儲、文件讀寫產(chǎn)生影響，通過對不同大小的文件讀寫的速度來考察。本文采用Iozone[16]來測試磁盤性能，Iozone通過對磁盤進行不同讀寫操作的速度來反應磁盤性能，測試的模式包括讀、寫、隨機讀、隨機寫等12種?？梢愿鶕?jù)需要指定讀寫文件的大小和測試模式。

整體性能測試：測試虛擬機的整體性能，通過虛擬機Unixbench[17]總分來反映虛擬機的整體性能。Unixbench是開源的Linux性能測試工具，可以綜合測試虛擬機的CPU、內(nèi)存、文件、進程、腳本、系統(tǒng)調(diào)用、管道等多個維度，并且會給出一個總分，這個總分體現(xiàn)了虛擬機的整體性能。

1.1 虛擬機性能及其損失

云平臺可以提供很多虛擬資源供用戶使用，虛擬機是其中的重要代表。虛擬機不僅可以作為服務直接提供給用戶，也是虛擬化性能的體現(xiàn)。對虛擬機性能的測試主要包括CPU性能、內(nèi)存性能、網(wǎng)絡性能和磁盤性能。

由于在云平臺的物理資源與虛擬資源之間存在著虛擬化層，因此虛擬機的性能會有一定損失。虛擬機性能損失是虛擬化性能的重要體現(xiàn)，因此對虛擬機性能損失進行考察是必要的。虛擬機性能損失測試相同配置的物理機的CPU性能、內(nèi)存性能、網(wǎng)絡性能和磁盤性能，與虛擬機形成對比，得出虛擬機性能損失情況。

1.2 虛擬資源分配

由于云平臺的虛擬化特征，一臺物理主機可能虛擬出多臺虛擬機，因此虛擬機之間會形成資源競爭，對虛擬資源的分配是否公平是云平臺虛擬化性能的體現(xiàn)，因此對云平臺的資源分配進行考察。在云平臺上可同時運行多臺配置相同的虛擬機，虛擬機的CPU性能、內(nèi)存性能、網(wǎng)絡性能和磁盤性能，可反映云平臺對各種虛擬資源的分配是否公平。

1.3 虛擬機穩(wěn)定性

虛擬機運行在共享的硬件上，單一時刻的性能并不能體現(xiàn)虛擬機的綜合性能和性能的穩(wěn)定性。因此，還需要考察虛擬機性能隨時間變化的情況?？疾煸谝欢芜B續(xù)的時間內(nèi)，虛擬機整體性能的變化，以此來反映虛擬機穩(wěn)定性。

1.4 虛擬化評測模型的建立

利用模糊綜合評價法[18]建立虛擬化性能評測模型。

(1) 確定虛擬化性能評測模型因素集

根據(jù)測試內(nèi)容及其包含的基準測試，將整個因素集分為兩級。設(shè)因素集為U，因素集需要滿足條件是劃分的子集不相交，并且可以構(gòu)成全部評價因素，U的兩級模型如表1所示。

表1 虛擬化性能評測模型兩級因素

U(評價因素集)={u1,u2,u3}={虛擬機性能及其損失，虛擬資源分配，虛擬機穩(wěn)定性}；u1={u11,u12,u13,u14}={CPU性能及其損失，內(nèi)存性能及其損失，網(wǎng)絡性能及其損失，磁盤性能及其損失}；u2={u21,u22,u23,u24}={CPU資源分配，內(nèi)存資源分配，網(wǎng)絡資源分配，磁盤資源分配}。

(2) 確定虛擬化性能評測模型評語集

評語集是對被評價對象可能被評價的評語集合。根據(jù)最后的測試結(jié)果，對虛擬化性能進行評價，確定評語集為V={合理，不合理}。最后評價結(jié)果的原則是取最大的評判值，假設(shè)最后的結(jié)果為(0.6，0.4)，則認為虛擬化性能合理。

(3) 確定各因素的權(quán)重

由于涉及到兩級因素模型，因此按照多級因素的方法進行評判，利用層次分析法[19]確定每級因素的權(quán)重指標。首先確定第一級因素的權(quán)重，步驟如下：

(a) 建立層次結(jié)構(gòu)模型

建立的層次結(jié)構(gòu)模型，主要包括兩層因素，目標層和因素層，如圖1所示。

圖1 云平臺虛擬化性能層次結(jié)構(gòu)圖

(b) 構(gòu)造判斷矩陣

對各個因素的相對重要性進行判斷。在進行判斷時采用一致矩陣法，有兩條原則：一是將所有影響因素每兩個進行相互比較，而不是一次性比較所有因素；二是在進行比較時，采用相對重要性量度，這樣可以降低各影響因素的比較困難，提高準確度。判斷矩陣中的元素 用1到9標度方法給出。表2給出了相對重要性比例標度。

利用如表2所示的相對重要性比例標度，對虛擬機性能及其損失、虛擬機資源分配及虛擬機穩(wěn)定性進行相對重要性比較，例如虛擬機性能及其損失比虛擬機穩(wěn)定性稍微重要，于是記a13為3，a31為1/3，其他同理，得到判斷矩陣如下式所示：

(1)

表2 相對重要性比例標度

(c) 確定權(quán)重系數(shù)

對矩陣B首先按列歸一化得到矩陣C，C中元素計算公式如下式所示；

(2)

然后按行相加得到矩陣D，D中元素計算公式如下式所示：

(3)

最后將矩陣D進行歸一化處理，得到權(quán)重向量A，計算公式和計算結(jié)果如下：

(4)

A=(0.54 0.30 0.16)

(5)

(d) 一致性檢驗

在構(gòu)造判斷矩陣的過程中，如果a比b重要2倍，b比c重要3倍，a比c重要2倍，就出現(xiàn)了不一致現(xiàn)象。在出現(xiàn)不一致的情況下，定義一致性指標CI和一致性比率CR：

(6)

(7)

其中λ是矩陣的最大特征值，n為矩陣階數(shù)；RI是平均一致性指標，與矩陣的階數(shù)相關(guān)，三階矩陣的RI是0.58，λ的計算公式為

(8)

計算得出λ=3.005，CI=0.0025，CR=0.0043<0.1，認為矩陣具有滿意的一致性。綜上，確定一級權(quán)重指標為A=(0.54 0.30 0.16)。同理確定二級權(quán)重指標A1=(0.25 0.25 0.25 0.25)，A2=(0.25 0.25 0.25 0.25)，A3=(1)。

(4) 確定模糊關(guān)系矩陣

設(shè)模糊關(guān)系矩陣為R，R根據(jù)測試結(jié)果而來。在測試結(jié)果中，將虛擬機及其性能損失分為4部分。對于每一部分性能及損失來說，跟物理機相比的損失部分如果在可接受的范圍，則認為性能及其損失是合理的，將對應的值記為(1，0)，否則記為(0，1)，其他類似；將虛擬資源分配分為4部分，對于每一部分資源分配來說，分配到不同虛擬機的資源差距在一定范圍內(nèi)，則認為資源分配合理，將對應的值記為(1，0)，否則記為(0，1)；對于虛擬機穩(wěn)定性來說，在測試時間內(nèi)，性能沒有出現(xiàn)太大的波動，則認為穩(wěn)定性為合理，將對應的值記為(1，0)，否則記為(0，1)。

根據(jù)對u1集合中的元素進行測試，得到R1；根據(jù)對u2集合中的元素進行測試，得到R2；根據(jù)u3集合中的元素進行測試，得到R3。

(5) 多指標綜合評價

利用合適的模糊合成算子將A與R合成得到模糊綜合評價矢量B，首先進行一級模糊綜合評判，利用式

(9)

計算B1,B2,B3，其中“°”代表模糊合成算子，常見的模糊合成算子有4種，課題中采用M(·，⊕)，計算公式為

(10)

接下來進行二級綜合評判，利用式

B=A°R

(11)

得到B之后取最大的評判作為模糊評價結(jié)果，其中R如下式所示：

(12)

2 測試結(jié)果

利用本文建立的云平臺標準評測模型，針對其中的每項測試內(nèi)容和測試指標，用相應的測試工具在UCloud云平臺和百度開放云平臺上進行實際測試，給出測試結(jié)果和分析。測試過程中使用的虛擬機配置如表3所示。為不同的測試項目編寫了不同的測試腳本，測試腳本中會進行測試工具及依賴軟件的自動安裝和部署，并且收集測試結(jié)果。為了保證測試的正確性，每一項測試都單獨進行。

表3 虛擬機配置

2.1 虛擬機性能及其損失測試

虛擬機性能測試在單個虛擬機上進行，主要體現(xiàn)云平臺中單個虛擬機的性能；虛擬機性能損失測試在與虛擬機配置相同的物理機上進行。虛擬機性能及其損失測試包括CPU性能、內(nèi)存性能、網(wǎng)絡性能、磁盤性能等4個方面。

CPU性能通過密集型任務的計算時間來反映，圖2展示了計算200000之內(nèi)的素數(shù)的Sysbench結(jié)果。可以看出兩個云平臺的計算時間相差不是很大，但是兩個云平臺的計算時間與物理機相比都存在一定差距，即兩個云平臺的計算性能低于物理機。

圖2 CPU性能及其損失測試結(jié)果

圖3展示了對虛擬機進行10次隨機Copy、Scale、Add和Triad操作的平均讀寫速度結(jié)果。可以看出，UCloud云平臺和百度開放云平臺在Copy、Scale、Add和Triad四種操作上內(nèi)存性能接近，但與物理機相比，UCloud云平臺和百度云平臺還存在2000MB/s左右的差距。

圖3 內(nèi)存性能及其損失測試結(jié)果

網(wǎng)絡性能測試在兩臺虛擬機上進行，分別作為服務器和客戶端，測試在UDP模式下，以100Mbps為數(shù)據(jù)發(fā)送速率，客戶端到服務器上傳帶寬測試，測試時間為60s，每次報告的時間間隔是5s。圖4表示UCloud云平臺、百度開放云平臺和物理機網(wǎng)絡性能測試結(jié)果。從圖中可以看出，物理機和兩個云平臺的網(wǎng)絡性能都很穩(wěn)定，物理機的帶寬達到最大，兩個云平臺帶寬接近最大；抖動基本小于0.02ms；由于內(nèi)網(wǎng)測試，都沒有出現(xiàn)丟包情況。

磁盤性能測試測試虛擬機對從1MB到8GB大小的文件進行隨機讀/寫的速度。測試結(jié)果如圖5所示。從圖5可以看出，UCloud云平臺和百度開放云平臺的隨機讀寫性能整體趨勢相似，當文件大小超過本身內(nèi)存時，文件隨機讀寫能力迅速下降，與物理機相比磁盤性能還存在一定的差距。

圖4 網(wǎng)絡性能及其損失測試結(jié)果

圖5 磁盤性能及其損失測試結(jié)果

從虛擬機性能及其損失的測試結(jié)果來看，兩個云平臺的網(wǎng)絡性能與物理機相接近，而計算性能、內(nèi)存性能和磁盤性能都與物理機存在差距。虛擬機的性能取決于三個因素：物理機的性能、物理機上虛擬出的虛擬機個數(shù)以及虛擬化方式。對于UCloud來說，在業(yè)務層面，一直主打IaaS，技術(shù)相對成熟；在磁盤方面，采用特有的存儲技術(shù)，能夠?qū)⒋疟P隨機讀寫I/O能力提高10倍于普通SAS盤。對于百度開放云平臺來說，在業(yè)務層面，開放IaaS的時間不長，使用的硬件應該都比較新；在磁盤方面，使用的是系統(tǒng)盤和臨時數(shù)據(jù)盤，數(shù)據(jù)存儲速度較快。由于虛擬化的存在，云平臺虛擬機出現(xiàn)性能損失是不可避免的，兩個云平臺可以通過改進虛擬化方式、增加虛擬機的物理配額等方法對虛擬機性能進行改進。

2.2 虛擬資源分配測試

資源分配測試在配置相同的5臺虛擬機上進行，執(zhí)行相同的測試，對測試結(jié)果進行對比，考察云平臺的資源分配是否公平。測試包括CPU性能、內(nèi)存性能、網(wǎng)絡性能和磁盤性能。圖6是CPU資源分配測試結(jié)果，圖7是內(nèi)存資源分配測試結(jié)果，圖8是網(wǎng)絡資源分配測試結(jié)果，圖9是磁盤資源分配測試結(jié)果，測試文件大小為4096MB。

從資源分配情況可以看出，在網(wǎng)絡性能測試方面，多個虛擬機同時向同一個服務器發(fā)送數(shù)據(jù)，都出現(xiàn)了不同程度的丟包，而帶寬和延時沒有明顯的變化；其余幾項測試中，虛擬機的性能只有微小差別，說明兩個云平臺對資源的分配都比較公平。資源分配公平的原因可能是：(1)兩個云平臺對資源分配調(diào)度的算法比較合理；(2)測試虛擬機需要的總資源數(shù)量比物理資源總量小，沒有出現(xiàn)資源爭搶。

2.3 虛擬機穩(wěn)定性測試

此部分測試考察在虛擬機連續(xù)運行一段時間內(nèi)的性能變化，測試了虛擬機的Unixbench總分的變化，使Unixbench連續(xù)運行12h(8:00-20:00)，收集Unixbench總分情況，以此來反應整個虛擬機的穩(wěn)定性。圖10是運行一個核的Unixbench總分的變化情況。

(a) UCloud云平臺 (b) 百度開放云平臺

(a) UCloud云平臺 (b) 百度開放云平臺

(a) UCloud云平臺 (b)百度開放云平臺

(a) UCloud云平臺 (b) 百度開放云平臺

從虛擬機穩(wěn)定性可以看出，兩個云平臺的虛擬機Unixbench總分沒有隨著時間變化出現(xiàn)很大波動，最高分數(shù)和最低分數(shù)相差很小，這個結(jié)果可以看出兩個云平臺在測試時間段內(nèi)都具有較好的穩(wěn)定性。云平臺整體上來說穩(wěn)定性較好，然而在某個時間點可能會出現(xiàn)穩(wěn)定性突變的現(xiàn)象，即穩(wěn)定性能突然下降，如在凌晨云平臺進行備份時。

2.4 虛擬化性能分析

依據(jù)建立的虛擬化性能評測模型對兩個云平臺的虛擬化性能進行評價。根據(jù)測試數(shù)據(jù)得到兩個云平臺的模糊關(guān)系矩陣，根據(jù)模糊關(guān)系矩陣計算綜合評價矢量，對云平臺的虛擬化性能進行評判。

圖10 虛擬機穩(wěn)定性測試結(jié)果

(1) UCloud的RC1,RC2,RC3表示為

(2) 百度開放云平臺的RB1,RB2,RB3表示為

(3) 根據(jù)最大評判原則，UCloud云平臺的評判值是0.73，百度開放云平臺的評判值是0.60，兩個云平臺的虛擬化性能都在合理的范圍內(nèi)。

3 結(jié) 論

在云計算領(lǐng)域內(nèi)，虛擬化技術(shù)發(fā)揮越來越重要的作用，隨著云計算和虛擬化技術(shù)的不斷發(fā)展，虛擬化會出現(xiàn)更多的應用，云平臺的虛擬化性能也會越來越重要。本文建立了云平臺虛擬化性能評測模型，在UCloud云平臺和百度開放云平臺上進行了虛擬機性能及其損失、虛擬資源分配和虛擬機穩(wěn)定性三個方面的測試，并對測試結(jié)果進行分析。根據(jù)分析結(jié)果可以看出，兩個云平臺虛擬化性能都在合理的范圍內(nèi)，其中虛擬資源分配合理，虛擬機穩(wěn)定性較好，虛擬機性能及其損失方面可以進行改進。本文的虛擬化性能評測模型可以準確的測試UCloud云平臺和百度開放云平臺的虛擬化性能，進一步應用于其他云平臺虛擬化性能評測。

[ 1]ArmbrustM,FoxA,GriffithR,etal.Aviewofcloudcomputing.CommunicationsoftheACM, 2010, 53(4): 50-58

[ 2] AVANADE. 2009 global survey of cloud computing. http: //avanade.dk/_uploaded/pdf/avanadethoughtleadershipcloudsurveyexecutivesummary833173.pdf: AVANADE, 2009

[ 3] Mell P, Grance T. The NIST definition of cloud computing.NationalInstituteofStandardsandTechnology, 2009, 53(6): 50

[ 4] Zhang Q, Cheng L, Boutaba R. Cloud computing: state-of-the-art and research challenges.JournalofInternetServicesandApplications, 2010, 1(1): 7-18

[ 5] Padala P, Hou K Y, Shin K G, et al. Automated control of multiple virtualized resources. In: Proceedings of the 4th ACM European Conference on Computer systems, New York, USA, 2009. 13-26

[ 6] Barham P, Dragovic B, Fraser K, et al. Xen and the art of virtualization.ACMSIGOPSOperatingSystemsReview, 2003, 37(5): 164-177

[ 7] Vouk M A. Cloud computing-issues, research and implementations.CIT.JournalofComputingandInformationTechnology, 2008, 16(4): 235-246

[ 8] Huber N, von Quast M, Hauck M, et al. Evaluating and modeling virtualization performance overhead for cloud environments. In: Proceedings of the 1st International Conference on Cloud Computing and Services Science, Noordwijkerhout, Netherlands, 2011. 563-573

[ 9] Popek G J, Goldberg R P. Formal requirements for virtualizable third generation architectures.CommunACM, 1974, 17(7):412-421

[10] Makhija V, Herndon B, Smith P, et al. VMmark: A scalable benchmark for virtualized systems. VMware Inc, CA, Technical Report VMware-TR-2006-002, 2006

[11] Casazza J P, Greenfield M, Shi K. Redefining server performance characterization for virtualization benchmarking.IntelTechnologyJournal, 2006, 10(3): 243-252

[12] 蘭雨晴, 宋瀟豫, 馬立克等. 系統(tǒng)虛擬化技術(shù)性能評測. 電信科學, 2010, 8A: 19-24

[13] Kopytov A. SysBench: a system performance benchmark. URL: http://sysbench. sourceforge. net: SourceFORGE, 2004

[14] McCalpin J D. STREAM: Sustainable memory bandwidth in high performance computers. 1995

[15] Tirumala A, Qin F, Dugan J, et al. Iperf: The TCP/UDP bandwidth measurement tool. http://dast. nlanr. net/Projects: NLANR, 2005

[16] Norcott W D, Capps D. Iozone filesystem benchmark. www. iozone. org: IOZONE, 2003

[17] Smith B, Grehan R, Yager T, et al. Byte-unixbench: A Unix benchmark suite. 2011

[18] Zhao H F, Qiu W H, Wang X Z. Fuzzy integrative evaluation method of the risk factor.SystemsEngineering-Theory&Practice, 1997, 7(1): 95-123

[19] Saaty T L. How to make a decision: the analytic hierarchy process.Europeanjournalofoperationalresearch, 1990, 48(1): 9-26

Evaluation and research of the virtualization performance of cloud platforms

Wu Kexin***， Li Zhengmin*******， Zhang Zhaoxin***， Shen Yinghong***

(*Network and Information Security Technology Research Center, Harbin Institute of Technology at Weihai, Weihai 264209)(**State Key Laboratory of Computer Information Security at Weihai, WeiHai 264209)(***The National Computer Network Emergency Response Technical Coordination Center, Beijing 100029)(****Institute of Information Engineering，Chinese Academy of Sciences, Beijing 100093)

The study described that the virtualization technique is the key to implementation of a cloud platform and the virtualization performance is an important criterion for measurement of a cloud platform’s performance. To evaluate and study the virtualization performance of cloud platforms, a virtualization performance evaluation model was established, and it was used to test the virtual machine’s performance and loss, the virtual resource allocation and the virtual machine’s stability of the cloud platforms of UCloud and Baidu Open. The analysis of the testing results show that the evaluation model can accurately measure the virtualization performance of the cloud platforms UCloud and Baidu Open. The evaluation model can be applicable to evaluation of other cloud platforms, virtualization performance.

cloud computing, cloud platform, virtualization, performance, evaluation model

10.3772/j.issn.1002-0470.2016.12.005

①國家科技支撐計劃(2012BAH45B01)，國家自然基金(61100189, 61370215, 61370211)和國家信息安全242計劃(2015A072)資助項目。

2016-04-20)

②女，1991年生，碩士；研究方向：網(wǎng)絡與信息安全，E-mail: 18766312061@163.com

③通訊作者，E-mail: heart@hit.edu.cn