Timespan: 2.15 – 2.17
Haikun Liu, Cheng-Zhong Xu, Hai Jin, Jiayu Gong, and Xiaofei Liao. 2011. Performance and energy modeling for live migration of virtual machines. In Proceedings of the 20th international symposium on High performance distributed computing (HPDC '11). ACM, New York, NY, USA, 171-182 (gs:20)
作者刘海坤是华中科技大学的计算机博士，师从金海。研究兴趣包括"Virtualization Technology、Power-efficient System Design、Resource Management in Cloud Computing"，具体的研究方向有：
- Dynamic memory management in virtualized data center
- Power-aware live migration of virtual machine
- Performance optimization of VM live migration
- Fault tolerance of virtual machine
部分发表的论文列表：
- Live Virtual Machine Migration via Asynchronous Replication and State Synchronization, IEEE Transaction on Parallel and Distribute System, 10 Mar. 2011
- Research on Virtual Machine based Full System Replay, Journal of Frontier of Computer Science and Technology, 2010
- LiquidMem: Dynamic Memory Allocation for Virtual Machines via Memory Hotplug, Submitted to SC 2011
- Performance and Energy Modeling for Live Migration of Virtual Machine, ACM International Symposium on High Performance Distributed Computing (HPDC'11)
- Live Migration of Virtual Machine Based on Full System Trace and Replay, Proceedings of the 18th International Symposium on High Performance Distributed Computing (HPDC'09)
- Full System Replay Based on Virtual Machine, National Software Application Conference Workshop on System Virtualization Technology (NASAC2009-SVT)
Optimize the Performance of Virtual Machine Checkpointing with Memory Exclusion, Proceedings of the 4th ChinaGrid Annual Conference (ChinaGrid‘09)
以下是论文笔记：
1. 本文研究了VM动态迁移相关的QoS指标的建模和量化，QoS主要被分为两类：一类包括迁移总时间、宕机时间、迁移总数据量，另一类是迁移功耗。基于这种模型，可以估算迁移某个虚拟机的QoS指标，从而可以为选择最合适的迁移对象提供依据。
2. 本文体现核心思想的章节为S3-S5：(S3)提出了VM迁移的性能预测模型；(S4)分别提出了针对有线和无线的理论与实验能耗模型；(S5)则基于前两章的模型，提出了一个加权目标函数，可以对每个VM进行打分，从而为选择合适的VM提供依据。
S5中提出的打分函数如下：
综合了迁移宕机时间、总迁移时间、迁移数据总量、迁移能耗，其中a、b、c、d为加权参数。
2. (S3)研究了VM迁移的性能建模，提出了两种模型：基本模型（假设迁移过程中memory dirtying rate是稳定值）、精化模型（迁移过程中每个iteration的值不一样）
(1) 在基本模型中，几个性能指标建模如下（详见原文S3.1）：
对于λ这个参数，如果它的值小于1，迁移过程能够正常结束，Tdown可以用上述公式计算而得；反之，需要结合WWS，进一步进行建模。
(2) 在精化模型中，结合了历史数据来预测memory dirtying rate，具体使用了EWMA(exponential weighted moving avrage)方法:
3. (S4.1)研究有线网络中，VM迁移的性能模型，最终得到的公式如下：
对于这个公式，有以下说明：
- 能耗分为static portion和dynamic portion， 分别对应公式中的两个项。
- 当前虚拟化平台(包括Xen、VMware)只支持同质hosts间VM的迁移，上述的公式也是针对这种情况。
- VM迁移能耗与source host、dest host、network switch均有关系，其中network switch很复杂、很难量化，因此公式中不考虑这部分（文中也未说明network switch对迁移能耗影响的大小）。
- 在同质平台中，发送与接收同样的数据，能耗几乎相同，因此公式里假设能耗与传输量成线性关系。
- (S4.1.1)中实验表明：有线网络中，迁移能耗与数据传输速率无关。
-
4. 针对(S4.1.2)提出的有线环境中迁移能耗的模型，(S4.1.3)中使用线性回归训练模型参数，最终得到如下公式：
5. (S4.2)则讨论了无线网络中，迁移能耗的建模
首先作者介绍了一下近来轻量级虚拟软件部署到移动设备上的趋势及优点，以及VM动态技术在移动环境中的应用场景。
移动环境中的能耗建模存在额外的挑战：传输速率与总体能耗不存在线性关系、能耗与带宽利用情况也不一致等等，总之关系很复杂。文中采用了energy efficient(EE)来定义移动环境中的能耗（assume the p2p transmission is completed in an additive white Gaussian noise (AWGN) channel）:
6. 本文的实验也是基于Xen进行。实验与验证部分(S6, S7)没有精读。