Efficient Virtual Machine Live Migration via Multi-Generational Dirty Page Classification and Adaptive Thresholding

Yucong Chen

doi:10.1109/tcc.2026.3738735

Efficient Virtual Machine Live Migration via Multi-Generational Dirty Page Classification and Adaptive Thresholding

2026-09-29

0

PRE

AI

DOI：10.1109/tcc.2026.3738735

原文链接

原文求助

摘要

En 中文

虚拟机（VM）的实时迁移对于云计算中心的弹性资源管理至关重要。然而，传统的预拷贝迁移存在重复的脏页重传和固定的停止-拷贝阈值问题，这会导致迁移时间延长，并在写密集型工作负载下损害迁移收敛。本文提出了一种预拷贝迁移策略——代感知分类与阈值自适应停止-拷贝（GC-TAS）。其多代脏页分类根据跨迭代脏写历史将页面分配到不同代，实现短期突发页面与持续高频脏页的精细区分，并延迟传输高频脏页以减少无效重传。其迁移趋势感知的阈值自适应机制通过比较当前剩余脏数据与历史趋势，判断预拷贝迁移是否仍有效收敛，并动态调整有效的停止-拷贝阈值，从而避免过度低效的预拷贝迭代。我们在Quick Emulator（QEMU）/基于内核的虚拟机（KVM）平台上实现了GC-TAS，而无需修改客户操作系统。在四种工作负载下，与基于跨迭代脏页相似性的最新脏页分类方案Dirty Page Similarity（DPS）相比，GC-TAS降低了系统开销，平均减少了17.4%的总迁移时间（最高达34.6%），平均减少了35.9%的停机时间（最高达71.4%）。

Keyword:

Distributed storage

cloud computing

virtual machine migration

virtualization

and pre-copy techniques

Efficient Virtual Machine Live Migration via Multi-Generational Dirty Page Classification and Adaptive Thresholding

摘要

期刊

机构

引用论文