基于改进Simhash虚拟机镜像去重方法

• 作者: 刘晓洁 张灿阳
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 云计算 重复数据删除 改进Simhash算法 虚拟机镜像
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 57-65
• 页数: 9页
• 分类号: TP309.3
• 字数: 6790字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2020.01.008

摘要

在云环境中,传统意义上的物理服务器正在逐渐被各式虚拟机所取代,云数据中心中托管的虚拟机镜像所占用的存储空间急剧增长,如何高效地管理这些镜像文件已成为云计算研究热点之一.由于虚拟机镜像内部存在大量空白重复数据块,这在一定程度上导致了镜像内部冗余率较高.其次,不同的虚拟机镜像可能运行了相同的操作系统和应用程序,使得镜像之间同样存在较多的重复数据.针对海量虚拟机镜像,传统的去重策略将产生巨大的时间开销,同时会消耗巨大的内存空间和CPU 资源,影响数据中心的性能.提出一种基于改进Simhash算法的海量虚拟机镜像多级去重方法,将一个完整的镜像文件分割为操作系统镜像段和应用数据镜像段,同时提取各部分的特征值,利用DBSCA N(density-based spatial clustering of ap-plications w ith noise)聚类算法完成对镜像段的分组,将相似度较高的镜像段聚为一类,从而将全局去重分解为规模较小且重复率较高的分组内部去重,实现了指纹索引数据完全存放于内存中的重复数据删除,大幅减少了磁盘I/O次数,达到缩短去重时间的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘晓洁	四川大学网络空间安全学院	113	746	13.0	20.0
2	张灿阳	四川大学计算机学院	1	0	0.0	0.0