虚拟机动态迁移技术能够让虚拟机在云数据中心的计算节点上移动,并且在整个过程中虚拟机上运行的服务基本上不会中断,使数据中心的维护成本大大降低。然而,当虚拟机中运行着大量内存密集型的应用程序时内存页被频繁读写,采用现有的动态迁移算法将会重复传输大量的脏页,实际上目的主机仅仅只保存了最后一次接收到的内存页。脏页反复传输的过程不但增加了动态迁移的时间开销,使得迁移时间延长,而且还占用大量的计算资源,影响虚拟机自身和同宿主机的其它虚拟机的正常运行。为提高虚拟机的迁移效率,分析了KVM(Kernel Virtual Machine)原生内存迁移预拷贝算法的不足,提出基于局部性原理的高脏页判定算法对虚拟机内存页进行分类,并在此基础上提出一种改进的内存迁移预拷贝算法(LPBP),减少高脏页的重传次数来缩短热迁移时间和停机时间;为了解决预拷贝算法在负载过高情况下无法收敛的问题,提出了一种改进的虚拟机停机判定算法,不仅从多个性能指标判断停机条件,而且当负载过高时自动对vCPU进行降温处理;引入LZ4压缩算法对内存迁移过程进行进一步优化,减少整个迁移过程中传输的总数据量。在KVM平台上实现了上述优化方案,并测试其性能,与原生的Pre-copy算法和一种典型的内存迁移预拷贝算法TPO进行对比。实验结果和分析表明,优化过后的内存热迁移策略效果明显,大大缩短了迁移总时间和停机时间,减少了脏页的传输总总量,在内存密集型负载下表现更为出色。在高内存负载环境中,LPBP算法相比原生算法停机时间缩短了约42%,比TPO算法缩短了约54%,比Xenalike算法缩短了10%。除此之外,迁移总时间和传输的数据量与另外两个算法页相比也大大减少。