在目前典型的虚拟机管理器中，都提供了相应的虚拟机在线迁移技术，被广泛应用在数据中心的容灾备份、负载均衡等应用中。虚拟机在线迁移一般都采用基于内存预拷贝的方式，但这种方式具有一定的限制：当内存“脏页”产生的速率大于网络传输速率的时候，整个内存迭代次数就增多，内存预拷贝就会失效,会导致很长的停机时间；对于内存密集型的应用会带来大量数据的传输,会使得迁移总时间变长。　　针对KVM虚拟机在线迁移的关键技术方面进行改进优化,提高KVM虚拟机在线迁移的性能和效率。根据KVM虚拟机预拷贝迁移机制在迭代传输过程中重复传输相同内容的内存页问题,提出一种基于虚拟机内存压缩的预拷贝迁移机制来解决内存页传输量问题。该机制是基于压缩传输内存页的方式进行虚拟机在线迁移,采用的是XBRLE（xor binary Run length encode）算法,该算法对网络中前后两个阶段传输的每个内存页进行差法运算，然后再针对每个内存页进行压缩传输，在到达目标主机上进行解压并重新恢复每个内存页。为了减少总迁移时间和保证目的虚拟机的运行,提出一种基于混合内存拷贝的KVM虚拟机后拷贝迁移,该机制是基于内存页按需复制和内存页主动推送的混合方式,该机制的原理在于:目标虚拟机在运行过程中不断发生缺页，通过向源主机发送缺页请求，源主机根据目的主机的请求主动发送该内存页以及相邻的一定数量的内存页,不断重复该流程,目的虚拟机就可以获得所有的内存页。最后,深入研究这两种迁移机制所适宜的负载特性和应用场景，提出一种应用特征感知的迁移算法选择模型，针对不同的应用负载和迁移代价量化指标，可以选择最优的迁移算法。　　综上所述,在不同虚拟机迁移性能指标上对虚拟机在线迁移的算法进行优化和改进,可以有效减少虚拟机在线迁移的代价,使得虚拟机迁移的性能得到大幅度提升。