本文選題：云計算 + 資源分配算法��； 參考：《西安電子科技大學》2014年博士論文

【摘要】：云計算系統(tǒng)通過虛擬化技術和SOA(Service Oriented Architecture)架構,提供了對異構平臺資源的整合與再分配,并將整合后的資源通過服務的形式向用戶或上層程序提供。由于資源能夠在整合后形成從邏輯上統(tǒng)一的資源池,因而云計算系統(tǒng)能夠根據(jù)用戶或程序需求,采用多種策略和算法對資源進行靈活的分配。考慮云計算平臺執(zhí)行用戶計算任務的是虛擬機(Virtual Machine,VM),而用戶數(shù)量以及用戶的資源請求是隨時間變化的,因此,VM的數(shù)量以及創(chuàng)建VM時所需的系統(tǒng)資源亦為變化量。如何準確的描述云計算系統(tǒng)資源分配中的這種變化特性,為各個VM提供公平的資源分配方案,確保VM能夠完成用戶計算任務,成為云計算資源管理中的核心問題。此外,對于分配算法得到的結(jié)果,亟需一種評估模型對分配結(jié)果的公平性進行度量,為資源分配算法的選取和改進提供量化參考。針對上述云計算資源分配中面臨的問題,本文工作主要包含以下幾個方面:(1)建立了用于描述云計算資源動態(tài)特性的數(shù)學模型。針對云計算平臺的動態(tài)性,給出了較為典型的三種平臺資源動態(tài)模型。對于云計算中虛擬計算節(jié)點(Virtual Computing Node,VCN)因執(zhí)行任務的不同而導致資源需求不同的特性,提出了“動態(tài)資源需求模型”。其次,在平臺運行過程中,執(zhí)行新任務的VCN會不斷產(chǎn)生,完成任務的節(jié)點會銷毀,因此,一段時期內(nèi)平臺中虛擬計算節(jié)點的數(shù)量是變化的,導致系統(tǒng)資源的占用量(或剩余量)也隨之變化。針對這種特性,提出了“動態(tài)節(jié)點數(shù)量模型”。最后,隨著平臺用戶的增加以及任務量的增加,平臺資源可能無法滿足不斷增長的用戶的需求,這將會導致用戶需要等待資源才能執(zhí)行任務。為此,運營商需要對系統(tǒng)進行擴充,以滿足不斷增加的用戶對資源的需求。針對這一問題,給出了“動態(tài)集群規(guī)模模型”。(2)提出了面向瓶頸資源的公平性分配算法DBRF(Dominant-Bottleneck Resource Fairness),防止系統(tǒng)瓶頸資源由于需求量增加而過快耗盡。DBRF算法對系統(tǒng)瓶頸資源進行預判,引入了縮放參數(shù)λ對瓶頸資源的分配量進行控制,增加了算法迭代次數(shù),避免了由于算法收斂過快而導致部分用戶瓶頸資源分配不足。通過仿真實驗,驗證了算法能夠?qū)⑵款i資源在分配時分割到更細的粒度,有效減緩瓶頸資源的耗盡速度,確保更多用戶分配到瓶頸資源。(3)針對云計算系統(tǒng)中惡意用戶占用資源的情況,提出了基于信譽評估的保障公平性方法cbDRF(Credit-Based Dominant Resource Fairness)。通過引入信譽評價機制,對用戶資源資源使用進行評估。對于惡意使用或占用資源的行為,通過其信譽值對惡意行為實施懲罰。證明了cb DRF滿足文獻[1]提出的公平性四原則,并進一步證明了該方法滿足“釋放激勵(Release incentive)”和“懲罰性分配(Punitive allocation)”兩個新特性(這兩個特性增強了分配公平性,防止用戶惡意占用資源)。仿真實驗表明,cb DRF能夠有效對用戶資源使用情況進行評估,并抑制惡意占用資源的行為。(4)為定量地評估資源分配結(jié)果,提出了基于動態(tài)特性的多資源分配公平性評估模型DFE(Dynamic Fairness Evaluation)。模型根據(jù)云計算平臺虛擬化計算節(jié)點數(shù)量以及資源需求變化的特點,引入了時間和概率參數(shù),建立了兩個子模型:1)節(jié)點資源需求動態(tài)模型;2)節(jié)點數(shù)量動態(tài)模型,基于這兩個基本模型提出了DFE,對云計算資源分配算法公平性進行定量的度量。分別采用幾種典型的資源分配算法(以DRF、Avg、Max-min為例)和基于效用公平性算法(以α-fairness為例)對DFE模型進行了驗證,進一步說明該模型能夠在資源變化的情況下有效地反映分配算法的公平性變化,為分配算法的選擇提供了重要的參考和依據(jù)。
[Abstract]:The cloud computing system provides a dynamic model for cloud computing resources . ( 2 ) A fair allocation algorithm DBRF for bottleneck resources is proposed to prevent the system bottleneck resources from being depleted rapidly due to the increase of demand . The DBRF algorithm controls the allocation of bottleneck resources by introducing a reputation evaluation mechanism . Based on the characteristics of cloud computing platform virtualization computing node quantity and resource demand variation , time and probability parameters are introduced , two sub - models are introduced : 1 ) node resource demand dynamic model ; 2 ) node number dynamic model ;
【學位授予單位】：西安電子科技大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：TP393.09

【相似文獻】

相關期刊論文 前10條

1 歐光軍,邵祖峰,張子剛;基于知識創(chuàng)造的產(chǎn)品創(chuàng)新動態(tài)模型及管理機制研究[J];科學管理研究;2005年03期

2 言茂松;透平動態(tài)模型的誤差評價及其校正方法的分析[J];清華大學學報(自然科學版);1964年03期

3 周波,涂植英;換熱器動態(tài)模型的辨識[J];數(shù)據(jù)采集與處理;1989年01期

4 羅高榮;;電力系統(tǒng)投資決策動態(tài)模型的研究[J];自動化學報;1991年01期

5 周懋選，，邢軍;利用計算機技術實現(xiàn)灰色動態(tài)模型對保險企業(yè)的預測[J];中國金融電腦;1995年03期

6 袁愛清;;幸福感視野下觀影養(yǎng)心的相關理論及動態(tài)模型探析[J];東南傳播;2014年04期

7 江韜;;一種線性動態(tài)模型參數(shù)估計方法[J];自動化學報;1989年01期

8 焦國全;;用液電效應建立系統(tǒng)傳遞函數(shù)的方法[J];自動化學報;1984年04期

9 王水,蔣清華;生產(chǎn)決策系統(tǒng)的動態(tài)模型及性能控制[J];信息與控制;1991年01期

10 唐俊,羅云峰,陳s

本文編號：1931510