【摘要】：云計算技術自從被提出以來,得到了很大的發(fā)展,已經(jīng)引起了很多公司和個人的關注,目前已被應用于很多行業(yè)。云計算技術具有強大的存儲能力、計算能力和可擴展性,如今人們已經(jīng)可以根據(jù)自己的需求,購買云計算服務,這為很多個人和企業(yè)節(jié)省了軟硬件成本。但在實際應用中,隨著用戶越來越多,云平臺的規(guī)模也越來越大,在虛擬資源池中安裝有上百臺甚至更多的虛擬機,各虛擬機的應用系統(tǒng)占有的資源量不同且在不同時間處于不斷變化狀態(tài),由于具有瞬間性,這些狀態(tài)很難被掌握。針對各虛擬機使用情況,目前還沒有平臺進行精確、長期的統(tǒng)計分析,運維人員無法準確掌握資源使用情況及需求趨勢,給云計算平臺的管理帶來極大不便。為此,設計了虛擬資源利用率分析系統(tǒng),追蹤、統(tǒng)計和預測CPU和內存等主要虛擬資源的利用率。首先設計了系統(tǒng)的整體框架,對系統(tǒng)的各個模塊功能進行了詳細說明;其次對BP神經(jīng)網(wǎng)絡和遺傳算法(GA)進行了深入研究,使用GA優(yōu)化BP神經(jīng)網(wǎng)絡,克服了BP網(wǎng)絡易陷入局部極小值的缺點;然后,完成了Hadoop平臺和web平臺的搭建,給出了GA和BP神經(jīng)網(wǎng)絡基于MapReduce并行化編程的思想,最后利用javaee技術對系統(tǒng)進行開發(fā)。結果表明,該系統(tǒng)可以實時地跟蹤云平臺上各個虛擬機的運行狀態(tài)、CPU利用率和內存的利用率,能夠統(tǒng)計過去某一段時間內CPU和內存的最大利用率、最小利用率和平均利用率,并能夠出具資源報表;利用并行化的GA-BP模型,可以快速和比較準確地預測CPU利用率和內存利用率的需求情況。
【圖文】：

第 2 章 基礎理論工神經(jīng)網(wǎng)絡神經(jīng)網(wǎng)絡（Artificial Neural Network，ANN）是受到生物的神經(jīng)網(wǎng)息啟示而產(chǎn)生的，既利用數(shù)學統(tǒng)計工具也巧妙地結合了對生物神經(jīng)是通過研究人體大腦中神經(jīng)網(wǎng)絡的原理構造，結合網(wǎng)絡拓撲知識，響應外界刺激和處理外界信息的一種模型。ANN 具有良好的容錯力、分布式存儲等優(yōu)點，被廣泛應用在各個領域。神經(jīng)網(wǎng)絡由大量神經(jīng)元，通過權重互相連接而成，個體神經(jīng)元可以有多個輸入、一出。每個神經(jīng)元都是一個特定的激活函數(shù)，通過該激活函數(shù)將輸出或多個神經(jīng)元。神經(jīng)網(wǎng)絡通過某種算法來擬合輸入和輸出之間的任意的非線性映射。設輸入為 (,,...,)1 2nx xx，輸出為Y ，（ w ,w,...12，，可得到一個最簡單的神經(jīng)元模型，如圖 2-1 所示:

華北電力大學碩士學位論文(4)高容錯性。Hadoop 不僅可以自動地將存儲在平臺上的數(shù)據(jù)進行備份，還可以自動地重新分配處理失敗的任務。由于 Hadoop 是開源的，其成長速度非�？�，在快速增多的子項目中，部分項目是不屬于 Apache 管理的，卻對 Hadoop 提供了較好的補充。Hadoop 系統(tǒng)結構如圖 2-2 所示。
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP393.09;TP183

【參考文獻】

相關期刊論文 前3條

1 劉樹仁;馮超敏;文玲;蔡長寧;趙書貴;;基于Hadoop的高性能集群狀態(tài)監(jiān)測分析[J];計算機工程與設計;2014年11期

2 任曉龍;呂琳媛;;網(wǎng)絡重要節(jié)點排序方法綜述[J];科學通報;2014年13期

3 韓德志;李楠楠;畢坤;;云環(huán)境下的虛擬化技術探析[J];華中科技大學學報(自然科學版);2012年S1期

本文編號：2648188