本文關鍵詞：云環(huán)境下基于SLA的優(yōu)化資源管理機制研究

  更多相關文章： SLA協(xié)議 資源調度 SA-PSO算法 虛擬機遷移 蟻群算法

【摘要】：自云計算概念提出以來,這種新興的技術就逐漸成為了工業(yè)界與學術界的研究熱點,也是當前大數(shù)據(jù)運用的主要核心技術之一,云計算為大數(shù)據(jù)處理提供了良好的計算資源底層。作為一種新型計算模式,運用虛擬化技術統(tǒng)一管理和調度存儲、軟件、帶寬和計算等資源,實現(xiàn)按需使用資源并隨時擴展。在這種服務模式下,所有資源被虛擬化為一個資源池,云服務供應商通過建立規(guī)模龐大的數(shù)據(jù)中心,來管理并分配各類資源給用戶應用程序。面臨復雜動態(tài)的資源需求,如何建立一個高效的資源管理機制,已成為學術界的研究重點。在已有文獻的研究基礎上,針對資源分配不合理、資源利用率不高、負載不均衡導致供應商各種成本增加等問題,本文立足于實現(xiàn)云資源供應商的利潤最大化目標,設計了用戶與供應商之間服務等級協(xié)議(Service Level Agreement,SLA)的部分功能性參數(shù),解決資源需求與資源供應之間的不符點,降低協(xié)議的違例率和避免主機節(jié)點失效,同時確保用戶程序的Qo S(Quality of Service)需求,主要通過SLA協(xié)議中的計算能力、網絡帶寬、存儲空間等屬性來衡量。故本文提出了一種基于SLA的資源管理機制,著重分析并優(yōu)化該機制中的資源調度和虛擬機遷移問題。本文的主要研究工作如下:(1)針對數(shù)據(jù)中心的資源分配效率不高的問題,構造了一種用戶請求—資源分配的映射模型,將SLA協(xié)議中的三大屬性:計算能力(Mips)、網絡帶寬(BW)、存儲空間(Memory)作為傳遞參數(shù),調用改進的智能算法進行資源分配。(2)在上述的資源映射過程中,以實現(xiàn)資源供應商的利潤最大化為目標,設計相應的適應度函數(shù)。為避免粒子陷入局部最優(yōu)解,改進標準粒子群(PSO)算法,提出與模擬退火算法(SA)相結合的混合粒子群算法(SA-PSO)來優(yōu)化分配策略。(3)在云數(shù)據(jù)中心,面對大量動態(tài)的計算需求,在完成資源調度之后,因負載不均衡會導致虛擬機節(jié)點失效。針對該問題,提出了一種基于蟻群算法的自主式虛擬機實時遷移策略。借鑒螞蟻智能搜索的思想,通過推導數(shù)據(jù)中心各節(jié)點的資源負載計算公式,并將該負載公式作為蟻群算法選擇目標遷移節(jié)點的評價函數(shù),實現(xiàn)虛擬機自動遷移匹配,最終形成一個基于SLA的高效云資源管理機制。
【關鍵詞】：SLA協(xié)議 資源調度 SA-PSO算法 虛擬機遷移 蟻群算法
【學位授予單位】：江西理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.07;TP18
【目錄】：

• 摘要4-5
• Abstract5-10
• 第一章 緒論10-16
• 1.1 研究背景及意義10-11
• 1.2 國內外研究現(xiàn)狀11-13
• 1.2.1 基于SLA的資源管理相關研究11-12
• 1.2.2 云計算環(huán)境下的資源調度方法12
• 1.2.3 數(shù)據(jù)中心虛擬機遷移策略12-13
• 1.3 本文主要工作13-14
• 1.4 論文組織結構14-16
• 第二章 云計算與資源管理相關技術16-27
• 2.1 云計算技術概述16-19
• 2.1.1 云計算發(fā)展歷程16-17
• 2.1.2 云計算的特點17-18
• 2.1.3 云計算體系結構18-19
• 2.2 服務等級協(xié)議SLA19-20
• 2.3 虛擬化技術20-21
• 2.4 負載均衡技術21-22
• 2.5 云環(huán)境下的虛擬資源管理技術與方法22-26
• 2.5.1 云資源調度機制23-25
• 2.5.2 數(shù)據(jù)中心虛擬機實時遷移技術25-26
• 2.6 本章小結26-27
• 第三章基于SLA的動態(tài)資源調度算法27-40
• 3.1 問題的提出27
• 3.2 云環(huán)境下基于SLA的資源分配模型27-31
• 3.2.1 資源調度模型體系27-29
• 3.2.2 適應度函數(shù)的構造29-31
• 3.3 粒子群算法的應用31-33
• 3.3.1 粒子群PSO算法思想31-32
• 3.3.2 粒子群算法的應用實例32-33
• 3.4 云環(huán)境仿真模擬器CloudSim33-36
• 3.4.1 CloudSim模擬器概述33-35
• 3.4.2 CloudSim仿真形式35
• 3.4.3 CloudSim仿真數(shù)據(jù)調度流程35-36
• 3.5 實驗平臺構建與算法實現(xiàn)36-39
• 3.5.1 實驗環(huán)境36-39
• 3.5.2 資源調度及算法核心類實現(xiàn)39
• 3.6 本章小結39-40
• 第四章 一種改進的混合粒子群SA-PSO優(yōu)化調度算法40-47
• 4.1 問題的提出40
• 4.2 改進的混合粒子群SA-PSO算法40-42
• 4.2.1 標準模擬退火算法SA概述40-41
• 4.2.2 改進的混合SA-PSO算法41-42
• 4.3 仿真實驗與分析42-46
• 4.3.1 虛擬資源實驗數(shù)據(jù)43
• 4.3.2 用戶任務實驗數(shù)據(jù)43-44
• 4.3.3 數(shù)據(jù)中心描述44
• 4.3.4 實驗結果分析44-46
• 4.4 本章小結46-47
• 第五章 數(shù)據(jù)中心虛擬機遷移策略47-60
• 5.1 問題的提出47
• 5.2 數(shù)據(jù)中心虛擬機遷移模型47-49
• 5.2.1 相關定義47-48
• 5.2.2 資源負載均衡公式推導48-49
• 5.3 虛擬機遷移策略49-51
• 5.3.1 虛擬機遷移框架49-51
• 5.3.2 虛擬機遷移過程51
• 5.4 虛擬機遷移算法51-56
• 5.4.1 蟻群算法ACO原理51-52
• 5.4.2 ACO算法在虛擬機遷移匹配中的應用52-56
• 5.5 仿真實驗與結果分析56-59
• 5.6 本章小結59-60
• 第六章 總結與展望60-62
• 6.1 工作總結60
• 6.2 展望60-62
• 參考文獻62-66
• 附錄66-72
• 致謝72-73
• 攻讀學位期間研究成果73-74

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 王燕;;基于云服務的數(shù)字化社區(qū)云平臺的設計[J];計算機技術與發(fā)展;2013年06期

，

本文編號：899176