本文關(guān)鍵詞：云環(huán)境中虛擬機(jī)動態(tài)優(yōu)化配置

  更多相關(guān)文章： 云計算 虛擬機(jī) 動態(tài)優(yōu)化 蟻群算法 分層強(qiáng)化學(xué)習(xí) CloudSim

【摘要】：云計算是一種新的商業(yè)計算模型和服務(wù)模式，允許用戶在任何地點訪問應(yīng)用程序和相關(guān)數(shù)據(jù)，其目標(biāo)是將計算和存儲簡化為像公共的水和電一樣易用的資源，用戶只需按量付費。從云服務(wù)的供需兩個角度，經(jīng)濟(jì)效益和服務(wù)質(zhì)量分別是云計算提供商和云用戶最關(guān)心的兩個問題。在動態(tài)的云計算環(huán)境下，資源分配管理過程中要盡量避免資源過度使用和利用不足，為了在確保服務(wù)級別協(xié)定前提下，提高資源利用率，對虛擬機(jī)進(jìn)行在線動態(tài)優(yōu)化配置是很有必要的。 我們結(jié)合云系統(tǒng)的特性分析了云計算的服務(wù)形式，針對云應(yīng)用中遇到的問題，說明了虛擬資源動態(tài)優(yōu)化的重要性。虛擬化是將IT支撐系統(tǒng)演變?yōu)樵破脚_的關(guān)鍵技術(shù)，文中介紹了三種不同的虛擬化技術(shù)，重點介紹了Xen虛擬技術(shù)，并簡要描述了Xen虛擬機(jī)的動態(tài)配置方案。虛擬機(jī)的動態(tài)優(yōu)化配置需要解決虛擬機(jī)實時遷移的問題，我們提出了一種算法A-HRL來實時自動配置虛擬機(jī)。該方法記錄螞蟻遍歷過程中留下的信息素，利用信息素變化率引入粗糙度概念，并根據(jù)粗糙度閾值創(chuàng)建子目標(biāo)實現(xiàn)任務(wù)分層。將A-HRL算法應(yīng)用于虛擬機(jī)動態(tài)配置中，，通過創(chuàng)建任務(wù)組和虛擬機(jī)可用性評估表監(jiān)督每個任務(wù)的進(jìn)度與質(zhì)量，實時遷移工作負(fù)載，實現(xiàn)虛擬機(jī)的動態(tài)優(yōu)化配置。在CloudSim仿真平臺下模擬虛擬機(jī)配置，實驗結(jié)果表明，A-HRL算法比傳統(tǒng)的強(qiáng)化學(xué)習(xí)算法性能更優(yōu)，可以有效改善資源不均衡問題，提高資源利用率。
【關(guān)鍵詞】：云計算 虛擬機(jī) 動態(tài)優(yōu)化 蟻群算法 分層強(qiáng)化學(xué)習(xí) CloudSim
【學(xué)位授予單位】：太原科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP302;TP18
【目錄】：

• 中文摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 研究背景及意義10-11
• 1.2 研究現(xiàn)狀11-13
• 1.3 論文主要工作13-16
• 1.3.1 論文研究內(nèi)容13
• 1.3.2 論文組織結(jié)構(gòu)13-16
• 第二章 云計算與虛擬化16-30
• 2.1 云計算概述16-20
• 2.1.1 云計算的特證16-17
• 2.1.2 云計算服務(wù)形式17-18
• 2.1.3 云計算的應(yīng)用18-20
• 2.2 虛擬化技術(shù)20-22
• 2.2.1 完全虛擬化20-21
• 2.2.2 半虛擬化21
• 2.2.3 操作系統(tǒng)虛擬化21-22
• 2.3 Xen 虛擬化22-25
• 2.3.1 Xen 虛擬化技術(shù)22-23
• 2.3.2 Xen 虛擬機(jī)動態(tài)配置方案23-25
• 2.4 虛擬機(jī)實時遷移25-26
• 2.4.1 預(yù)拷貝實時遷移25-26
• 2.4.2 后拷貝實時遷移26
• 2.5 CloudSim 仿真平臺26-28
• 2.6 本章小結(jié)28-30
• 第三章 A-HRL 算法30-42
• 3.1 理論基礎(chǔ)30-33
• 3.1.1 蟻群優(yōu)化算法30-31
• 3.1.2 強(qiáng)化學(xué)習(xí)算法31-33
• 3.1.3 Ant-Q33
• 3.2 A-HRL 算法詳述33-38
• 3.2.1 函數(shù)定義34-35
• 3.2.2 ACO 算法與 HRL 的融合實現(xiàn)35-37
• 3.2.3 A-HRL 算法流程37-38
• 3.3 算法驗證與分析38-40
• 3.3.1 A-HRL 在出租車環(huán)境中的應(yīng)用38-40
• 3.3.2 A-HRL 算法復(fù)雜度分析40
• 3.4 本章小結(jié)40-42
• 第四章 基于 A-HRL 的虛擬機(jī)動態(tài)配置42-50
• 4.1 A-HRL 算法在虛擬機(jī)動態(tài)配置中的可行性分析42-43
• 4.2 虛擬機(jī)動態(tài)配置框架43-44
• 4.3 系統(tǒng)配置詳情44-46
• 4.3.1 信息素表44-45
• 4.3.2 子目標(biāo)45-46
• 4.4 實驗結(jié)果與分析46-49
• 4.5 本章小結(jié)49-50
• 第五章 總結(jié)和展望50-52
• 5.1 主要工作總結(jié)50
• 5.2 展望50-52
• 參考文獻(xiàn)52-56
• 致謝56-58
• 攻讀碩士學(xué)位期間研究成果58-59

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 李長志;集群服務(wù)器系統(tǒng)負(fù)載均衡原理的分析與實現(xiàn)[J];重慶郵電學(xué)院學(xué)報(自然科學(xué)版);2004年06期

2 孫大為;常桂然;李鳳云;王川;王興偉;;一種基于免疫克隆的偏好多維QoS云資源調(diào)度優(yōu)化算法[J];電子學(xué)報;2011年08期

3 韓中;陳富民;高建民;高智勇;;復(fù)雜流程系統(tǒng)安全的資源配置與優(yōu)化[J];計算機(jī)集成制造系統(tǒng);2009年09期

4 張汝波,顧國昌,劉照德,王醒策;強(qiáng)化學(xué)習(xí)理論、算法及應(yīng)用[J];控制理論與應(yīng)用;2000年05期

5 劉賽;李緒蓉;萬麟瑞;陳韜;;云環(huán)境下資源調(diào)度模型研究[J];計算機(jī)工程與科學(xué);2013年03期

6 王永劍;裴翔;李濤;欒鐘治;錢德沛;;Nova-BFT:一種支持多種故障模型的副本狀態(tài)機(jī)協(xié)議[J];計算機(jī)研究與發(fā)展;2011年07期

7 沈舒;;云計算與網(wǎng)格計算的比較[J];軟件導(dǎo)刊;2009年12期

8 金嘉暉;羅軍舟;宋愛波;東方;;基于數(shù)據(jù)中心負(fù)載分析的自適應(yīng)延遲調(diào)度算法[J];通信學(xué)報;2011年07期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉曉茜;云計算數(shù)據(jù)中心結(jié)構(gòu)及其調(diào)度機(jī)制研究[D];中國科學(xué)技術(shù)大學(xué);2011年

本文編號：1039506