本文選題：云計(jì)算　切入點(diǎn)：彈性　出處：《上海交通大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

【摘要】：云計(jì)算的相關(guān)課題是近幾年的研究熱點(diǎn)，作為一種新型的計(jì)算范式，她倡導(dǎo)將計(jì)算能力以服務(wù)的形式加以傳遞。隨著相關(guān)技術(shù)的進(jìn)步和成熟，這種理念變得越來越實(shí)際，不少行業(yè)巨頭都相繼投入大量資本展開相關(guān)實(shí)踐。 彈性擴(kuò)展能力是云計(jì)算的重要特性之一，它也是保證云服務(wù)能否成功實(shí)施的關(guān)鍵。正是因?yàn)樗�，云平臺(tái)能根據(jù)目標(biāo)系統(tǒng)的運(yùn)行特征動(dòng)態(tài)為其調(diào)配資源，以確保系統(tǒng)的服務(wù)質(zhì)量符合契約（SLA）規(guī)定，并保證資源利用率在較高的水平。實(shí)現(xiàn)云平臺(tái)彈性擴(kuò)展機(jī)制的重要步驟是為目標(biāo)系統(tǒng)構(gòu)建準(zhǔn)確的資源需求模型，以便根據(jù)系統(tǒng)運(yùn)行特征參數(shù)值估算其所需的資源數(shù)目，從而為其增添資源或從中釋放回收資源。目前的研究工作主要采用實(shí)時(shí)在線的方法為目標(biāo)系統(tǒng)微調(diào)相關(guān)配置參數(shù)或調(diào)整虛擬資源的配額，本文認(rèn)為這些方法各自存在一定局限性，容易出現(xiàn)“抖動(dòng)”現(xiàn)象。本文提出了一種基于神經(jīng)網(wǎng)絡(luò)相關(guān)知識(shí)體系來實(shí)現(xiàn)云平臺(tái)彈性擴(kuò)展機(jī)制的方法框架。該方法借助神經(jīng)網(wǎng)絡(luò)構(gòu)建目標(biāo)系統(tǒng)的資源需求模型，由此生成彈性擴(kuò)展規(guī)則，并進(jìn)一步指示云平臺(tái)為目標(biāo)系統(tǒng)執(zhí)行相應(yīng)的資源調(diào)配操作。同時(shí)，本文發(fā)現(xiàn)單一固定的彈性擴(kuò)展規(guī)則，其作用效果很難得到持續(xù)的保證，本文為此設(shè)計(jì)了一套擴(kuò)展規(guī)則的優(yōu)化機(jī)制和方法。 為驗(yàn)證本文所提方法框架的實(shí)效性，文章設(shè)計(jì)實(shí)現(xiàn)了一系列模擬實(shí)驗(yàn)，并通過對(duì)比靜態(tài)擴(kuò)展規(guī)則來分析生成的彈性擴(kuò)展規(guī)則的作用效果。實(shí)驗(yàn)結(jié)果表明，本文提出的擴(kuò)展規(guī)則生成方法行之有效，由此生成的彈性擴(kuò)展規(guī)則能保證目標(biāo)系統(tǒng)的服務(wù)質(zhì)量（系統(tǒng)響應(yīng)時(shí)間）在至少93%的時(shí)間里符合SLA規(guī)定，相比靜態(tài)擴(kuò)展規(guī)則只能保證系統(tǒng)服務(wù)質(zhì)量在86%甚至更少的時(shí)間里符合要求。此外，文章設(shè)計(jì)的實(shí)驗(yàn)也證明了本文提出的彈性擴(kuò)展規(guī)則優(yōu)化方法的可用性。 本文工作以IaaS的視角展開，并以多層架構(gòu)的web系統(tǒng)作為目標(biāo)系統(tǒng)的代表性案例，以此展開相關(guān)分析和研究。
[Abstract]:Cloud computing is a hot research topic in recent years. As a new computing paradigm, she advocates the transfer of computing power in the form of services. With the development and maturity of related technologies, this concept becomes more and more practical. Many industry giants have invested a lot of capital to carry out related practices. Flexibility expansion is one of the important features of cloud computing, and it is also the key to ensure the successful implementation of cloud services. In order to ensure that the quality of service of the system conforms to the stipulations of the contract SLAs, and to ensure that the utilization of resources is at a higher level, the important step to realize the elastic expansion mechanism of cloud platform is to build an accurate resource requirement model for the target system. In order to estimate the number of resources required by the system based on its operating characteristic parameters, The current research mainly uses real-time on-line method to fine-tune the related configuration parameters or adjust the quota of virtual resources for the target system. This paper holds that each of these methods has some limitations. The phenomenon of "jitter" is easy to occur. In this paper, a method framework based on neural network related knowledge system is proposed to realize the elastic expansion mechanism of cloud platform. This method uses neural network to construct the resource requirement model of the target system. The elastic expansion rules are generated, and the cloud platform is further instructed to perform the corresponding resource allocation operations for the target system. At the same time, it is found that the effect of the single fixed elastic expansion rule is difficult to ensure continuously. In this paper, a set of optimization mechanisms and methods for extended rules are designed. In order to verify the effectiveness of the proposed framework, a series of simulation experiments are designed and implemented, and the effects of the generated elastic expansion rules are analyzed by comparing the static expansion rules. The experimental results show that, The extended rule generation method proposed in this paper is effective, and the elastic extended rule can guarantee the quality of service (system response time) of the target system in at least 93% times in accordance with the SLA regulations. Compared with static extension rules, it can only guarantee the quality of service of the system in 86% or less time. In addition, the experiments designed in this paper also prove the availability of the flexible extension rule optimization method proposed in this paper. In this paper, the IaaS perspective and the multi-tier web system as the representative case of the target system, so as to carry out the relevant analysis and research.
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 kelly MF;邰常峰;;神經(jīng)網(wǎng)絡(luò)在肌電信號(hào)分析中的應(yīng)用[J];國際生物醫(yī)學(xué)工程雜志;1991年06期

2 湯新梁;;自由手寫體數(shù)字識(shí)別的神經(jīng)網(wǎng)方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);1991年03期

3 曾黃麟;;一類新的模式識(shí)別聯(lián)想神經(jīng)網(wǎng)絡(luò)[J];電訊技術(shù);1992年01期

4 ;簡訊[J];西安電子科技大學(xué)學(xué)報(bào);1992年01期

5 盧科學(xué);郭美義;;平移不變模式變換與神經(jīng)網(wǎng)絡(luò)[J];西安電子科技大學(xué)學(xué)報(bào);1992年03期

6 吳新余;;簡析Lyapunov函數(shù)40例[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);1992年04期

7 王繼成,呂維雪;基于神經(jīng)網(wǎng)絡(luò)的邏輯計(jì)算[J];計(jì)算機(jī)工程與設(shè)計(jì);1993年02期

8 高麗娜;邱關(guān)源;;神經(jīng)網(wǎng)絡(luò)高精度權(quán)值的模擬電路實(shí)現(xiàn)[J];電子與信息學(xué)報(bào);1993年05期

9 陳在;;神經(jīng)網(wǎng)絡(luò):一種全新的多媒體技術(shù)[J];重慶郵電學(xué)院學(xué)報(bào)(自然科學(xué)版);1993年01期

10 丁德恒;呂維雪;;基于神經(jīng)網(wǎng)絡(luò)的關(guān)系模式匹配方法[J];計(jì)算機(jī)科學(xué);1993年01期

相關(guān)會(huì)議論文 前10條

1 侯艷芳;馮紅梅;;基于神經(jīng)網(wǎng)絡(luò)的調(diào)制識(shí)別算法的研究[A];武漢(南方九省)電工理論學(xué)會(huì)第22屆學(xué)術(shù)年會(huì)、河南省電工技術(shù)學(xué)會(huì)年會(huì)論文集[C];2010年

2 沈建榮;楊林泉;陳琳;;神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性判據(jù)與區(qū)域經(jīng)濟(jì)結(jié)構(gòu)調(diào)整[A];系統(tǒng)工程與可持續(xù)發(fā)展戰(zhàn)略——中國系統(tǒng)工程學(xué)會(huì)第十屆年會(huì)論文集[C];1998年

3 石山銘;李富蘭;丁俊麗;;神經(jīng)網(wǎng)絡(luò)的知識(shí)獲取[A];全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第1卷）[C];1991年

4 吳清烈;徐南榮;;基于神經(jīng)網(wǎng)絡(luò)的一種多目標(biāo)決策方法[A];復(fù)雜巨系統(tǒng)理論·方法·應(yīng)用——中國系統(tǒng)工程學(xué)會(huì)第八屆學(xué)術(shù)年會(huì)論文集[C];1994年

5 李曉鐘;汪培莊;羅承忠;;神經(jīng)網(wǎng)絡(luò)與模糊邏輯[A];中國系統(tǒng)工程學(xué)會(huì)模糊數(shù)學(xué)與模糊系統(tǒng)委員會(huì)第五屆年會(huì)論文選集[C];1990年

6 房育棟;余英林;;高階自組織映射及其學(xué)習(xí)算法[A];1995年中國控制會(huì)議論文集（上）[C];1995年

7 王曉曄;杜朝輝;呂德忠;劉建峰;;神經(jīng)網(wǎng)絡(luò)模糊控制在溫度控制系統(tǒng)中的應(yīng)用[A];1997中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

8 金龍;吳建生;;基于遺傳算法的神經(jīng)網(wǎng)絡(luò)短期氣候預(yù)測模型(摘要)[A];新世紀(jì)氣象科技創(chuàng)新與大氣科學(xué)發(fā)展——中國氣象學(xué)會(huì)2003年年會(huì)“氣候系統(tǒng)與氣候變化”分會(huì)論文集[C];2003年

9 申偉;張?jiān)?;基于MATLAB的自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)(ANFIS)的應(yīng)用[A];《制造業(yè)自動(dòng)化與網(wǎng)絡(luò)化制造》學(xué)術(shù)交流會(huì)論文集[C];2004年

10 田艷兵;;BP算法和PSO算法在神經(jīng)網(wǎng)絡(luò)中的研究[A];第二十九屆中國控制會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 記者 劉春輝;IBM發(fā)布全新工作負(fù)載優(yōu)化系統(tǒng)[N];人民郵電;2010年

2 楊碩;引領(lǐng)進(jìn)入智慧數(shù)據(jù)中心時(shí)代[N];人民郵電;2010年

3 本報(bào)記者 陳翔　許繼楠 霍光;硬件系統(tǒng)的新思維[N];中國計(jì)算機(jī)報(bào);2010年

4 本報(bào)記者 陳翔;zEnterprise：主機(jī)的技術(shù)革命[N];中國計(jì)算機(jī)報(bào);2010年

5 祁;IBM發(fā)布eX5工作負(fù)載優(yōu)化系統(tǒng)[N];電腦商報(bào);2011年

6 本報(bào)記者 郭平;IBM大機(jī)風(fēng)采依然[N];計(jì)算機(jī)世界;2010年

7 凡妮;IBM智慧系統(tǒng)負(fù)載優(yōu)化到云端[N];電腦商報(bào);2010年

8 付紅;HP Integrity構(gòu)建業(yè)界最大規(guī)模虛擬化環(huán)境[N];中國工業(yè)報(bào);2005年

9 電腦商報(bào)記者 凡妮;用智慧系統(tǒng)提高存儲(chǔ)境界[N];電腦商報(bào);2010年

10 ;HP借助Integrity刀片擴(kuò)展BladeSystem系列[N];科技日?qǐng)?bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 劉志祥;深部開采高階段尾砂充填體力學(xué)與非線性優(yōu)化設(shè)計(jì)[D];中南大學(xué);2005年

2 戴雪龍;PET探測器神經(jīng)網(wǎng)絡(luò)定位方法研究[D];中國科學(xué)技術(shù)大學(xué);2006年

3 馬戎;智能控制技術(shù)在煉鋼電弧爐中的應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

4 文敦偉;面向多智能體和神經(jīng)網(wǎng)絡(luò)的智能控制研究[D];中南大學(xué);2001年

5 吳大宏;基于遺傳算法與神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)研究[D];西南交通大學(xué);2003年

6 杜文斌;基于神經(jīng)網(wǎng)絡(luò)的冠心病證候診斷標(biāo)準(zhǔn)與藥效評(píng)價(jià)模型研究[D];遼寧中醫(yī)學(xué)院;2004年

7 熊雪梅;參數(shù)化模糊遺傳神經(jīng)網(wǎng)絡(luò)及在植物病害預(yù)測的應(yīng)用[D];南京農(nóng)業(yè)大學(xué);2004年

8 李智;電站鍋爐燃燒系統(tǒng)優(yōu)化運(yùn)行與應(yīng)用研究[D];東北大學(xué);2005年

9 王承;基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究[D];電子科技大學(xué);2005年

10 譚陽紅;基于小波和神經(jīng)網(wǎng)絡(luò)的大規(guī)模模擬電路故障診斷研究[D];湖南大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 徐朝暉;面向云計(jì)算彈性擴(kuò)展的規(guī)則自動(dòng)生成與優(yōu)化[D];上海交通大學(xué);2013年

2 楊立儒;基于神經(jīng)網(wǎng)絡(luò)的電路故障診斷的研究與實(shí)現(xiàn)[D];解放軍信息工程大學(xué);2010年

3 劉蘭蘭;基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的H型鋼粗軋工藝參數(shù)優(yōu)化研究[D];山東大學(xué);2011年

4 田鵬明;基于神經(jīng)網(wǎng)絡(luò)的振動(dòng)主動(dòng)控制研究[D];太原理工大學(xué);2012年

5 姜宇;發(fā)動(dòng)機(jī)裂解設(shè)備故障診斷技術(shù)的研究[D];吉林大學(xué);2012年

6 邢遠(yuǎn)凱;基于決策樹和遺傳算法的神經(jīng)網(wǎng)絡(luò)研究及應(yīng)用[D];浙江大學(xué);2010年

7 高寶建;基于神經(jīng)網(wǎng)絡(luò)的月降水預(yù)報(bào)模型在洪澤湖的應(yīng)用研究[D];南京信息工程大學(xué);2012年

8 陳少華;基于Hopfield神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的研究[D];山東科技大學(xué);2010年

9 來建波;基于神經(jīng)網(wǎng)絡(luò)的路段行程時(shí)間預(yù)測研究[D];云南大學(xué);2011年

10 閆超;基于BP神經(jīng)網(wǎng)絡(luò)的煤礦深埋硐室軟巖流變參數(shù)反演分析[D];安徽理工大學(xué);2011年

本文編號(hào)：1614190