【摘要】：作為一種新興的商業(yè)模式,云計(jì)算通過(guò)開(kāi)放的技術(shù)和標(biāo)準(zhǔn)把軟硬件虛擬化成動(dòng)態(tài)的資源,并以按需服務(wù)的形式提供給用戶。云計(jì)算不僅能夠大幅降低購(gòu)買(mǎi)硬件、能源、制冷等成本,還能夠加快應(yīng)用程序的部署。云計(jì)算的核心特征為按需服務(wù),而這也使得云計(jì)算環(huán)境下資源的管理成為一大難題。由于云資源提供商和云資源使用者之間存在利益上的沖突,現(xiàn)有的大多數(shù)研究都是從單一角色出發(fā),研究如何通過(guò)資源管理使單一角色受益。在某種程度上,云資源提供商和云資源使用者之間是利益共同體。如果沒(méi)有云資源使用者租用資源,云資源提供商就不能獲取利潤(rùn)；而如果沒(méi)有云資源提供商提供資源,云資源使用者就不能降低成本。因此,在進(jìn)行資源管理時(shí),必須綜合考慮云資源提供商和云資源使用者的獲益,在提高云資源使用者滿意度的前提下,實(shí)現(xiàn)云資源提供商利潤(rùn)的最大化。 首先,研究客戶滿意度驅(qū)動(dòng)的虛擬機(jī)資源分配策略,從合理定價(jià)和性能保障兩方面來(lái)提高云資源使用者的滿意度。在定價(jià)方面,引入了微觀經(jīng)濟(jì)學(xué)中的效用理論；在性能保障方面,使用負(fù)載預(yù)測(cè)和基于排隊(duì)論的性能預(yù)測(cè)模型。針對(duì)現(xiàn)有的負(fù)載預(yù)測(cè)方法只適用于單層云服務(wù),或只考慮請(qǐng)求總量而忽略其他因素造成預(yù)測(cè)不準(zhǔn)的問(wèn)題,提出了多因素感知的負(fù)載預(yù)測(cè)模型(MAPM),綜合考慮請(qǐng)求總量、服務(wù)時(shí)間和最終用戶偏好對(duì)負(fù)載的影響,以提高預(yù)測(cè)準(zhǔn)確度。接著,使用排隊(duì)論對(duì)多層云服務(wù)進(jìn)行性能建模,計(jì)算出客戶所需資源,為資源調(diào)度打下基礎(chǔ)。實(shí)驗(yàn)證明,相對(duì)于只考慮請(qǐng)求總量的負(fù)載預(yù)測(cè)算法,多因素感知的負(fù)載預(yù)測(cè)模型(MAPM)能提高預(yù)測(cè)的準(zhǔn)確度。 然后,研究利潤(rùn)驅(qū)動(dòng)的虛擬機(jī)資源調(diào)度策略,最大化云資源提供商的利潤(rùn)。首先,建立云資源提供商的利潤(rùn)模型,并根據(jù)微觀經(jīng)濟(jì)學(xué)的原理,計(jì)算出能夠使云資源提供商利潤(rùn)最大化的虛擬機(jī)資源數(shù)目。接著,以粒子群算法為指導(dǎo),對(duì)數(shù)據(jù)中心虛擬機(jī)資源的調(diào)度進(jìn)行建模分析,根據(jù)客戶需求和當(dāng)前數(shù)據(jù)中心的負(fù)載狀態(tài),以最大化資源利用率、最小化所占用物理機(jī)的數(shù)目及虛擬機(jī)遷移次數(shù)三個(gè)方面為目標(biāo),提出了基于增強(qiáng)型多目標(biāo)粒子群算法的VM資源調(diào)度策略(EPSO-VM)來(lái)實(shí)現(xiàn)虛擬機(jī)資源的優(yōu)化調(diào)度。實(shí)驗(yàn)證明,相對(duì)于標(biāo)準(zhǔn)粒子群算法以及貪婪算法,該策略能提高資源的利用率和云資源提供商的利潤(rùn),同時(shí)降低占用物理機(jī)的數(shù)目和虛擬機(jī)遷移次數(shù)。
[Abstract]:As a new business model, cloud computing virtualizes software and hardware into dynamic resources through open technologies and standards and provides them with on-demand services. Cloud computing not only significantly reduces the cost of buying hardware, energy, and refrigeration, but also speeds up the deployment of applications. The core feature of cloud computing is on demand service, which makes resource management in cloud computing environment a big problem. Due to the conflict of interests between cloud resource providers and cloud resource users, most of the existing studies focus on how to benefit a single role through resource management. To some extent, there is a community of interests between cloud resource providers and cloud resource users. If there are no cloud resource users renting resources, cloud resource providers can not obtain profits, and if cloud resource providers do not provide resources, cloud resource consumers can not reduce costs. Therefore, in resource management, the benefits of cloud resource providers and cloud resource users must be considered comprehensively, and the profit of cloud resource providers should be maximized on the premise of increasing the satisfaction of cloud resource users. Firstly, the strategy of virtual machine resource allocation driven by customer satisfaction is studied to improve the satisfaction of cloud resource users from two aspects: reasonable pricing and performance guarantee. In the aspect of pricing, the utility theory of microeconomics is introduced, and the performance prediction model based on queuing theory and load forecasting is used in performance assurance. To solve the problem that the existing load prediction methods are only suitable for single-layer cloud services or only consider the total number of requests and ignore other factors, a multi-factor perceived load prediction model (MAPM),) is proposed to comprehensively consider the total amount of requests. The effect of service time and end-user preferences on the load to improve prediction accuracy. Then, the queuing theory is used to model the performance of multi-layer cloud services, and the resources required by customers are calculated, which lays the foundation for resource scheduling. Experimental results show that the multi-factor perceived load prediction model (MAPM) can improve the prediction accuracy compared with the load prediction algorithm which only considers the total amount of requests. Then, the profit driven virtual machine resource scheduling strategy is studied to maximize the profit of cloud resource providers. Firstly, the profit model of cloud resource provider is established, and according to the principle of microeconomics, the number of virtual machine resources that can maximize the profit of cloud resource provider is calculated. Then, under the guidance of particle swarm optimization algorithm, the scheduling of virtual machine resources in data center is modeled and analyzed. According to the customer demand and the current load state of the data center, the resource utilization can be maximized. Aiming at minimizing the number of physical machines occupied and the number of virtual machines migrated, a VM resource scheduling strategy (EPSO-VM) based on enhanced multi-objective particle swarm optimization algorithm is proposed to realize the optimal scheduling of virtual machine resources. Experiments show that compared with the standard particle swarm optimization and greedy algorithm, this strategy can improve the utilization of resources and the profit of cloud resource providers, and reduce the number of physical machines and the number of virtual machine migration.
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類(lèi)號(hào)】：TP302

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 呂良干;于炯;李靜;鄧定蘭;;資源灰預(yù)測(cè)的反饋任務(wù)調(diào)度算法[J];計(jì)算機(jī)應(yīng)用;2009年05期

2 張樹(shù)東,曹元大,廖樂(lè)鍵;基于TD學(xué)習(xí)的網(wǎng)格資源預(yù)測(cè)方法[J];計(jì)算機(jī)工程;2005年21期

3 吳娜;劉振元;陳學(xué)廣;;基于案例推理的油庫(kù)應(yīng)急資源預(yù)測(cè)系統(tǒng)設(shè)計(jì)[J];數(shù)字石油和化工;2007年05期

4 孫唯宓;周力煒;;淺論WAsP軟件在近海風(fēng)力資源預(yù)測(cè)上的應(yīng)用[J];能源與環(huán)境;2008年02期

5 童一飛;李東波;;基于資源預(yù)測(cè)的網(wǎng)格資源預(yù)留機(jī)制研究[J];系統(tǒng)仿真學(xué)報(bào);2009年02期

6 程利;;低勘探程度探區(qū)的資源預(yù)測(cè)方法研究[J];科技傳播;2010年10期

7 程宏兵;楊庚;;一種基于預(yù)測(cè)的反饋網(wǎng)格作業(yè)調(diào)度模型[J];計(jì)算機(jī)應(yīng)用研究;2006年08期

8 程宏兵;;基于資源預(yù)測(cè)的網(wǎng)格任務(wù)調(diào)度模型[J];計(jì)算機(jī)應(yīng)用;2010年09期

9 張君雁,閔帆,劉敏,楊國(guó)緯;基于主動(dòng)網(wǎng)絡(luò)的資源需求預(yù)測(cè)技術(shù)研究[J];計(jì)算機(jī)工程與科學(xué);2004年04期

10 侯勇;吾守爾·斯拉木;吐?tīng)柛ひ敛祭?周艷慧;張凱;;大規(guī)模在線課程非專(zhuān)用資源預(yù)測(cè)與查詢(xún)調(diào)度[J];計(jì)算機(jī)工程與應(yīng)用;2009年36期

相關(guān)會(huì)議論文 前10條

1 何應(yīng)森;;法律與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)聯(lián)問(wèn)題[A];2007年全國(guó)法經(jīng)濟(jì)學(xué)論壇論文集[C];2007年

2 陳正華;;中央與地方分權(quán)的成本收益與交易成本——法經(jīng)濟(jì)學(xué)的視角[A];2007年全國(guó)法經(jīng)濟(jì)學(xué)論壇論文集[C];2007年

3 丁建華;謝承祥;肖克炎;薛順榮;婁德波;;成礦系列模型在東天山斑巖銅礦資源評(píng)價(jià)中的應(yīng)用[A];第八屆全國(guó)礦床會(huì)議論文集[C];2006年

4 吳浩萍;;做好引進(jìn)國(guó)外專(zhuān)家工作,實(shí)現(xiàn)引智效益的最大化[A];引進(jìn)國(guó)外智力研究論文選編（2007年—2009年）——獻(xiàn)給中華人民共和國(guó)60周年華誕[C];2009年

5 張記山;;成本控制最小化 效益追求最大化[A];河南省建筑業(yè)行業(yè)優(yōu)秀論文集(2008)[C];2008年

6 李紅珠;;如何創(chuàng)建人性化服務(wù)品牌[A];中國(guó)輸血協(xié)會(huì)第五屆輸血大會(huì)論文專(zhuān)集（摘要篇）[C];2010年

7 蘇源;李成云;趙之偉;周曉罡;李進(jìn)斌;楊靜;劉林;業(yè)艷芬;;利用網(wǎng)絡(luò)資源預(yù)測(cè)稻瘟菌分泌蛋白的初步分析[A];中國(guó)植物病理學(xué)會(huì)2005年學(xué)術(shù)年會(huì)暨植物病理學(xué)報(bào)創(chuàng)刊50周年紀(jì)念會(huì)論文集[C];2005年

8 林碧英;;強(qiáng)化內(nèi)部會(huì)計(jì)控制 實(shí)現(xiàn)企業(yè)價(jià)值最大化[A];2003年福建省會(huì)計(jì)學(xué)會(huì)理論研討論文專(zhuān)輯[C];2003年

9 丁濤;郝沁汾;張冰;;內(nèi)核虛擬機(jī)調(diào)度策略的研究與分析[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

10 蘇源;李成云;趙之偉;周曉罡;李進(jìn)斌;楊靜;劉林;業(yè)艷芬;;利用網(wǎng)絡(luò)資源預(yù)測(cè)稻瘟菌分泌蛋白的初步分析[A];中國(guó)植物病理學(xué)會(huì)2005年學(xué)術(shù)年會(huì)暨植物病理學(xué)報(bào)創(chuàng)刊50周年紀(jì)念會(huì)論文摘要集[C];2005年

相關(guān)重要報(bào)紙文章 前10條

1 野風(fēng)集團(tuán)有限公司副總裁兼首席財(cái)務(wù)官 蔣建林;企業(yè)要在財(cái)務(wù)文化上有所建樹(shù)[N];經(jīng)理日?qǐng)?bào);2010年

2 李俠 上海交通大學(xué)教授;我們?yōu)楹巫鹬貦?quán)威[N];上�？萍紙�(bào);2011年

3 張瑩瑩;常寶股份變更募資投向斥資7.8億新建三項(xiàng)目[N];證券時(shí)報(bào);2011年

4 ;“快速擴(kuò)張考驗(yàn)運(yùn)營(yíng)水平”[N];經(jīng)濟(jì)視點(diǎn)報(bào);2011年

5 谷歡歡　本報(bào)記者 董菁;企業(yè)家的七秒鐘[N];中國(guó)企業(yè)報(bào);2010年

6 劉厚珉 王富剛;單縣交警實(shí)現(xiàn)“四個(gè)最大化”保群眾交通安全[N];菏澤日?qǐng)?bào);2007年

7 王雅楠;明智管理讓城市化好處最大[N];中國(guó)建設(shè)報(bào);2010年

8 高三學(xué)生 王彥龍;“地球一小時(shí)”與母親的365天[N];新華每日電訊;2011年

9 東興證券 孫繼青;鋼鐵主業(yè)將進(jìn)入盈利周期 業(yè)績(jī)彈性或?qū)⒆畲蠡痆N];通信信息報(bào);2009年

10 記者 陳化宇;安瑞電力——規(guī)范化運(yùn)作創(chuàng)效益最大化[N];雅安日?qǐng)?bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 唐源;嵌入虛擬機(jī)監(jiān)視器的高性能覆蓋網(wǎng)絡(luò)研究[D];電子科技大學(xué);2012年

2 劉謙;面向云計(jì)算的虛擬機(jī)系統(tǒng)安全研究[D];上海交通大學(xué);2012年

3 白令安;大興安嶺中北部熱液銅礦床的成礦機(jī)制與資源預(yù)測(cè)[D];吉林大學(xué);2013年

4 周剛;云計(jì)算環(huán)境中面向取證的現(xiàn)場(chǎng)遷移技術(shù)研究[D];華中科技大學(xué);2011年

5 孫韜;社會(huì)化媒體中提升用戶參與度的關(guān)鍵因素研究[D];北京大學(xué);2013年

6 姜元春;基于智能優(yōu)化方法的個(gè)性化營(yíng)銷(xiāo)策略研究[D];合肥工業(yè)大學(xué);2011年

7 呂鵬;基于立方體預(yù)測(cè)模型的隱伏礦體三維預(yù)測(cè)和系統(tǒng)開(kāi)發(fā)[D];中國(guó)地質(zhì)大學(xué)（北京）;2007年

8 邱罡;可信系統(tǒng)保護(hù)模型研究與設(shè)計(jì)[D];西安電子科技大學(xué);2010年

9 Muhammad Saeed;[D];北京郵電大學(xué);2012年

10 宋滸;面向用戶服務(wù)需求的云計(jì)算管理機(jī)制研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 胡丹丹;獲益驅(qū)動(dòng)的虛擬機(jī)資源動(dòng)態(tài)管理策略研究[D];廣西大學(xué);2013年

2 楊夕輝;三江成礦帶中甸地區(qū)斑巖型銅礦成礦綜合信息研究及資源預(yù)測(cè)[D];昆明理工大學(xué);2005年

3 蒲泊伶;四川盆地頁(yè)巖氣成藏條件分析[D];中國(guó)石油大學(xué);2008年

4 趙旭澤;虛擬機(jī)平臺(tái)的設(shè)計(jì)與關(guān)鍵模塊的實(shí)現(xiàn)[D];沈陽(yáng)理工大學(xué);2011年

5 楊光華;陜北吳堡礦區(qū)石炭—二疊系煤層氣賦存規(guī)律及資源潛力預(yù)測(cè)研究[D];長(zhǎng)安大學(xué);2009年

6 褚軼群;基于預(yù)測(cè)與預(yù)約機(jī)制的網(wǎng)格任務(wù)調(diào)度中間件研究[D];上海交通大學(xué);2008年

7 冀進(jìn)朝;社區(qū)影響最大化算法及其傳播模型研究[D];吉林大學(xué);2010年

8 黃良良;基于VMX虛擬機(jī)的安全通信機(jī)制研究[D];解放軍信息工程大學(xué);2010年

9 章云龍;社交網(wǎng)絡(luò)中基于話題的影響最大化問(wèn)題研究[D];上海交通大學(xué);2012年

10 劉永;云計(jì)算環(huán)境下虛擬機(jī)資源調(diào)度策略研究[D];山東師范大學(xué);2012年

，

本文編號(hào)：2193411