【摘要】：云計算作為一種新的商業(yè)模型和計算模式,將任務分配到由大量的計算機構(gòu)成的資源池上,使用戶能夠按需獲取計算能力、存儲空間和應用服務。近年來,隨著云計算的發(fā)展,越來越多的用戶將自己的應用部署到云數(shù)據(jù)中心。這些應用有著不同的資源需求,使得虛擬機的負載處于不斷變化之中。面對用戶多樣化的需求,如何為虛擬機分配合適的物理機,以及如何在虛擬機負載隨機波動的情況下對負載異常的物理機進行虛擬機遷移,成為了需要關注的問題。針對以上問題,本文從以下兩個方面開展研究工作。(1)針對虛擬機的放置問題,構(gòu)建了多目標的虛擬機放置優(yōu)化模型,并根據(jù)實際問題場景,提出了基于KnEA改進的EEKnEA(Energy-Efficient Knee Point Driven Evolutionary Algorithm)算法對模型進行求解。首先,為了滿足多樣化的調(diào)度需求,構(gòu)建了考慮負載均衡、資源利用率、能源消耗以及魯棒性指標的虛擬機調(diào)度模型。對解決多目標優(yōu)化問題具有較好效果的KnEA算法進行改進,引入通信頻繁且通信量大的虛擬機盡量放置在同一物理機上的啟發(fā)式策略,對上述模型進行優(yōu)化求解。實驗結(jié)果表明,與現(xiàn)有算法相比,提出的的算法不僅可以獲得質(zhì)量更優(yōu)的解集,亦可以實現(xiàn)多個目標之間的均衡。(2)針對虛擬機負載隨機波動情況下物理機發(fā)生負載異常時虛擬機的遷移問題,提出了多目標的虛擬機遷移優(yōu)化模型,并提出了基于KnEA的改進算法。除了考慮虛擬機的遷移對分配方案的負載均衡、資源利用率、能源消耗以及魯棒性指標的影響外,還加入了虛擬機的遷移成本目標。對于優(yōu)化算法,本文在種群初始化階段加入了兩種啟發(fā)式策略,在獲得更優(yōu)質(zhì)的初始種群的同時,提升求解效率。本文提出的多目標的虛擬機放置和遷移研究,可以進一步滿足用戶對于資源請求的多樣性需求,同時保證云數(shù)據(jù)中心的低能耗和高資源利用率,使得云數(shù)據(jù)中心可以提供更加穩(wěn)定的服務,具有較好的應用場景
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP302

【參考文獻】

相關期刊論文 前1條

1 周舟;胡志剛;宋鐵;于俊洋;;A novel virtual machine deployment algorithm with energy efficiency in cloud computing[J];Journal of Central South University;2015年03期

相關碩士學位論文 前1條

1 丁言;云計算環(huán)境中虛擬機動態(tài)遷移位置選擇策略研究[D];吉林大學;2014年

，

本文編號：2607634