發(fā)布時間：2021-01-20 07:32

　　為了滿足云用戶請求響應要求的同時進一步提高云平臺能量效率,融合喚醒閾值與半休眠模式,提出一種新型的云虛擬機調度策略。在一個半休眠周期結束時刻,如果緩沖區(qū)中等待的云用戶請求數(shù)達到閾值N,虛擬機則由半休眠狀態(tài)轉入喚醒狀態(tài),以正常速率為云用戶請求提供服務;否則,虛擬機將重新開始一次新的半休眠周期,持續(xù)為云用戶請求提供低速服務。根據(jù)云虛擬機調度策略的原理,建立一個具有N策略和多重異步工作休假的多服務臺排隊模型。利用擬生滅過程和矩陣幾何解方法,推導云用戶請求平均逗留時間與系統(tǒng)節(jié)能率等性能指標。綜合數(shù)值分析實驗和系統(tǒng)仿真實驗,評估云虛擬機調度策略的系統(tǒng)性能。構造成本函數(shù),利用蟻群智能尋優(yōu)算法,給出云虛擬機調度策略的優(yōu)化方案。 

【文章來源】：燕山大學學報. 2020,44(04)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

云用戶請求平均逗留時間的變化趨勢

針對不同的喚醒閾值N與不同的虛擬機低速服務率μl,系統(tǒng)節(jié)能率?隨半休眠參數(shù)θ的變化趨勢如圖2所示。對比圖2中的(a)與(b)可知,當虛擬機低速服務率μl與半休眠參數(shù)θ一定時,隨著喚醒閾值N的增大,系統(tǒng)節(jié)能率?增加。當喚醒閾值較大時,虛擬機處于半休眠階段的時間延長,虛擬機在半休眠階段所消耗的能量較小,故系統(tǒng)節(jié)能率增加。

沿用第4章給出的系統(tǒng)參數(shù),并以fW=3.0,f?=0.8為例,針對不同的低速服務率μl,進行系統(tǒng)實驗,揭示喚醒閾值N與半休眠參數(shù)θ對系統(tǒng)成本函數(shù)F的影響。實驗結果如圖3所示。觀察圖3可知,對于一定的低速服務率μl來說,適當?shù)剡x取喚醒閾值N與半休眠參數(shù)θ,可以最小化成本函數(shù)F。針對每一個可選喚醒閾值,利用蟻群智能尋優(yōu)算法找出最優(yōu)半休眠參數(shù)θ以及最小成本。結合所選定的喚醒閾值及與喚醒閾值相關的最優(yōu)半休眠參數(shù),構造可選二元組(N,θ)。在全部的可選二元組中,進一步選取最小成本函數(shù)F*所對應的二元組,即喚醒閾值與半休眠參數(shù)最優(yōu)組合(N*,θ*)。尋優(yōu)結果如表1所示。

【參考文獻】：
期刊論文
[1]基于云制造平臺的供應鏈生產(chǎn)計劃方法[J]. 孔繼利,曹文穎,楊福興.  北京郵電大學學報. 2018(02)
[2]認知無線電網(wǎng)絡頻譜聚合策略的性能優(yōu)化[J]. 金順福,李剛,霍占強.  北京郵電大學學報. 2014(06)



本文編號：2988651