隨著云資源數(shù)量和云計(jì)算服務(wù)類型的日益增加,云數(shù)據(jù)服務(wù)中心所消耗的能源增加。在保證云數(shù)據(jù)服務(wù)中心能源效率的同時(shí),更好地滿足云用戶請(qǐng)求響應(yīng)要求,引入半休眠模式和喚醒閾值,面向云數(shù)據(jù)服務(wù)中心研究云虛擬機(jī)節(jié)能策略及性能。首先,從提高云用戶請(qǐng)求的響應(yīng)性能出發(fā),兼顧云數(shù)據(jù)服務(wù)中心能源節(jié)省率,提出基于半休眠模式的云虛擬機(jī)節(jié)能策略。當(dāng)系統(tǒng)中沒(méi)有云用戶請(qǐng)求時(shí),虛擬機(jī)進(jìn)入半休眠階段,處于半休眠階段的虛擬機(jī)能夠?yàn)殡S機(jī)到達(dá)的云用戶請(qǐng)求提供低速服務(wù),既可以保證系統(tǒng)節(jié)能率又可以提高云用戶請(qǐng)求的響應(yīng)性能。其次,從進(jìn)一步加強(qiáng)云數(shù)據(jù)服務(wù)中心節(jié)能效果出發(fā),延長(zhǎng)虛擬機(jī)處于半休眠狀態(tài)的時(shí)間,提出融合半休眠模式與喚醒閾值的云虛擬機(jī)節(jié)能策略。當(dāng)一次半休眠階段結(jié)束時(shí),若系統(tǒng)等待緩沖區(qū)中云用戶請(qǐng)求的數(shù)量未達(dá)到喚醒閾值,虛擬機(jī)將獨(dú)立開始一次新的半休眠階段,并持續(xù)為云用戶請(qǐng)求提供低速服務(wù),以達(dá)到節(jié)能的目的。然后,面向基于半休眠模式的云虛擬機(jī)節(jié)能策略,構(gòu)造帶有異步多重工作休假的多服務(wù)臺(tái)系統(tǒng)模型。面向融合半休眠模式與喚醒閾值的云虛擬機(jī)節(jié)能策略,構(gòu)造帶有異步多重工作休假和N策略的多服務(wù)臺(tái)系統(tǒng)模型。利用擬生滅過(guò)程和矩陣幾何解方法,推導(dǎo)出云用戶請(qǐng)... 

【文章來(lái)源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)知識(shí)概述
    2.1 云計(jì)算概述
        2.1.1 云計(jì)算背景及概念
        2.1.2 云計(jì)算特點(diǎn)
        2.1.3 云計(jì)算資源分配技術(shù)
    2.2 隨機(jī)服務(wù)系統(tǒng)理論
        2.2.1 隨機(jī)過(guò)程
        2.2.2 排隊(duì)論
    2.3 本章小結(jié)
第3章 基于半休眠模式的云虛擬機(jī)節(jié)能策略及性能研究
    3.1 基于半休眠模式的云虛擬機(jī)節(jié)能策略
    3.2 帶有異步多重工作休假的系統(tǒng)模型
        3.2.1 異步多重工作休假系統(tǒng)模型描述
        3.2.2 系統(tǒng)模型解析
    3.3 基于半休眠模式節(jié)能策略的性能指標(biāo)和系統(tǒng)實(shí)驗(yàn)
        3.3.1 性能指標(biāo)
        3.3.2 仿真算法
        3.3.3 數(shù)值和仿真實(shí)驗(yàn)結(jié)果
    3.4 本章小結(jié)
第4章 融合半休眠模式與喚醒閾值的云虛擬機(jī)節(jié)能策略及性能研究
    4.1 融合半休眠模式與喚醒閾值的云虛擬機(jī)節(jié)能策略
    4.2 帶有異步多重工作休假和N策略的系統(tǒng)模型
        4.2.1 異步多重工作休假和N策略系統(tǒng)模型描述
        4.2.2 系統(tǒng)模型解析
    4.3 融合半休眠模式與喚醒閾值節(jié)能策略的性能指標(biāo)和系統(tǒng)實(shí)驗(yàn)
        4.3.1 性能指標(biāo)
        4.3.2 仿真算法
        4.3.3 數(shù)值和仿真實(shí)驗(yàn)結(jié)果
    4.4 本章小結(jié)
第5章 系統(tǒng)優(yōu)化
    5.1 改進(jìn)的蟻群智能尋優(yōu)算法
    5.2 基于半休眠模式的云虛擬機(jī)節(jié)能策略的優(yōu)化方案
        5.2.1 成本函數(shù)
        5.2.2 優(yōu)化半休眠參數(shù)
    5.3 融合半休眠模式與喚醒閾值的云虛擬機(jī)節(jié)能策略的優(yōu)化方案
        5.3.1 成本函數(shù)
        5.3.2 聯(lián)合優(yōu)化半休眠參數(shù)和喚醒閾值
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于虛擬機(jī)遷移的云計(jì)算資源動(dòng)態(tài)調(diào)度策略[J]. 張曉兵,朱仲馬.  軟件導(dǎo)刊. 2018(11)
[2]云計(jì)算虛擬化技術(shù)的發(fā)展與趨勢(shì)[J]. 武志學(xué).  計(jì)算機(jī)應(yīng)用. 2017(04)
[3]移動(dòng)云計(jì)算研究進(jìn)展與趨勢(shì)[J]. 崔勇,宋健,繆蔥蔥,唐俊.  計(jì)算機(jī)學(xué)報(bào). 2017(02)
[4]企業(yè)私有云平臺(tái)安全技術(shù)研究[J]. 劉勝娃,陳思錦,李衛(wèi),高翔.  現(xiàn)代電子技術(shù). 2014(02)



本文編號(hào)：3025823