針對傳統(tǒng)的虛擬機匹配調(diào)度存在的內(nèi)存占用率過高、調(diào)度過程所造成的系統(tǒng)負載均衡性較差等問題,提出一種不確定網(wǎng)絡(luò)負載下的虛擬機匹配調(diào)度方法。首先構(gòu)建虛擬機資源匹配調(diào)度模型。根據(jù)模型對目標(biāo)網(wǎng)絡(luò)不確定性負載屬性進行分析,其次對于用戶任務(wù)集合中的各個任務(wù),計算其在虛擬機資源池中每個虛擬機資源上的信任效益函數(shù)值,選取效益函數(shù)值較小的任務(wù)映射到虛擬機上;最后采用遺傳算法進行虛擬機匹配調(diào)度,依據(jù)虛擬機資源配置情況通過多次迭代過程確定最優(yōu)染色體,得到虛擬機的最佳匹配調(diào)度策略。實驗結(jié)果證明,所提方法可以有效降低內(nèi)存占用率,提高負載均衡度。 

【文章來源】：計算機仿真. 2020,37(05)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

不同方法虛擬機內(nèi)存使用情況

【參考文獻】：
期刊論文
[1]融合雙速率和工作休眠的虛擬機調(diào)度策略及參數(shù)優(yōu)化[J]. 金順福,郝閃閃,王寶帥.  通信學(xué)報. 2017(12)
[2]虛擬云下滿足多重約束的時限敏感任務(wù)調(diào)度算法[J]. 張奕,程小輝,陳柳華.  計算機應(yīng)用. 2017(10)
[3]具有可控冗余度的虛擬機容錯分配算法[J]. 張耀國,武繼剛,高任飛.  計算機工程與科學(xué). 2017(09)
[4]考慮需求響應(yīng)虛擬機組和碳交易的含風(fēng)電電力系統(tǒng)優(yōu)化調(diào)度[J]. 盧志剛,郭凱,閆桂紅,何良策.  電力系統(tǒng)自動化. 2017(15)
[5]自適應(yīng)的多虛擬機遷移調(diào)度算法[J]. 孫建朋,邢建平,韓言妮,李東轅.  計算機工程與設(shè)計. 2017(05)
[6]物聯(lián)網(wǎng)中共享資源數(shù)據(jù)調(diào)度方法的研究[J]. 顧煒江.  計算機仿真. 2017(01)
[7]基于二次指數(shù)平滑預(yù)測的虛擬機調(diào)度方法研究[J]. 王斌,王勤為,董科,盛津芳.  計算機應(yīng)用研究. 2017(03)
[8]支持隨機服務(wù)請求的云虛擬機按需物理資源分配方法[J]. 曹潔,曾國蓀,匡桂娟,張建偉,馬海英,胡克坤,鈕俊.  軟件學(xué)報. 2017(02)
[9]云計算環(huán)境中虛擬機內(nèi)存自適應(yīng)調(diào)節(jié)算法研究[J]. 王德勝,張偉哲,郝萌,魯剛釗,白恩慈.  計算機科學(xué)與探索. 2017(01)



本文編號：3081131