本文關(guān)鍵詞：基于虛擬機動態(tài)遷移的資源調(diào)度策略研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：虛擬化技術(shù)作為云計算的關(guān)鍵技術(shù)一直受到廣泛的關(guān)注,虛擬機動態(tài)遷移技術(shù)更是虛擬機化技術(shù)中的熱點。因為虛擬機的動態(tài)遷移粒度大,很多采用虛擬機實現(xiàn)資源虛擬化的計算中心均利用虛擬機動態(tài)遷移技術(shù)實現(xiàn)云計算中心的負載均衡。但是隨著用戶數(shù)和業(yè)務(wù)需求的增加,越來越多的服務(wù)器被加入到計算中心中,造成計算中心的能量消耗越來越大,計算中心的能量消耗正成為困擾云計算提供者的主要問題,而現(xiàn)有的研究很少兼顧負載均衡和綠色節(jié)能兩個方面�；诖吮尘�,本文提出了一個新的基于虛擬機動態(tài)遷移的資源調(diào)度策略,同時滿足負載均衡和綠色節(jié)能的要求。主要工作如下:1)基于傳統(tǒng)的集中式資源調(diào)度框架,設(shè)計了一個對等式的調(diào)度框架,該框架不僅能實現(xiàn)集中式框架的所有功能,還具有更加的高效性和容錯性等優(yōu)點;2)設(shè)計了基于負載預(yù)測的虛擬機遷移觸發(fā)策略,該策略避免了短時的負載上升造成的虛擬機遷移,有效降低了虛擬機的遷移次數(shù);3)設(shè)計了同時考慮CPU使用率和內(nèi)存使用率的虛擬機選擇策略,在降低宿主機負載的同時,盡量減少虛擬機遷移帶來的額外系統(tǒng)開銷;4)設(shè)計了基于加權(quán)概率的目標節(jié)點選擇算法,有效避免了基于最優(yōu)負載選擇算法產(chǎn)生的群聚效應(yīng)給虛擬機遷移帶來的負面影響。第六章的實驗對本文提出的資源調(diào)度策略進行了測試和分析,實驗結(jié)果表明本文提出的基于虛擬機動態(tài)遷移的資源調(diào)度策略在負載均衡和綠色節(jié)能方面均有很好的表現(xiàn),達到了預(yù)期設(shè)定的目標。
【關(guān)鍵詞】：動態(tài)遷移 資源調(diào)度 負載均衡 綠色節(jié)能
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP302
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-14
• 1.1 課題背景10
• 1.2 課題研究意義10-11
• 1.3 課題研究現(xiàn)狀11-12
• 1.4 目標及研究內(nèi)容12-13
• 1.4.1 本文的主要目標12
• 1.4.2 主要研究內(nèi)容12-13
• 1.5 本文的組織架構(gòu)13
• 1.6 本章小結(jié)13-14
• 第二章 相關(guān)技術(shù)介紹14-25
• 2.1 虛擬化技術(shù)14-16
• 2.2 動態(tài)遷移技術(shù)16-20
• 2.2.1 虛擬機存儲的遷移16-17
• 2.2.2 內(nèi)存的遷移17-18
• 2.2.3 網(wǎng)絡(luò)連接的遷移18
• 2.2.4 Xen動態(tài)遷移18-20
• 2.3 負載均衡20-22
• 2.3.1 硬件負載均衡20
• 2.3.2 軟件負載均衡20-21
• 2.3.3 負載均衡算法21-22
• 2.4 指數(shù)平滑算法22-24
• 2.4.1 一次指數(shù)平滑法22-23
• 2.4.2 二次指數(shù)平滑法23-24
• 2.5 本章小結(jié)24-25
• 第三章 資源調(diào)度框架25-38
• 3.1 集中式資源調(diào)度框架25-27
• 3.1.1 各模塊介紹26-27
• 3.1.2 集中式調(diào)度框架的缺陷27
• 3.2 對等式資源調(diào)度框架27-28
• 3.3 本地遷移引擎28-31
• 3.3.1 監(jiān)聽模塊28-29
• 3.3.2 觸發(fā)遷移模塊29-30
• 3.3.3 虛擬機選擇模塊30
• 3.3.4 虛擬機調(diào)度模塊30-31
• 3.4 中心控制引擎31-33
• 3.4.1 目標節(jié)點選擇模塊31-32
• 3.4.2 節(jié)點動態(tài)管理模塊32-33
• 3.4.3 網(wǎng)絡(luò)通信模塊33
• 3.5 對等式調(diào)度框架的優(yōu)點33-37
• 3.5.1 工作流程33-34
• 3.5.2 容錯性34-37
• 3.6 本章小結(jié)37-38
• 第四章 虛擬機動態(tài)遷移策略38-46
• 4.1 觸發(fā)策略38-41
• 4.1.1 負載衡量38-39
• 4.1.2 基于負載預(yù)測的觸發(fā)流程39-41
• 4.2 虛擬機選擇策略41-43
• 4.2.1 影響因素41-42
• 4.2.2 選擇算法42-43
• 4.3 目標節(jié)點選擇策略43-45
• 4.3.1 目標節(jié)點選擇流程44-45
• 4.4 本章小結(jié)45-46
• 第五章 資源調(diào)度策略實現(xiàn)46-54
• 5.1 本地遷移引擎的實現(xiàn)46-48
• 5.2 網(wǎng)絡(luò)通信模塊實現(xiàn)48-52
• 5.2.1 MINA框架48-49
• 5.2.2 發(fā)送功能實現(xiàn)49-51
• 5.2.3 接收功能實現(xiàn)51-52
• 5.3 節(jié)點選擇模塊實現(xiàn)52-53
• 5.4 本章小結(jié)53-54
• 第六章 性能測試與分析54-60
• 6.1 CloudSim概述54-55
• 6.2 模擬環(huán)境配置55-56
• 6.3 性能測試分析56-58
• 6.3.1 負載均衡測試分析56-57
• 6.3.2 綠色節(jié)能測試分析57-58
• 6.3.3 遷移次數(shù)測試分析58
• 6.4 功能測試分析58-59
• 6.5 本章小結(jié)59-60
• 總結(jié)及展望60-62
• 參考文獻62-66
• 攻讀碩士學位期間取得的研究成果66-67
• 致謝67-68
• 附件68

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 李剛健;;基于虛擬化技術(shù)的云計算平臺架構(gòu)研究[J];吉林建筑工程學院學報;2011年01期

2 王得發(fā);王麗芳;蔣澤軍;;云計算環(huán)境中虛擬機智能遷移關(guān)鍵技術(shù)研究[J];計算機測量與控制;2012年05期

3 吳德會;;動態(tài)指數(shù)平滑預(yù)測方法及其應(yīng)用[J];系統(tǒng)管理學報;2008年02期

4 黎鎖平,劉坤會;平滑系數(shù)自適應(yīng)的二次指數(shù)平滑模型及其應(yīng)用[J];系統(tǒng)工程理論與實踐;2004年02期

  本文關(guān)鍵詞：基于虛擬機動態(tài)遷移的資源調(diào)度策略研究，由筆耕文化傳播整理發(fā)布。

本文編號：344156