在公有云部署方式中,云服務提供商將云數(shù)據(jù)中心中大規(guī)模的物理上分散的計算設備以及獨立存儲設備、網(wǎng)絡設備通過虛擬化技術構成虛擬資源池,主要以IaaS這種服務形式為用戶提供相應的服務。由于在云數(shù)據(jù)中心中物理主機的規(guī)格可能不同且規(guī)模日增,加之用戶對虛擬機的性能要求不一,所以合理的虛擬機部署策略將極大地影響云服務的質(zhì)量和成本。在IaaS中,虛擬機是一個基本的資源調(diào)度單位,一臺物理主機被虛擬化為若干臺虛擬機提供給用戶使用,確定虛擬機和物理主機之間的映射關系是虛擬機部署的核心問題。本文首先分析了 CloudStack上的虛擬機部署算法和在CloudStack上實現(xiàn)自定義虛擬機部署策略的方法,同時也分析了其他的主流云平臺下的虛擬機部署策略,在這些基礎上結合公有云的應用場景,提出了一種基于多目標粒子群算法的虛擬機部署策略。該策略的主要內(nèi)容為:（1）面向用戶的多目標優(yōu)化虛擬機部署策略,包含了基于指數(shù)平滑法的預部署算法和以改進多目標粒子群算法為基礎的虛擬機實時部署算法。虛擬機申請由用戶使用互聯(lián)網(wǎng)向云服務提供商提出后,針對虛擬機部署至目標物理主機這一過程,綜合考慮了性能和成本兩方面的優(yōu)化目標,首先提出了基于用... 

【文章來源】：西南交通大學四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外現(xiàn)狀分析
    1.3 本文研究目標和組織結構
    1.4 本章小結
第2章 虛擬機部署相關理論與技術
    2.1 云計算技術的發(fā)展歷程和分類
    2.2 開源IaaS云計算平臺
        2.2.1 常用的開源云平臺
        2.2.2 CloudStack介紹
        2.2.3 常用云平臺上的虛擬機部署算法
    2.3 粒子群算法相關原理和技術
        2.3.1 基本粒子群算法
        2.3.2 粒子群算法的種群拓撲結構
        2.3.3 外部存檔規(guī)模控制策略
    2.4 本章小結
第3章 面向用戶的多目標優(yōu)化虛擬機部署策略
    3.1 面向用戶的虛擬機部署問題分析
    3.2 基于用戶需求的虛擬機部署策略的總體設計
    3.3 基于指數(shù)平滑法的預部署算法
        3.3.1 設計思想
        3.3.2 模型參數(shù)
        3.3.3 預部署算法流程設計
    3.4 基于改進多目標粒子群算法的虛擬機部署算法
        3.4.1 粒子的編碼規(guī)則
        3.4.2 粒子群的初始化過程
        3.4.3 Pareto支配和ε-Pareto支配定義
        3.4.4 虛擬機部署算法的目標函數(shù)設計
        3.4.5 種群突變操作
        3.4.6 擁擠度判定
        3.4.7 算法的流程設計
    3.5 本章小結
第4章 面向平臺的虛擬機動態(tài)管理策略
    4.1 基于物理機負載的動態(tài)管理方法設計
        4.1.1 問題描述
        4.1.2 動態(tài)管理策略的總體設計
    4.2 物理主機的負載預測及異常標記算法設計
        4.2.1 負載預測算法設計
        4.2.2 異常狀態(tài)標記算法設計
    4.3 基于共享程度判定的多目標粒子群算法
        4.3.1 算法的改進設計思路
        4.3.2 粒子的約束條件
        4.3.3 小生境共享技術
        4.3.4 總體算法流程
    4.4 虛擬機部署策略在CloudStack上的實現(xiàn)方法分析
        4.4.1 CloudStack上的虛擬機部署算法
        4.4.2 在CloudStack上實現(xiàn)虛擬機部署策略的方法分析
    4.5 本章小結
第5章 仿真試驗與結果分析
    5.1 CloudSim簡介
    5.2 測試方案設計
        5.2.1 參數(shù)設計
        5.2.2 試驗設計思路和步驟
    5.3 試驗結果分析
        5.3.1 面向用戶的虛擬機部署策略的結果分析
        5.3.2 面向平臺的虛擬機動態(tài)管理策略的結果分析
    5.4 本章小結
結論與展望
致謝
參考文獻
攻讀碩士期間發(fā)表的論文及科研成果


【參考文獻】：
期刊論文
[1]基于偏好的ε-Pareto支配的多目標粒子群算法[J]. 李靜,黃天民,陳尚云.  西華大學學報(自然科學版). 2018(02)
[2]高效能云計算虛擬機優(yōu)化部署策略[J]. 張小慶.  計算機工程與應用. 2016(15)
[3]基于改進粒子群算法的云資源調(diào)度[J]. 袁正午,李君琪.  計算機工程與設計. 2016(02)
[4]云計算虛擬機部署方案的研究[J]. 張笑燕,王敏訥,杜曉峰.  通信學報. 2015(03)
[5]關于如何用角度信息引入決策者偏好的研究[J]. 鄭金華,謝諄志.  電子學報. 2014(11)
[6]多目標進化算法中基于角度偏好的ε-Pareto支配策略[J]. 鄭金華,賴念,郭觀七.  模式識別與人工智能. 2014(06)
[7]基于蟻群優(yōu)化算法的云計算資源負載均衡研究[J]. 孟凡超,張海洲,初佃輝.  華中科技大學學報(自然科學版). 2013(S2)
[8]基于用戶個性化需求的虛擬機部署機制[J]. 彭紅,楊根興,蔡立志.  軟件產(chǎn)業(yè)與工程. 2013(01)
[9]云計算中調(diào)度問題研究綜述[J]. 左利云,曹志波.  計算機應用研究. 2012(11)
[10]云計算資源調(diào)度研究綜述[J]. 林偉偉,齊德昱.  計算機科學. 2012(10)

博士論文
[1]面向虛擬機的云平臺資源部署與調(diào)度研究[D]. 郭芬.華南理工大學 2015

碩士論文
[1]CloudStack云平臺負載均衡方法的研究和實現(xiàn)[D]. 高晨曦.哈爾濱工業(yè)大學 2015
[2]基于cloudstack的虛擬機部署方案的研究與實現(xiàn)[D]. 王敏訥.北京郵電大學 2015
[3]基于CloudStack的IaaS資源調(diào)度策略研究[D]. 苗壯.哈爾濱工業(yè)大學 2014
[4]基于Xen的虛擬機動態(tài)遷移技術研究及應用[D]. 張井昆.東北大學 2011
[5]云計算環(huán)境下一種基于虛擬機動態(tài)遷移的負載均衡算法[D]. 施楊斌.復旦大學 2011



本文編號：3608901