本文關鍵詞：云環(huán)境下基于預測的虛擬服務器整合研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：云環(huán)境下虛擬服務器整合技術是一種將分散在多個物理服務器上運行的應用程序通過虛擬機封裝后再整合到一小部分物理服務器上運行的技術。該技術能夠大大減少使用的服務器的數(shù)量,提高服務器的利用率,是企業(yè)減少能耗、降低硬件和運營成本的常用技術手段,因而逐漸成為人們研究的熱點。本文主要研究并實現(xiàn)一種云環(huán)境下基于預測的虛擬服務器整合策略,主要工作為:(1)分析了當前云計算以及虛擬服務器整合的研究現(xiàn)狀,并闡述了虛擬化相關技術。詳細分析了云環(huán)境下的虛擬服務器整合技術,主要包括整合模型、整合原則、整合目標和整合算法,重點針對虛擬服務器整合算法,介紹了現(xiàn)有的研究進展并分析了存在的不足。(2)針對云平臺負載預測中對不同負載之間的相關性考慮不足且準確度較低的問題,提出一種基于改進云模型的負載預測方法。針對CPU和內(nèi)存之間的相關性,建立基于改進云模型的負載預測模型。在云模型概念躍升階段,提出親密云和重疊云的概念對現(xiàn)有云模型進行改進。仿真結果表明,本文提出的基于改進云模型的預測算法與基于差分自回歸移動平均法(Autoregressive Integrated Moving Average Model,ARIMA)模型和基于徑向基(Radical Basis Function,RBF)神經(jīng)網(wǎng)絡預測模型相比,具有較小的最大相對誤差、最小相對誤差和平均相對誤差,預測精度較高。(3)針對云環(huán)境下虛擬服務器整合問題,提出一種基于改進布谷鳥搜索算法的虛擬機整合策略。以使用服務器數(shù)量最少、虛擬機遷移能耗和網(wǎng)絡設備能耗最少為目標,對虛擬機整合問題建模,同時為了盡量減少虛擬機發(fā)生不必要的二次遷移的次數(shù),將虛擬機的將來負載加入到整合原則中。針對布谷鳥算法因缺乏有效的協(xié)作機制而導致后期收斂速度慢、收斂精度不高等不足,從動態(tài)設置發(fā)現(xiàn)概率和移動步長以及引入擾亂因子等方面對布谷鳥算法進行改進,并將其應用于虛擬機整合問題的求解中。仿真結果表明,與基于分時分析的整合算法和基于指數(shù)平滑的整合算法相比,本文提出的基于改進布谷鳥算法的虛擬機整合策略具有較少的使用物理服務器數(shù)量、虛擬機遷移次數(shù)和整合能耗,表明該策略具有較好的性能。(4)最后,設計并實現(xiàn)了一個云環(huán)境下基于預測的虛擬服務器整合仿真系統(tǒng)。該系統(tǒng)主要是在云仿真平臺CloudSim上實現(xiàn)了環(huán)境配置模塊、負載預測模塊和虛擬機整合模塊。最后對系統(tǒng)進行測試,驗證該系統(tǒng)的有效性。
【關鍵詞】：云計算 虛擬服務器整合 負載預測 云模型 布谷鳥算法
【學位授予單位】：南京郵電大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP302
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-17
• 1.1 研究背景與研究意義9-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-15
• 1.2.1 云計算的研究現(xiàn)狀11-13
• 1.2.2 服務器整合的研究現(xiàn)狀13-15
• 1.3 本文主要工作15-16
• 1.4 本文組織結構16-17
• 第二章 云計算與虛擬化相關技術17-28
• 2.1 云計算17-21
• 2.1.1 云計算的主要特征和技術挑戰(zhàn)17-19
• 2.1.2 云計算的分類19-21
• 2.2 虛擬化相關技術21-27
• 2.2.1 虛擬化技術21-23
• 2.2.2 虛擬機遷移技術23-24
• 2.2.3 虛擬服務器整合技術24-27
• 2.3 本章小結27-28
• 第三章 基于改進云模型的虛擬服務器負載預測算法28-44
• 3.1 引言28-29
• 3.2 基于改進云模型的負載預測算法29-36
• 3.2.1 問題描述29-30
• 3.2.2 云模型30-31
• 3.2.3 云模型擬合負載數(shù)據(jù)31-32
• 3.2.4 云模型概念躍升32-34
• 3.2.5 負載數(shù)據(jù)關聯(lián)規(guī)則挖掘34-35
• 3.2.6 基于云模型的負載預測算法步驟描述35-36
• 3.3 實驗模擬及結果分析36-43
• 3.3.1 仿真場景36-38
• 3.3.2 親密度和重疊度閾值的選取38-39
• 3.3.3 概念躍升39-41
• 3.3.4 關聯(lián)規(guī)則挖掘41
• 3.3.5 實驗結果及分析41-43
• 3.4 本章小結43-44
• 第四章 基于改進布谷鳥算法的虛擬服務器整合算法44-60
• 4.1 引言44-46
• 4.2 布谷鳥搜索算法的改進46-49
• 4.2.1 布谷鳥搜索算法46-48
• 4.2.2 布谷鳥算法的改進48-49
• 4.3 基于改進布谷鳥算法的虛擬機整合策略49-54
• 4.3.1 虛擬機整合問題分析與整合原則49-50
• 4.3.2 虛擬機整合模型50-52
• 4.3.3 基于布谷鳥算法的虛擬機整合編碼方案52-53
• 4.3.4 虛擬機整合的流程描述53-54
• 4.4 實驗模擬及結果分析54-59
• 4.4.1 虛擬機整合算法實驗仿真環(huán)境的設置55
• 4.4.2 虛擬機整合算法實驗結果及分析55-59
• 4.5 本章小結59-60
• 第五章 云計算環(huán)境下的虛擬服務器整合仿真系統(tǒng)實現(xiàn)60-75
• 5.1 系統(tǒng)需求分析60-62
• 5.2 系統(tǒng)總體設計62-65
• 5.3 系統(tǒng)詳細設計65-68
• 5.4 仿真系統(tǒng)測試與結果分析68-73
• 5.4.1 測試環(huán)境68
• 5.4.2 功能測試與結果分析68-73
• 5.5 本章小結73-75
• 第六章 總結與展望75-77
• 參考文獻77-80
• 附錄1 攻讀碩士學位期間撰寫的論文80-81
• 致謝81

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 敬思遠;佘X;;基于混合粒子群算法的虛擬數(shù)據(jù)中心能耗優(yōu)化[J];計算機工程;2012年15期

  本文關鍵詞：云環(huán)境下基于預測的虛擬服務器整合研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號：364643