本文關(guān)鍵詞：云環(huán)境下基于預(yù)測(cè)的虛擬服務(wù)器整合研究與實(shí)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(wù)器整合技術(shù)是一種將分散在多個(gè)物理服務(wù)器上運(yùn)行的應(yīng)用程序通過(guò)虛擬機(jī)封裝后再整合到一小部分物理服務(wù)器上運(yùn)行的技術(shù)。該技術(shù)能夠大大減少使用的服務(wù)器的數(shù)量,提高服務(wù)器的利用率,是企業(yè)減少能耗、降低硬件和運(yùn)營(yíng)成本的常用技術(shù)手段,因而逐漸成為人們研究的熱點(diǎn)。本文主要研究并實(shí)現(xiàn)一種云環(huán)境下基于預(yù)測(cè)的虛擬服務(wù)器整合策略,主要工作為:(1)分析了當(dāng)前云計(jì)算以及虛擬服務(wù)器整合的研究現(xiàn)狀,并闡述了虛擬化相關(guān)技術(shù)。詳細(xì)分析了云環(huán)境下的虛擬服務(wù)器整合技術(shù),主要包括整合模型、整合原則、整合目標(biāo)和整合算法,重點(diǎn)針對(duì)虛擬服務(wù)器整合算法,介紹了現(xiàn)有的研究進(jìn)展并分析了存在的不足。(2)針對(duì)云平臺(tái)負(fù)載預(yù)測(cè)中對(duì)不同負(fù)載之間的相關(guān)性考慮不足且準(zhǔn)確度較低的問(wèn)題,提出一種基于改進(jìn)云模型的負(fù)載預(yù)測(cè)方法。針對(duì)CPU和內(nèi)存之間的相關(guān)性,建立基于改進(jìn)云模型的負(fù)載預(yù)測(cè)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(duì)現(xiàn)有云模型進(jìn)行改進(jìn)。仿真結(jié)果表明,本文提出的基于改進(jìn)云模型的預(yù)測(cè)算法與基于差分自回歸移動(dòng)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(luò)預(yù)測(cè)模型相比,具有較小的最大相對(duì)誤差、最小相對(duì)誤差和平均相對(duì)誤差,預(yù)測(cè)精度較高。(3)針對(duì)云環(huán)境下虛擬服務(wù)器整合問(wèn)題,提出一種基于改進(jìn)布谷鳥(niǎo)搜索算法的虛擬機(jī)整合策略。以使用服務(wù)器數(shù)量最少、虛擬機(jī)遷移能耗和網(wǎng)絡(luò)設(shè)備能耗最少為目標(biāo),對(duì)虛擬機(jī)整合問(wèn)題建模,同時(shí)為了盡量減少虛擬機(jī)發(fā)生不必要的二次遷移的次數(shù),將虛擬機(jī)的將來(lái)負(fù)載加入到整合原則中。針對(duì)布谷鳥(niǎo)算法因缺乏有效的協(xié)作機(jī)制而導(dǎo)致后期收斂速度慢、收斂精度不高等不足,從動(dòng)態(tài)設(shè)置發(fā)現(xiàn)概率和移動(dòng)步長(zhǎng)以及引入擾亂因子等方面對(duì)布谷鳥(niǎo)算法進(jìn)行改進(jìn),并將其應(yīng)用于虛擬機(jī)整合問(wèn)題的求解中。仿真結(jié)果表明,與基于分時(shí)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(jìn)布谷鳥(niǎo)算法的虛擬機(jī)整合策略具有較少的使用物理服務(wù)器數(shù)量、虛擬機(jī)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(shè)計(jì)并實(shí)現(xiàn)了一個(gè)云環(huán)境下基于預(yù)測(cè)的虛擬服務(wù)器整合仿真系統(tǒng)。該系統(tǒng)主要是在云仿真平臺(tái)CloudSim上實(shí)現(xiàn)了環(huán)境配置模塊、負(fù)載預(yù)測(cè)模塊和虛擬機(jī)整合模塊。最后對(duì)系統(tǒng)進(jìn)行測(cè)試,驗(yàn)證該系統(tǒng)的有效性。
【關(guān)鍵詞】：云計(jì)算 虛擬服務(wù)器整合 負(fù)載預(yù)測(cè) 云模型 布谷鳥(niǎo)算法
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：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(guó)內(nèi)外研究現(xiàn)狀11-15
• 1.2.1 云計(jì)算的研究現(xiàn)狀11-13
• 1.2.2 服務(wù)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(jié)構(gòu)16-17
• 第二章 云計(jì)算與虛擬化相關(guān)技術(shù)17-28
• 2.1 云計(jì)算17-21
• 2.1.1 云計(jì)算的主要特征和技術(shù)挑戰(zhàn)17-19
• 2.1.2 云計(jì)算的分類19-21
• 2.2 虛擬化相關(guān)技術(shù)21-27
• 2.2.1 虛擬化技術(shù)21-23
• 2.2.2 虛擬機(jī)遷移技術(shù)23-24
• 2.2.3 虛擬服務(wù)器整合技術(shù)24-27
• 2.3 本章小結(jié)27-28
• 第三章 基于改進(jìn)云模型的虛擬服務(wù)器負(fù)載預(yù)測(cè)算法28-44
• 3.1 引言28-29
• 3.2 基于改進(jìn)云模型的負(fù)載預(yù)測(cè)算法29-36
• 3.2.1 問(wèn)題描述29-30
• 3.2.2 云模型30-31
• 3.2.3 云模型擬合負(fù)載數(shù)據(jù)31-32
• 3.2.4 云模型概念躍升32-34
• 3.2.5 負(fù)載數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘34-35
• 3.2.6 基于云模型的負(fù)載預(yù)測(cè)算法步驟描述35-36
• 3.3 實(shí)驗(yàn)?zāi)M及結(jié)果分析36-43
• 3.3.1 仿真場(chǎng)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(guān)聯(lián)規(guī)則挖掘41
• 3.3.5 實(shí)驗(yàn)結(jié)果及分析41-43
• 3.4 本章小結(jié)43-44
• 第四章 基于改進(jìn)布谷鳥(niǎo)算法的虛擬服務(wù)器整合算法44-60
• 4.1 引言44-46
• 4.2 布谷鳥(niǎo)搜索算法的改進(jìn)46-49
• 4.2.1 布谷鳥(niǎo)搜索算法46-48
• 4.2.2 布谷鳥(niǎo)算法的改進(jìn)48-49
• 4.3 基于改進(jìn)布谷鳥(niǎo)算法的虛擬機(jī)整合策略49-54
• 4.3.1 虛擬機(jī)整合問(wèn)題分析與整合原則49-50
• 4.3.2 虛擬機(jī)整合模型50-52
• 4.3.3 基于布谷鳥(niǎo)算法的虛擬機(jī)整合編碼方案52-53
• 4.3.4 虛擬機(jī)整合的流程描述53-54
• 4.4 實(shí)驗(yàn)?zāi)M及結(jié)果分析54-59
• 4.4.1 虛擬機(jī)整合算法實(shí)驗(yàn)仿真環(huán)境的設(shè)置55
• 4.4.2 虛擬機(jī)整合算法實(shí)驗(yàn)結(jié)果及分析55-59
• 4.5 本章小結(jié)59-60
• 第五章 云計(jì)算環(huán)境下的虛擬服務(wù)器整合仿真系統(tǒng)實(shí)現(xiàn)60-75
• 5.1 系統(tǒng)需求分析60-62
• 5.2 系統(tǒng)總體設(shè)計(jì)62-65
• 5.3 系統(tǒng)詳細(xì)設(shè)計(jì)65-68
• 5.4 仿真系統(tǒng)測(cè)試與結(jié)果分析68-73
• 5.4.1 測(cè)試環(huán)境68
• 5.4.2 功能測(cè)試與結(jié)果分析68-73
• 5.5 本章小結(jié)73-75
• 第六章 總結(jié)與展望75-77
• 參考文獻(xiàn)77-80
• 附錄1 攻讀碩士學(xué)位期間撰寫的論文80-81
• 致謝81

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 敬思遠(yuǎn);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(jì)算機(jī)工程;2012年15期

  本文關(guān)鍵詞：云環(huán)境下基于預(yù)測(cè)的虛擬服務(wù)器整合研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：364643