發(fā)布時間：2017-05-18 16:29

  本文關鍵詞：OpenStack平臺的虛擬機調(diào)度關鍵技術研究，由筆耕文化傳播整理發(fā)布。

【摘要】：云計算是從網(wǎng)格計算，并行計算和分布式計算發(fā)展而來的一種新的商業(yè)模式，它是指用戶能夠通過網(wǎng)絡按照自己的計算需求、以一種容易擴展的方式來獲得所需的計算資源服務（如計算，存儲，網(wǎng)絡，應用服務等）。云計算通過使用虛擬化技術對底層的物理硬件資源進行虛擬化，形成一個龐大的虛擬資源池，然后將資源以動態(tài)的、能夠自由伸縮的服務方式提供給用戶。因此，虛擬化技術是構(gòu)建云計算環(huán)境的技術基石，特別是虛擬機調(diào)度技術，是保證云計算技術在基礎設施層得以實現(xiàn)的基本手段。在云環(huán)境下，如何在保障用戶SLA協(xié)議的條件下，通過虛擬化技術改進物理資源資源的分配和調(diào)度策略，來提高數(shù)據(jù)中心各種物理資源的整體利用率，降低資源能耗成本和投資成本，是當前迫切需要解決及改善的重要問題。本文的主要工作和研究成果如下： (1)分析了主流平臺下的云計算的基本特征、技術架構(gòu)以及核心技術。重點研究了當前熱門的開源云計算平臺OpenStack，搭建出分布式OpenStack平臺，并在此基礎上閱讀了OpenStack云計算平臺的相關源代碼，熟悉OpenStack各組件間的工作流程及實現(xiàn)過程，了解平臺的工作機制。 (2)設計并實現(xiàn)了基于OpenStack云平臺上虛擬機動態(tài)遷移系統(tǒng)OLMS。此系統(tǒng)能夠?qū)penStack平臺中的虛擬機的資源使用情況進行實時監(jiān)控并對其進行動態(tài)整合，減少物理主機節(jié)點的使用數(shù)目，，有效的提高了OpenStack下集群的資源利用率，減少其能源浪費。 (3)針對云計算平臺中的多目標優(yōu)化虛擬機放置問題，提出了多目標蟻群優(yōu)化算法MACS。該算法通過對蟻群算法進行改進，重新設計了服務器集群的資源浪費模型和能源損耗模型，能夠更加快速的進行啟發(fā)式搜索，計算出多目標虛擬機放置的Parato最優(yōu)解，對集群中的虛擬機進行動態(tài)整合。通過和多目標優(yōu)化遺傳算法MGGA以及單目標優(yōu)化算法ACO和FFD進行性能對比實驗，本文提出的算法在提高集群的資源利用率，減少集群資源浪費方面，具有更好的效果。同時，本文還在Cloudsim云仿真平臺下對該算法進行了大規(guī)模數(shù)據(jù)下的性能測試，發(fā)現(xiàn)該算法也能夠取得比較好的效果，因此該算法對于大數(shù)據(jù)中心也適用。
【關鍵詞】：云計算 虛擬化 在線遷移 多目標優(yōu)化 虛擬機放置
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP302
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-15
• 1.1 研究背景10-11
• 1.2 相關研究現(xiàn)狀11-13
• 1.2.1 云計算研究現(xiàn)狀11-12
• 1.2.2 虛擬機調(diào)度技術研究12-13
• 1.3 論文的主要工作13-14
• 1.4 論文組織14-15
• 第二章 相關技術15-24
• 2.1 虛擬化技術15-17
• 2.1.1 系統(tǒng)級虛擬化15-16
• 2.1.2 CPU 虛擬化16
• 2.1.3 內(nèi)存虛擬化16-17
• 2.1.4 I/O 虛擬化17
• 2.2 服務器虛擬化技術17-21
• 2.2.1 Vmware vSphere17-18
• 2.2.2 XEN18-20
• 2.2.3 KVM20-21
• 2.3 虛擬機在線遷移技術21-24
• 2.3.1 虛擬機在線遷移的概念21-22
• 2.3.2 虛擬機在線遷移的內(nèi)容22-23
• 2.3.3 虛擬機在線遷移的性能評價23-24
• 第三章 OpenStack 虛擬機遷移框架24-35
• 3.1 OpenStack 云計算平臺介紹24-29
• 3.1.1 OpenStack 架構(gòu)介紹24-25
• 3.1.2 計算組件 Nova25-26
• 3.1.3 對象存儲組件 Swift 介紹26-27
• 3.1.4 鏡像服務組件 Glance 介紹27-28
• 3.1.5 身份認證服務組件 Keystone 介紹28-29
• 3.2 虛擬機動態(tài)遷移系統(tǒng) OLMS 架構(gòu)與設計29-30
• 3.2.1 OLMS 系統(tǒng)概述29
• 3.2.2. OLMS 系統(tǒng)基本原理29-30
• 3.3 虛擬機動態(tài)整合框架 OLMS 系統(tǒng)架構(gòu)30-35
• 第四章 多目標蟻群優(yōu)化算法的虛擬機遷移機制35-50
• 4.1 蟻群算法及多目標進化算法35-38
• 4.1.1 虛擬機放置問題概述35
• 4.1.2 蟻群算法35-37
• 4.1.3 多目標進化算法37-38
• 4.2 虛擬機放置性能優(yōu)化模型38-40
• 4.2.1 資源浪費模型38
• 4.2.2 能源損耗模型38-40
• 4.3 多目標蟻群優(yōu)化算法40-44
• 4.3.1 信息素和啟發(fā)式搜素40-42
• 4.3.2 構(gòu)造最優(yōu)解42-43
• 4.3.3 信息素更新43-44
• 4.4 實驗結(jié)果分析44-50
• 4.4.1 MACS 和 MGGA 算法的性能對比45-46
• 4.4.2 MACS 和單目標算法的性能對比46-48
• 4.4.3 大規(guī)模數(shù)據(jù)下 MACS 的性能測試48-50
• 第五章 總結(jié)與展望50-51
• 5.1 工作總結(jié)50
• 5.2 進一步工作及展望50-51
• 致謝51-52
• 參考文獻52-56
• 附錄56-57
• 詳細摘要57-61

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 張利彪,周春光,馬銘,劉小華;基于粒子群算法求解多目標優(yōu)化問題[J];計算機研究與發(fā)展;2004年07期

2 謝濤,陳火旺,康立山;多目標優(yōu)化的演化算法[J];計算機學報;2003年08期

3 公茂果;焦李成;楊咚咚;馬文萍;;進化多目標優(yōu)化算法研究[J];軟件學報;2009年02期

  本文關鍵詞：OpenStack平臺的虛擬機調(diào)度關鍵技術研究，由筆耕文化傳播整理發(fā)布。

本文編號：376569