本文關(guān)鍵詞：OpenStack平臺(tái)的虛擬機(jī)調(diào)度關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：云計(jì)算是從網(wǎng)格計(jì)算，并行計(jì)算和分布式計(jì)算發(fā)展而來(lái)的一種新的商業(yè)模式，它是指用戶能夠通過(guò)網(wǎng)絡(luò)按照自己的計(jì)算需求、以一種容易擴(kuò)展的方式來(lái)獲得所需的計(jì)算資源服務(wù)（如計(jì)算，存儲(chǔ)，網(wǎng)絡(luò)，應(yīng)用服務(wù)等）。云計(jì)算通過(guò)使用虛擬化技術(shù)對(duì)底層的物理硬件資源進(jìn)行虛擬化，形成一個(gè)龐大的虛擬資源池，然后將資源以動(dòng)態(tài)的、能夠自由伸縮的服務(wù)方式提供給用戶。因此，虛擬化技術(shù)是構(gòu)建云計(jì)算環(huán)境的技術(shù)基石，特別是虛擬機(jī)調(diào)度技術(shù)，是保證云計(jì)算技術(shù)在基礎(chǔ)設(shè)施層得以實(shí)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(guò)虛擬化技術(shù)改進(jìn)物理資源資源的分配和調(diào)度策略，來(lái)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(dāng)前迫切需要解決及改善的重要問(wèn)題。本文的主要工作和研究成果如下： (1)分析了主流平臺(tái)下的云計(jì)算的基本特征、技術(shù)架構(gòu)以及核心技術(shù)。重點(diǎn)研究了當(dāng)前熱門的開源云計(jì)算平臺(tái)OpenStack，搭建出分布式OpenStack平臺(tái)，并在此基礎(chǔ)上閱讀了OpenStack云計(jì)算平臺(tái)的相關(guān)源代碼，熟悉OpenStack各組件間的工作流程及實(shí)現(xiàn)過(guò)程，了解平臺(tái)的工作機(jī)制。 (2)設(shè)計(jì)并實(shí)現(xiàn)了基于OpenStack云平臺(tái)上虛擬機(jī)動(dòng)態(tài)遷移系統(tǒng)OLMS。此系統(tǒng)能夠?qū)penStack平臺(tái)中的虛擬機(jī)的資源使用情況進(jìn)行實(shí)時(shí)監(jiān)控并對(duì)其進(jìn)行動(dòng)態(tài)整合，減少物理主機(jī)節(jié)點(diǎn)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(fèi)。 (3)針對(duì)云計(jì)算平臺(tái)中的多目標(biāo)優(yōu)化虛擬機(jī)放置問(wèn)題，提出了多目標(biāo)蟻群優(yōu)化算法MACS。該算法通過(guò)對(duì)蟻群算法進(jìn)行改進(jìn)，重新設(shè)計(jì)了服務(wù)器集群的資源浪費(fèi)模型和能源損耗模型，能夠更加快速的進(jìn)行啟發(fā)式搜索，計(jì)算出多目標(biāo)虛擬機(jī)放置的Parato最優(yōu)解，對(duì)集群中的虛擬機(jī)進(jìn)行動(dòng)態(tài)整合。通過(guò)和多目標(biāo)優(yōu)化遺傳算法MGGA以及單目標(biāo)優(yōu)化算法ACO和FFD進(jìn)行性能對(duì)比實(shí)驗(yàn)，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(fèi)方面，具有更好的效果。同時(shí)，本文還在Cloudsim云仿真平臺(tái)下對(duì)該算法進(jìn)行了大規(guī)模數(shù)據(jù)下的性能測(cè)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(duì)于大數(shù)據(jù)中心也適用。
【關(guān)鍵詞】：云計(jì)算 虛擬化 在線遷移 多目標(biāo)優(yōu)化 虛擬機(jī)放置
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：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(guān)研究現(xiàn)狀11-13
• 1.2.1 云計(jì)算研究現(xiàn)狀11-12
• 1.2.2 虛擬機(jī)調(diào)度技術(shù)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(guān)技術(shù)15-24
• 2.1 虛擬化技術(shù)15-17
• 2.1.1 系統(tǒng)級(jí)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(wù)器虛擬化技術(shù)17-21
• 2.2.1 Vmware vSphere17-18
• 2.2.2 XEN18-20
• 2.2.3 KVM20-21
• 2.3 虛擬機(jī)在線遷移技術(shù)21-24
• 2.3.1 虛擬機(jī)在線遷移的概念21-22
• 2.3.2 虛擬機(jī)在線遷移的內(nèi)容22-23
• 2.3.3 虛擬機(jī)在線遷移的性能評(píng)價(jià)23-24
• 第三章 OpenStack 虛擬機(jī)遷移框架24-35
• 3.1 OpenStack 云計(jì)算平臺(tái)介紹24-29
• 3.1.1 OpenStack 架構(gòu)介紹24-25
• 3.1.2 計(jì)算組件 Nova25-26
• 3.1.3 對(duì)象存儲(chǔ)組件 Swift 介紹26-27
• 3.1.4 鏡像服務(wù)組件 Glance 介紹27-28
• 3.1.5 身份認(rèn)證服務(wù)組件 Keystone 介紹28-29
• 3.2 虛擬機(jī)動(dòng)態(tài)遷移系統(tǒng) OLMS 架構(gòu)與設(shè)計(jì)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(jī)動(dòng)態(tài)整合框架 OLMS 系統(tǒng)架構(gòu)30-35
• 第四章 多目標(biāo)蟻群優(yōu)化算法的虛擬機(jī)遷移機(jī)制35-50
• 4.1 蟻群算法及多目標(biāo)進(jìn)化算法35-38
• 4.1.1 虛擬機(jī)放置問(wèn)題概述35
• 4.1.2 蟻群算法35-37
• 4.1.3 多目標(biāo)進(jìn)化算法37-38
• 4.2 虛擬機(jī)放置性能優(yōu)化模型38-40
• 4.2.1 資源浪費(fèi)模型38
• 4.2.2 能源損耗模型38-40
• 4.3 多目標(biāo)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(shí)驗(yàn)結(jié)果分析44-50
• 4.4.1 MACS 和 MGGA 算法的性能對(duì)比45-46
• 4.4.2 MACS 和單目標(biāo)算法的性能對(duì)比46-48
• 4.4.3 大規(guī)模數(shù)據(jù)下 MACS 的性能測(cè)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(jìn)一步工作及展望50-51
• 致謝51-52
• 參考文獻(xiàn)52-56
• 附錄56-57
• 詳細(xì)摘要57-61

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 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(biāo)優(yōu)化問(wèn)題[J];計(jì)算機(jī)研究與發(fā)展;2004年07期

2 謝濤,陳火旺,康立山;多目標(biāo)優(yōu)化的演化算法[J];計(jì)算機(jī)學(xué)報(bào);2003年08期

3 公茂果;焦李成;楊咚咚;馬文萍;;進(jìn)化多目標(biāo)優(yōu)化算法研究[J];軟件學(xué)報(bào);2009年02期

  本文關(guān)鍵詞：OpenStack平臺(tái)的虛擬機(jī)調(diào)度關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：376569