本文關鍵詞：云數(shù)據(jù)中心虛擬機的低能耗部署和遷移策略，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,伴隨著數(shù)據(jù)中心規(guī)模的快速增長,電力成本占總成本的比例越來越高，高能耗已經(jīng)成為了限制數(shù)據(jù)中心發(fā)展的一個主要因素。 為了應對數(shù)據(jù)中心的能耗挑戰(zhàn),本文基于虛擬化等節(jié)能技術,針對虛擬機的部署和虛擬機的遷移展開研 基于數(shù)據(jù)中心系統(tǒng)模型和能耗函數(shù)提出了低能耗虛擬機部署策略,該策略包括虛擬機初始部署算法(Backtracking Virtual Machine Placement Algorithm, BT-MPA)和虛擬機動態(tài)遷移算法(Saving Energy Virtual Machine Migration Algorithm, SE-MMA)。BT-MPA算法根據(jù)部署目標使用回溯法求得虛擬機部署問題的最優(yōu)解,完成虛擬機和主機的最優(yōu)映射。SE-MMA遷移算法包括非過載遷移和過載狀態(tài)遷移兩部分,在非過載狀態(tài)下為了聚合資源,使用SMP(Saving energy migration policy)策略實現(xiàn)遷移；在過載狀態(tài)下基于最小遷移時間選擇遷出虛擬機,并使用BT-MPA算法重新部署這些虛擬機,其中最小遷移時間問題具有最優(yōu)子結構性質(zhì),使用貪心和動態(tài)規(guī)劃算法解決。 利用開源云平臺CloudStack搭建了IaaS云平臺,并設計了三組仿真實驗試驗一比較了不同的虛擬機部署策略,驗證了使用BT-MPA算法的IT能耗相對于改善的最佳匹配算法(MBFD)平均降低5.9%,開啟物理機數(shù)量平均降低了17.3%,說明了BT-MPA算法能夠減少開啟物理機的數(shù)量,減少數(shù)據(jù)中心能耗：實驗二對比了不同的虛擬機選擇策略,其中基于貪心和動態(tài)規(guī)劃算法的遷移時間平均減少了50%,表明了貪心和動態(tài)規(guī)劃算法能夠解決最小遷移時間問題。；實驗三比較了不同的遷移算法,實驗SE-MMA算法相對于MM算法減少了14%的能耗,驗證了SE-MMA算法能夠?qū)崿F(xiàn)降低能耗,實現(xiàn)節(jié)能減排的目的。
【關鍵詞】：云計算 數(shù)據(jù)中心 虛擬機 動態(tài)部署 動態(tài)遷移 低能耗
【學位授予單位】：中國科學技術大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP308;TP302
【目錄】：

• 摘要5-6
• ABSTRACT6-7
• 目錄7-10
• 插圖10-12
• 第1章 緒論12-18
• 1.1 研究背景12-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-15
• 1.3 研究意義和內(nèi)容15-16
• 1.4 本文組織結構16-18
• 第2章 相關技術概述18-30
• 2.1 云計算相關概念18-20
• 2.1.1 云計算定義和特點18
• 2.1.2 云計算服務模式18-19
• 2.1.3 云計算配置模式19-20
• 2.2 數(shù)據(jù)中心相關概念20
• 2.3 數(shù)據(jù)中心節(jié)能關鍵技術20-23
• 2.3.1 虛擬化21
• 2.3.2 DVFS技術21-22
• 2.3.3 其他設備節(jié)能技術22-23
• 2.4 開源云平臺介紹23-26
• 2.4.1 Eucalyptus云平臺23
• 2.4.2 OpenNebula云平臺23-24
• 2.4.3 OpenStack云平臺24-25
• 2.4.4 CloudStack云平臺25-26
• 2.5 虛擬化管理技術技術介紹26-28
• 2.5.1 KVM相關介紹26
• 2.5.2 Hyper-V相關介紹26-27
• 2.5.3 vSphere相關介紹27
• 2.5.4 XenServer相關介紹27-28
• 2.6 本章小結28-30
• 第3章 面向低能耗的虛擬機部署30-38
• 3.1 數(shù)據(jù)中心系統(tǒng)模型30-32
• 3.2 能耗模型32-33
• 3.3 虛擬機部署問題描述33-34
• 3.4 虛擬機部署算法34-36
• 3.5 本章小結36-38
• 第4章 面向低能耗的虛擬機遷移38-46
• 4.1 虛擬機動態(tài)遷移問題38
• 4.2 遷移觸發(fā)條件38-39
• 4.3 過載狀態(tài)下虛擬機的選擇39-42
• 4.3.1 最小遷移時間問題描述40-41
• 4.3.2 基于貪心算法的最小遷移時間策略41
• 4.3.3 基于動態(tài)規(guī)劃算法的最小遷移時間策略41-42
• 4.4 非過載狀態(tài)遷移42
• 4.5 虛擬機動態(tài)遷移算法42-43
• 4.6 本章小結43-46
• 第5章 仿真驗證46-66
• 5.1 IaaS相關技術46-51
• 5.1.1 CloudStack組件介紹46-49
• 5.1.2 CloudStack的網(wǎng)絡類型49-50
• 5.1.3 XenServer的系統(tǒng)架構50-51
• 5.2 IaaS云平臺的搭建與部署51-56
• 5.2.1 軟硬件環(huán)境介紹51-52
• 5.2.2 網(wǎng)絡架構規(guī)劃52-53
• 5.2.3 系統(tǒng)安裝53-56
• 5.3 云平臺系統(tǒng)測試56-60
• 5.4 仿真實驗60-65
• 5.4.1 仿真環(huán)境60-62
• 5.4.2 仿真實驗和結果62-65
• 5.5 本章小結65-66
• 第6章 總結與展望66-68
• 6.1 論文總結66-67
• 6.2 研究展望67-68
• 參考文獻68-72
• 致謝72-74
• 在讀期間發(fā)表的學術論文與取得的其他研究成果74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫明俊;;云計算發(fā)展的國內(nèi)外對比分析[J];電信網(wǎng)技術;2010年09期

2 林偉偉,齊德昱,王振宇;網(wǎng)格計算環(huán)境下分布并行計算的一種實現(xiàn)方法[J];計算機工程與應用;2005年27期

3 陳全;鄧倩妮;;云計算及其關鍵技術[J];計算機應用;2009年09期

4 鄧維;劉方明;金海;李丹;;云計算數(shù)據(jù)中心的新能源應用:研究現(xiàn)狀與趨勢[J];計算機學報;2013年03期

5 王加昌;曾輝;何騰蛟;張娜;;面向數(shù)據(jù)中心的虛擬機部署及優(yōu)化算法[J];計算機應用;2013年10期

6 周舟;胡志剛;;云環(huán)境下面向能耗降低的虛擬機部署算法[J];華南理工大學學報(自然科學版);2014年05期

7 馮登國;張敏;張妍;徐震;;云計算安全研究[J];軟件學報;2011年01期

8 董健康;王洪波;李陽陽;程時端;;IaaS環(huán)境下改進能源效率和網(wǎng)絡性能的虛擬機放置方法[J];通信學報;2014年01期

9 王肇國;易涵;張為華;;基于機器學習特性的數(shù)據(jù)中心能耗優(yōu)化方法[J];軟件學報;2014年07期

10 寧葵,嚴毅;分布式計算技術發(fā)展研究[J];微機發(fā)展;2004年08期

  本文關鍵詞：云數(shù)據(jù)中心虛擬機的低能耗部署和遷移策略，由筆耕文化傳播整理發(fā)布。

本文編號：387536