本文關(guān)鍵詞：云計算數(shù)據(jù)中心虛擬機資源分配策略的研究

  更多相關(guān)文章： 云計算 虛擬機 數(shù)據(jù)中心 動態(tài)管理 虛擬機放置 遺傳算法

【摘要】：云計算作為未來計算模式的趨勢及新一代信息技術(shù)和商業(yè)模式變革的核心，受到了越來越多的研究人員和企業(yè)的關(guān)注，具有廣闊的市場發(fā)展前景。目前幾乎所有IT企業(yè)巨頭都依據(jù)各自的技術(shù)特長和市場戰(zhàn)略從不同的方向進軍云計算。 當前，云計算應用服務越來越流行，支撐云計算的數(shù)據(jù)中心規(guī)模越來越大。數(shù)據(jù)中心通過使用虛擬化技術(shù)形成一個巨大的虛擬資源池，但是由于缺乏有效的資源管理機制，虛擬機資源不能得到合理的分配。如隨著系統(tǒng)的運行及用戶服務負載的變化會使虛擬機的放置變得雜亂無序，不能夠很好的應對用戶突發(fā)訪問造成負載波動，導致用戶體驗性能的下降。另外如果能夠定期的從全局范圍內(nèi)對虛擬機進行統(tǒng)一規(guī)劃部署，也能在一定程度上提高數(shù)據(jù)中心的資源利用率。因此研究云計算數(shù)據(jù)中心的資源管理，特別是對虛擬機資源管理方面的研究，具有重大的學術(shù)和現(xiàn)實意義。 本文在對現(xiàn)有算法深入的討論和細致研究后，提出了基于工作負載預測的虛擬機動態(tài)管理算法和基于改進遺傳算法的虛擬機放置算法，并取得了一些創(chuàng)新和成果： 1）基于工作負載預測的虛擬機動態(tài)管理算法：數(shù)據(jù)中心中虛擬機的動態(tài)整合過程主要涉及到三個階段——何時需要發(fā)生虛擬機遷移、哪些虛擬機需要遷移、遷移出的虛擬機放置在哪些物理主機中。本文提出了基于工作負載預測的虛擬機動態(tài)管理算法，利用指數(shù)平滑模型預測未來時刻的負載大小，并結(jié)合最大相關(guān)性策略和能源感知最佳適應降序算法，實現(xiàn)主機負載的動態(tài)平衡。實驗結(jié)果顯示該算法能夠有效應對負載的突發(fā)變化，減少數(shù)據(jù)中心的能源消耗和SLA違例次數(shù)，有效提升云計算中心的整體資源利用率。 2）基于改進遺傳算法的虛擬機放置算法：目前大多數(shù)研究懫用傳統(tǒng)啟發(fā)式算法來解決虛擬機的放置問題，，但傳統(tǒng)算法容易陷入局部最優(yōu)，全局尋優(yōu)能力較弱。本文所提出的基于改進遺傳算法的虛擬機放置算法，創(chuàng)新之處在于除了考慮物理主機的能耗，還考慮到虛擬機之間的數(shù)據(jù)通信能耗，另外，還輔以不可行性解的修復機制和全局整合強化機制。實驗表明，與傳統(tǒng)的啟發(fā)式算法和初始遺傳算法相比，所提算法不但能夠減少物理主機的使用數(shù)量和能源消耗，有效降低數(shù)據(jù)中心的運營成本，具有良好的可擴展性。
【關(guān)鍵詞】：云計算 虛擬機 數(shù)據(jù)中心 動態(tài)管理 虛擬機放置 遺傳算法
【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】：2015
【分類號】：TP302
【目錄】：

• 摘要5-6
• ABSTRACT6-8
• 目錄8-11
• 第一章 緒論11-17
• 1.1 研究背景及意義11-13
• 1.2 相關(guān)研究現(xiàn)狀13-15
• 1.2.1 以滿足應用 SLA 為目標13-14
• 1.2.2 以降低功耗為目標14
• 1.2.3 以同時滿足 SLA 和降低功耗為目標14-15
• 1.3 本文的主要研究內(nèi)容15-16
• 1.4 本文的組織與結(jié)構(gòu)16-17
• 第二章 相關(guān)技術(shù)概述17-28
• 2.1 云計算概述17-20
• 2.1.1 云計算的定義17-18
• 2.1.2 云計算的分類18-19
• 2.1.3 云計算的特點19-20
• 2.2 數(shù)據(jù)中心概述20-22
• 2.2.1 數(shù)據(jù)中心的定義20
• 2.2.2 傳統(tǒng)數(shù)據(jù)中心所面臨的問題20-21
• 2.2.3 面向云環(huán)境的下一代數(shù)據(jù)中心21-22
• 2.3 虛擬化技術(shù)概述22-23
• 2.4 常見的資源管理策略23-25
• 2.4.1 效用函數(shù)23-24
• 2.4.2 博弈論24
• 2.4.3 強化學習法24
• 2.4.4 啟發(fā)式學習法24-25
• 2.5 云計算仿真平臺——CloudSim25-27
• 2.6 本章小結(jié)27-28
• 第三章 基于工作負載預測的虛擬機動態(tài)管理算法28-41
• 3.1 引言28
• 3.2 問題描述及系統(tǒng)架構(gòu)28-30
• 3.2.1 問題描述28-30
• 3.2.2 系統(tǒng)架構(gòu)30
• 3.3 算法原理及實現(xiàn)30-35
• 3.3.1 主機狀態(tài)檢測階段31-33
• 3.3.2 虛擬機選擇階段33
• 3.3.3 虛擬機安置階段33-34
• 3.3.4 算法的具體流程34-35
• 3.4 實驗結(jié)果與分析35-40
• 3.4.1 實際負載36-39
• 3.4.2 隨機負載39-40
• 3.5 本章小結(jié)40-41
• 第四章 基于改進遺傳算法的虛擬機放置算法41-57
• 4.1 引言41-42
• 4.2 遺傳算法42-44
• 4.2.1 遺傳算法介紹42
• 4.2.2 遺傳算法的特點42-43
• 4.2.3 遺傳算法的執(zhí)行流程43-44
• 4.3 問題描述44-46
• 4.4 改進遺傳算法的設(shè)計與實現(xiàn)46-52
• 4.4.1 編碼46-47
• 4.4.2 選擇操作47-48
• 4.4.3 交叉操作48
• 4.4.4 變異操作48-49
• 4.4.5 適應度函數(shù)49
• 4.4.6 不可行性解修復機制49-51
• 4.4.7 全局整合強化機制51-52
• 4.4.8 改進遺傳算法整體過程52
• 4.5 實驗結(jié)果與分析52-56
• 4.5.1 實驗參數(shù)設(shè)置53
• 4.5.2 實驗結(jié)果分析53-56
• 4.6 本章小結(jié)56-57
• 第五章 總結(jié)與展望57-59
• 5.1 全文總結(jié)57
• 5.2 進一步研究與展望57-59
• 致謝59-60
• 參考文獻60-64
• 附錄64-65
• 詳細摘要65-67

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 房秉毅;張云勇;程瑩;徐雷;;云計算國內(nèi)外發(fā)展現(xiàn)狀分析[J];電信科學;2010年S1期

2 李強;郝沁汾;肖利民;李舟軍;;云計算中虛擬機放置的自適應管理與多目標優(yōu)化[J];計算機學報;2011年12期

本文編號：602808