本文關(guān)鍵詞：云計算環(huán)境下基于改進(jìn)粒子群算法的動態(tài)資源調(diào)度研究

  更多相關(guān)文章： 云資源調(diào)度 粒子群算法 虛擬機(jī)遷移 CloudSim

【摘要】：由于云數(shù)據(jù)中心包括多種物理設(shè)備以及網(wǎng)絡(luò)設(shè)備,資源管理量龐大,在靜態(tài)資源管理的很多情況會出現(xiàn)少數(shù)物理設(shè)備負(fù)載過重而多數(shù)設(shè)備負(fù)載過輕或者閑置的現(xiàn)象,導(dǎo)致利用率過低并且造成不必要的開銷,實現(xiàn)云數(shù)據(jù)中心高利用率以及負(fù)載均衡的目標(biāo)對解決目前所存在的挑戰(zhàn)具有十分重要的意義。本文通過分析云計算資源調(diào)度特點及問題,提出了基于改進(jìn)粒子群算法的虛擬機(jī)放置方法以及虛擬機(jī)動態(tài)遷移策略,主要做了以下工作：(1)對云數(shù)據(jù)中心建立數(shù)學(xué)模型,抽象數(shù)據(jù)中心,對云數(shù)據(jù)中心資源進(jìn)行了分析和數(shù)學(xué)描述,對CPU,內(nèi)存,網(wǎng)絡(luò)三種資源進(jìn)行量化,便于實驗研究。(2)對粒子群算法更新公式進(jìn)行改進(jìn),使得粒子群算法能夠在整數(shù)集上運用,并改變相關(guān)參數(shù)定義,使之能夠適應(yīng)云數(shù)據(jù)中心的數(shù)學(xué)模型運用。改進(jìn)算法步驟,對利用率和負(fù)載均衡共同關(guān)注,通過最大最小函數(shù)解出多種資源請求下的最優(yōu)解,增加迭代中子代粒子種群數(shù)量,增加采樣區(qū)域,使得虛擬機(jī)得到更好的部署,減少數(shù)據(jù)中心的開銷。(3)提出基于預(yù)測的虛擬機(jī)遷移策略,減少不必要的虛擬機(jī)遷移以免引起系統(tǒng)不穩(wěn)定和額外開銷。設(shè)計了基于預(yù)測的虛擬機(jī)遷移觸發(fā)條件,減少瞬間峰值帶來不必要遷移。選擇最少遷移次數(shù)作為虛擬機(jī)遷出策略,減少遷移次數(shù)。使用最佳適應(yīng)算法作為目標(biāo)物理機(jī)選擇策略。解決了1、選擇何時進(jìn)行虛擬機(jī)遷移；2、選擇哪些虛擬機(jī)進(jìn)行遷出；3、選擇哪些物理機(jī)進(jìn)行遷入的三個問題。(4)在云計算仿真器CloudSim中進(jìn)行仿真測試,對比基于貪心算法的輪詢放置方案,基本粒子群算法以及改進(jìn)的粒子群算法在求解云計算虛擬機(jī)部署與調(diào)度問題時的各項性能表現(xiàn),并且通過對比虛擬機(jī)遷移前后數(shù)據(jù)中心物理機(jī)CPU,內(nèi)存,帶寬三種資源利用率,驗證了基于預(yù)測的動態(tài)虛擬機(jī)遷移策略的有效性。
【關(guān)鍵詞】：云資源調(diào)度 粒子群算法 虛擬機(jī)遷移 CloudSim
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;TP302
【目錄】：

• 摘要5-6
• Abstract6-8
• 第一章 緒論8-18
• 1.1 研究背景和意義8-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-15
• 1.2.1 云計算技術(shù)的研究現(xiàn)狀10-11
• 1.2.2 云資源調(diào)度研究現(xiàn)狀11-14
• 1.2.3 當(dāng)前存在的主要問題14-15
• 1.3 論文的主要工作15-16
• 1.4 論文的組織結(jié)構(gòu)16-18
• 第二章 云計算數(shù)據(jù)中心及資源概述18-28
• 2.1 云計算的體系結(jié)構(gòu)18-20
• 2.2 云數(shù)據(jù)中心架構(gòu)20-22
• 2.3 云資源概述22-25
• 2.4 云資源相關(guān)參數(shù)定義25-27
• 2.5 本章小結(jié)27-28
• 第三章 基于改進(jìn)粒子群算法的虛擬機(jī)放置方法28-39
• 3.1 標(biāo)準(zhǔn)粒子群算法28-31
• 3.2 帕累托最優(yōu)及最大最小適應(yīng)函數(shù)31-33
• 3.3 基于改進(jìn)粒子群虛擬機(jī)放置算法33-38
• 3.3.1 問題描述33-34
• 3.3.2 離散化粒子更新公式34-35
• 3.3.3 算法流程35-38
• 3.4 本章小結(jié)38-39
• 第四章 基于預(yù)測的動態(tài)虛擬機(jī)遷移策略39-47
• 4.1 虛擬機(jī)遷移技術(shù)39-40
• 4.2 相關(guān)參數(shù)定義40-41
• 4.3 虛擬機(jī)遷移觸發(fā)條件設(shè)計41-42
• 4.4 虛擬機(jī)選擇遷出策略42-43
• 4.5 目標(biāo)物理機(jī)選擇策略43-44
• 4.6 算法流程44-46
• 4.7 本章小結(jié)46-47
• 第五章 算法實驗仿真與結(jié)果分析47-59
• 5.1 CloudSim簡介47-51
• 5.1.1 CloudSim的體系結(jié)構(gòu)48-49
• 5.1.2 CloudSim的仿真流程49-50
• 5.1.3 云資源分配策略相關(guān)的CloudSim類50-51
• 5.2 實驗對比及分析51-58
• 5.2.1 基于改進(jìn)粒子群算法的虛擬機(jī)放置方法實驗分析51-55
• 5.2.2 基于預(yù)測的動態(tài)虛擬機(jī)遷移策略實驗分析55-58
• 5.3 本章小結(jié)58-59
• 第六章 總結(jié)與展望59-61
• 6.1 總結(jié)59-60
• 6.2 展望60-61
• 參考文獻(xiàn)61-67
• 致謝67-68
• 作者簡介68

，

本文編號：668692