本文關(guān)鍵詞：電力云計算資源調(diào)度系統(tǒng)研究

  更多相關(guān)文章： 云計算 調(diào)度策略 蟻群系統(tǒng) 虛擬機 資源調(diào)度

【摘要】：云計算是將計算任務(wù)分布在不同的由大量計算機組成的計算中心或局域網(wǎng),這樣就加快了應(yīng)用程序的部署,從而大幅降低了購買硬件、電力以及維護的成本,使各種應(yīng)用系統(tǒng)能夠根據(jù)需要獲取計算能力、存儲空間和信息服務(wù)。而當今的電力系統(tǒng)變成了一個數(shù)據(jù)量相當多且復雜的信息系統(tǒng),如何運用云計算技術(shù)來整合電力信息系統(tǒng)中現(xiàn)有的軟、硬件資源,提高電網(wǎng)信息系統(tǒng)的在線數(shù)據(jù)分析和實時監(jiān)控等能力,從而保障電網(wǎng)在以后相當長時間內(nèi)的智能調(diào)度是課題研究的重點。 當前云計算環(huán)境中的資源主要是虛擬機資源,具體是通過使用虛擬化技術(shù)對各種軟硬件資源進行虛擬化,形成虛擬資源池后,動態(tài)部署虛擬機提供給用戶使用。鑒于上述原因,本文對電力云計算資源調(diào)度系統(tǒng)進行了研究,重點研究了面向虛擬機的電力云資源調(diào)度。為此,首先分析了當前云計算環(huán)境下的資源調(diào)度研究現(xiàn)狀,總結(jié)了調(diào)度算法策略,分析了MapReduce調(diào)度模型；然后在此基礎(chǔ)上給出了基于蟻群改進算法的虛擬機資源調(diào)度算法；最后,通過仿真軟件CloudSim進行了仿真實驗,仿真實驗表明基于改進蟻群算法的虛擬機資源調(diào)度算法比輪詢算法更快地尋找到適合任務(wù)執(zhí)行的虛擬機資源,以保證用戶服務(wù)要求；同時設(shè)計了虛擬機的系統(tǒng)架構(gòu),實現(xiàn)了前面所述的電力云虛擬機資源調(diào)度策略。
【關(guān)鍵詞】：云計算 調(diào)度策略 蟻群系統(tǒng) 虛擬機 資源調(diào)度
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP302;TM73
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-14
• 1.1 課題研究背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 智能電網(wǎng)云計算國內(nèi)外研究現(xiàn)狀10-11
• 1.2.2 云計算資源調(diào)度研究現(xiàn)狀11-12
• 1.2.3 云計算資源調(diào)度在電力行業(yè)的應(yīng)用現(xiàn)狀12-13
• 1.3 論文組織結(jié)構(gòu)13-14
• 第2章 云計算資源調(diào)度策略14-24
• 2.1 云計算數(shù)據(jù)中心及資源調(diào)度概述14-15
• 2.2 云計算的調(diào)度機制15-16
• 2.3 云計算資源調(diào)度策略對比分析16-19
• 2.3.1 Amazon調(diào)度策略16-17
• 2.3.2 IBM調(diào)度策略17
• 2.3.3 HP調(diào)度策略17-18
• 2.3.4 VM調(diào)度策略18-19
• 2.3.5 其他方案19
• 2.4 云計算資源調(diào)度策略分類19-22
• 2.4.1 性能優(yōu)先19-20
• 2.4.2 成本優(yōu)先20-22
• 2.4.3 組合調(diào)度策略22
• 2.5 本章小結(jié)22-24
• 第3章 電力云計算資源調(diào)度模型24-34
• 3.1 MapReduce調(diào)度模型24-26
• 3.1.1 MapReduce的工作原理24-25
• 3.1.2 MapReduce的設(shè)計原則25-26
• 3.2 蟻群算法及數(shù)學建模26-30
• 3.2.1 蟻群算法原理27-28
• 3.2.2 螞蟻系統(tǒng)模型28-30
• 3.3 基于改進蟻群系統(tǒng)的虛擬機資源調(diào)度算法30-33
• 3.3.1 信息素的定義及修改30-31
• 3.3.2 任務(wù)預(yù)計執(zhí)行時間的定義31-32
• 3.3.3 螞蟻選擇下一跳節(jié)點規(guī)則32
• 3.3.4 算法描述32-33
• 3.4 本章小結(jié)33-34
• 第4章 電力云資源調(diào)度仿真實驗及對比分析34-41
• 4.1 CloudSim模擬器34-37
• 4.1.1 使用模擬器仿真的好處34-35
• 4.1.2 CloudSim仿真模擬步驟35-37
• 4.1.3 基于CloudSim的算法擴展37
• 4.2 實驗?zāi)M結(jié)果分析37-39
• 4.2.1 實驗參數(shù)設(shè)置37-38
• 4.2.2 實驗結(jié)果分析38-39
• 4.3 本章小結(jié)39-41
• 第5章 系統(tǒng)設(shè)計與實現(xiàn)41-52
• 5.1 資源調(diào)度系統(tǒng)需求分析41-43
• 5.2 資源調(diào)度系統(tǒng)結(jié)構(gòu)43-44
• 5.3 虛擬機管理系統(tǒng)設(shè)計與實現(xiàn)44-51
• 5.3.1 虛擬機管理系統(tǒng)設(shè)計44-47
• 5.3.2 虛擬機狀態(tài)信息管理模塊47-48
• 5.3.3 調(diào)度決策模塊48-49
• 5.3.4 虛擬機控制模塊49-51
• 5.4 本章小結(jié)51-52
• 第6章 結(jié)論與展望52-54
• 6.1 本文總結(jié)52
• 6.2 展望52-54
• 參考文獻54-57
• 攻讀碩士學位期間發(fā)表的學術(shù)論文及其它成果57-58
• 致謝58

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉麗榕;王玉東;肖智宏;劉穎;閆培麗;辛培哲;;國家電網(wǎng)調(diào)度數(shù)據(jù)網(wǎng)建設(shè)方案研究[J];電力系統(tǒng)通信;2011年02期

2 付欣;李靜;;蟻群算法[J];硅谷;2012年03期

3 張帆;;基于云計算的大規(guī)模呼叫中心平臺設(shè)計與實現(xiàn)[J];甘肅科技;2012年12期

4 李麗莉;;云計算資源管理平臺建設(shè)及應(yīng)用[J];電力信息化;2012年08期

5 張健;;云計算服務(wù)等級協(xié)議(SLA)研究[J];電信網(wǎng)技術(shù);2012年02期

6 朱慶保,楊志軍;基于變異和動態(tài)信息素更新的蟻群優(yōu)化算法[J];軟件學報;2004年02期

7 扈紅超;伊鵬;郭云飛;李玉峰;;一種公平服務(wù)的動態(tài)輪詢調(diào)度算法[J];軟件學報;2008年07期

8 米海波;王懷民;尹剛;史殿習;周揚帆;袁霖;;一種面向虛擬化數(shù)字中心資源按需重配置方法[J];軟件學報;2011年09期

9 楊旭昕;劉俊勇;季宏亮;潘睿;賀星棋;郭曉鳴;;電力系統(tǒng)云計算初探[J];四川電力技術(shù);2010年03期

10 楊剛;羅聯(lián)才;;基于蟻群算法的網(wǎng)絡(luò)負載均衡的研究與實現(xiàn)[J];物聯(lián)網(wǎng)技術(shù);2012年02期

，

本文編號：785972