本文關(guān)鍵詞：面向虛擬機的云平臺資源部署與調(diào)度研究，由筆耕文化傳播整理發(fā)布。

【摘要】：云計算作為一種基于互聯(lián)網(wǎng)共享的新型交付和使用模式,近年來備受各界關(guān)注。云計算平臺通過虛擬化技術(shù)按需提供計算資源并構(gòu)建動態(tài)的虛擬資源池,但隨著云平臺規(guī)模的增加,云服務(wù)的多樣性、平臺資源的異構(gòu)性為云平臺的虛擬資源管理帶來了巨大挑戰(zhàn)。虛擬機是目前云平臺虛擬資源的主要表現(xiàn)形式,因此研究面向虛擬機的云平臺資源部署與調(diào)度,有利于提高資源利用率并降低能耗和成本,實現(xiàn)高效的云數(shù)據(jù)中心,具有重要的學(xué)術(shù)和現(xiàn)實意義,是近幾年來云計算技術(shù)研究領(lǐng)域的熱點。面向虛擬機的云平臺資源部署與調(diào)度的主要挑戰(zhàn)是:在滿足用戶需求的前提下,如何使云平臺自適應(yīng)地提供虛擬機資源并進行合適的任務(wù)調(diào)度,從而達到提高資源利用率并降低能耗的目的。譬如,用戶動態(tài)需求與多維資源協(xié)同的云平臺虛擬機自適應(yīng)管理問題;用戶需求和性能均衡的云平臺任務(wù)調(diào)度問題等,然而目前對于上述這類問題的研究成果相對較少,須進一步改進。因此,本文針對上述問題展開研究,主要研究用戶動態(tài)需求下云平臺虛擬機部署與調(diào)度的優(yōu)化方法,使平臺在保障用戶動態(tài)需求的前提下,達到云平臺性能與能耗之間的均衡的優(yōu)化目標(biāo)。研究內(nèi)容及創(chuàng)新點如下:1.針對用戶動態(tài)需求與資源多屬性協(xié)同的問題,提出一個基于動態(tài)需求的多屬性加權(quán)的虛擬機資源自適應(yīng)管理框架,核心包括:利用層次分析法對平臺資源的多維屬性加權(quán)并建立多屬性模型;建立物理結(jié)點的動態(tài)加權(quán)綜合負載度量模型。該框架由動態(tài)多層次監(jiān)測模型、虛擬機初始化部署模塊與虛擬機動態(tài)管理模塊等核心模塊組成,該框架的虛擬機自適應(yīng)管理模型及流程具有較好的靈活性和擴展性。2.針對基于用戶動態(tài)需求的平臺能耗與性能的優(yōu)化問題,提出一種動態(tài)需求與能耗均衡的虛擬機初始化部署方法,包括:基于相對部署能力的改進降序最佳適應(yīng)啟發(fā)式放置算法;低能耗優(yōu)先的主機開啟算法。實驗證明,該部署方法相比傳統(tǒng)的輪詢方法和改進的啟發(fā)式裝箱方法BFDSum,能更有效地保證用戶的動態(tài)需求的同時降低平臺的總能耗。3.針對性能與能耗均衡的虛擬機動態(tài)管理優(yōu)化問題,提出一個面向用戶動態(tài)需求的虛擬機動態(tài)管理方法,包括:基于動態(tài)反饋的超載/低載定位方法;基于相對負載的虛擬機動態(tài)遷移算法;能耗優(yōu)先的低載合并方法。實驗證明,該方法在用戶需求違背率、系統(tǒng)總能耗、平臺性能損失率等衡量指標(biāo)上能取得優(yōu)化效果,即在保證用戶需求的前提下,能取得性能與能耗的均衡有效。4.針對云用戶對任務(wù)的需求與云平臺性能均衡的問題,提出一種云平臺下面向截止時間與相對負載的任務(wù)調(diào)度方法,包括:建立私有云平臺的用戶任務(wù)和虛擬機模型;提出任務(wù)相對負載模型;提出基于剩余時間與相對負載的改進Min-Min任務(wù)調(diào)度算法。實驗證明,該方法能較好地保證用戶任務(wù)截止時間要求和云私有平臺的負載平衡度�？傮w而言,本文圍繞用戶動態(tài)需求保障、平臺性能與能耗均衡優(yōu)化等研究問題,貫穿面向虛擬機的云平臺資源部署與調(diào)度方法研究的主線,提出了虛擬機資源自適應(yīng)管理框架、虛擬機初始化部署優(yōu)化方法、虛擬機動態(tài)管理優(yōu)化方法及基于虛擬機的任務(wù)調(diào)度優(yōu)化方法。本文的研究將促進云計算研究領(lǐng)域面向虛擬機的資源管理的進一步發(fā)展,為云平臺虛擬資源部署與調(diào)度研究帶來新的解決方案。
【關(guān)鍵詞】：自適應(yīng)框架 虛擬機動態(tài)管理 虛擬機部署 任務(wù)調(diào)度 多屬性加權(quán)
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP302
【目錄】：

• 摘要5-7
• ABSTRACT7-16
• 第一章 緒論16-29
• 1.1 研究的背景16-22
• 1.1.1 云計算的發(fā)展歷程16-17
• 1.1.2 云計算的定義及特征17-18
• 1.1.3 云計算平臺的發(fā)展現(xiàn)狀18-22
• 1.2 存在的問題22-24
• 1.2.1 基于用戶動態(tài)需求的資源管理問題22
• 1.2.2 面向虛擬機的云平臺資源管理優(yōu)化問題22-24
• 1.3 論文主要研究工作24-29
• 1.3.1 研究內(nèi)容及意義24-26
• 1.3.2 創(chuàng)新點26-27
• 1.3.3 論文組織結(jié)構(gòu)27-29
• 第二章 面向虛擬機的云平臺資源部署與調(diào)度系統(tǒng)研究29-45
• 2.1 本章引言29
• 2.2 相關(guān)概念29-34
• 2.2.1 云平臺與虛擬資源管理29-31
• 2.2.2 云計算虛擬資源部署與調(diào)度31-32
• 2.2.3 面向虛擬機的云平臺資源部署與調(diào)度32-34
• 2.3 云平臺虛擬機資源自適應(yīng)管理框架研究34-37
• 2.3.1 研究動機34-35
• 2.3.2 研究內(nèi)容35-37
• 2.4 云平臺虛擬機資源初始化部署研究37-41
• 2.4.1 研究動機37-39
• 2.4.2 研究內(nèi)容39-41
• 2.5 云平臺虛擬機資源動態(tài)管理研究41-42
• 2.5.1 研究動機41
• 2.5.2 研究內(nèi)容41-42
• 2.6 云平臺面向虛擬機的任務(wù)調(diào)度研究42-44
• 2.6.1 研究動機42-43
• 2.6.2 研究內(nèi)容43-44
• 2.7 本章小結(jié)44-45
• 第三章 基于動態(tài)需求的多屬性加權(quán)的虛擬機資源自適應(yīng)管理框架45-65
• 3.1 本章引言45-46
• 3.2 相關(guān)工作與問題定義46-50
• 3.2.1 相關(guān)工作46-49
• 3.2.2 問題定義49-50
• 3.3 基于多屬性加權(quán)的虛擬機資源自適應(yīng)管理框架50-64
• 3.3.1 云平臺資源與模型定義50-58
• 3.3.2 自適應(yīng)管理流程58-61
• 3.3.3 動態(tài)監(jiān)測方法61-63
• 3.3.4 虛擬機初始化部署63
• 3.3.5 虛擬機動態(tài)管理63-64
• 3.4 框架驗證64
• 3.5 本章小結(jié)64-65
• 第四章 動態(tài)需求與能耗均衡的虛擬機初始化部署方法65-88
• 4.1 本章引言65-66
• 4.2 相關(guān)工作與問題定義66-68
• 4.2.1 相關(guān)工作66-68
• 4.2.2 問題定義68
• 4.3 相關(guān)模型68-72
• 4.3.1 相對負載模型68-70
• 4.3.2 主機能耗模型70-71
• 4.3.3 用戶需求違背率模型71-72
• 4.3.4 資源損耗模型72
• 4.4 動態(tài)需求與能耗均衡的虛擬機初始化部署算法72-78
• 4.4.1 基于相對部署能力的虛擬機放置算法72-76
• 4.4.2 能耗優(yōu)先的主機開啟算法76-77
• 4.4.3 算法復(fù)雜度分析77-78
• 4.5 實驗與結(jié)果分析78-87
• 4.5.1 云計算資源調(diào)度模擬器CloudSim78-79
• 4.5.2 仿真場景及性能指標(biāo)79-81
• 4.5.3 實驗結(jié)果及分析81-87
• 4.6 本章小結(jié)87-88
• 第五章 性能與能耗均衡的基于動態(tài)需求的虛擬機動態(tài)管理方法88-109
• 5.1 本章引言88-89
• 5.2 相關(guān)工作與問題定義89-92
• 5.2.1 相關(guān)工作89-92
• 5.2.2 問題定義92
• 5.3 體系結(jié)構(gòu)與相關(guān)模型92-95
• 5.3.1 虛擬機動態(tài)管理方法的體系結(jié)構(gòu)93-94
• 5.3.2 管理流程及約束條件94-95
• 5.3.3 相關(guān)模型定義95
• 5.4 PEBDM-DR虛擬機動態(tài)管理方法的關(guān)鍵組成95-102
• 5.4.1 基于動態(tài)反饋的超載/低載定位方法96-97
• 5.4.2 能耗優(yōu)先的低載合并方法97-99
• 5.4.3 基于相對的動態(tài)加權(quán)負載的虛擬機遷移方法99-102
• 5.5 實驗與結(jié)果分析102-108
• 5.5.1 仿真場景及性能指標(biāo)102-104
• 5.5.2 結(jié)果分析104-108
• 5.6 本章小結(jié)108-109
• 第六章 面向截止時間與相對負載的任務(wù)調(diào)度方法109-123
• 6.1 本章引言109-110
• 6.2 相關(guān)工作與問題定義110-111
• 6.2.1 相關(guān)工作110-111
• 6.2.2 問題定義111
• 6.3 資源與模型111-114
• 6.3.1 任務(wù)與虛擬機112
• 6.3.2 任務(wù)負載模型112-114
• 6.4 基于剩余時間與相對負載的改進的Min-Min調(diào)度算法114-117
• 6.4.1 算法流程及步驟114-115
• 6.4.2 改進的Min-Min調(diào)度算法115-117
• 6.5 實驗與結(jié)果分析117-122
• 6.5.1 仿真場景建立117-118
• 6.5.2 仿真結(jié)果分析118-122
• 6.6 本章小結(jié)122-123
• 總結(jié)與展望123-125
• 一、研究工作總結(jié)123-124
• 二、下一步工作展望124-125
• 參考文獻125-134
• 攻讀博士學(xué)位期間取得的研究成果134-137
• 致謝137-138
• 附件138

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 李肯立,李慶華,戴光明,周炎濤;背包問題的一種自適應(yīng)算法[J];計算機研究與發(fā)展;2004年07期

2 張建勛;古志民;鄭超;;云計算研究進展綜述[J];計算機應(yīng)用研究;2010年02期

3 馮少沖;邸彥強;朱元昌;楊文兵;;IaaS云計算中虛擬機部署算法研究[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2012年S1期

4 馮小靖;潘郁;;云計算環(huán)境下的DPSO資源負載均衡算法[J];計算機工程與應(yīng)用;2013年06期

5 董新華;李瑞軒;周灣灣;王聰;薛正元;廖東杰;;Hadoop系統(tǒng)性能優(yōu)化與功能增強綜述[J];計算機研究與發(fā)展;2013年S2期

6 左利云;曹志波;董守斌;;云計算虛擬資源的熵優(yōu)化和動態(tài)加權(quán)評估模型[J];軟件學(xué)報;2013年08期

7 許力;曾智斌;姚川;;云計算環(huán)境中虛擬資源分配優(yōu)化策略研究[J];通信學(xué)報;2012年S1期

  本文關(guān)鍵詞：面向虛擬機的云平臺資源部署與調(diào)度研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：365003