云计算虚拟机的负载预测与调度策略研究

发布时间：2020-08-03 17:12

【摘要】：现代社会的飞速发展,也带来了云计算行业的兴起。人们越来越喜欢云计算这种新型高效和价格低廉的计算模式,而云环境下的负载资源预测和资源调度策略问题是学者一直研究且从未间断的问题。云计算系统经常会造成资源浪费,负载不均衡,而且资源利用率较低的情况,这些问题目前越来越受到重视。本文将虚拟机的负载预测和虚拟机动态调度策略相结合,可以有效提高云计算环境资源利用率、解决资源浪费问题并均衡资源利用率,给更深层的研究带来一些启发。首先,研究了虚拟机负载随时间变化的变化特性,在利用这些特性实时预测虚拟机负载值时,采取基于时间序列的ARMA(p,q)模型。根据负载序列数据和R语言估计出预估模型为ARMA(0,1,1),并通过对残差进行模型和参数检验来验证预测模型的有效性。即可利用预测模型对虚拟机未来一天不同时间段的负载进行实时预测,为云数据中心的动态调整负载提供了科学依据。其次,为了提高云计算环境中的资源利用率,又提出了一种新型资源利用率均衡模型和虚拟机任务分配最少时间模型。并在基本粒子群算法的基础上,对惯性权重、学习因子两种参数进行优化,得到优化后的PSO算法,并用此优化算法求解模型。最后,利用Matlab定义两个测试函数对两种不同算法进行仿真,验证了优化后算法的有效性。然后利用CloudSim云仿真平台从三个方面验证了此算法和模型的可行性,证明了进行优化后的PSO算法能精准快速的找到最优解。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：C81
【图文】：

算法的虚拟机调度策略研究可以看出这两种算法的一个迭代优化的过程，从而验证算法的有效性。优化迭代如图4-8所示。由图4-8可知，本文的模型函数在用不同算法寻求最优值的过程中，明显可以看到改进后的PSO算法收敛速度更快，迭代次数较基本PSO算法更少，并且很容易找出全局最优解，此仿真结果验证了改进后PSO算法的有效性。图4-8不同虚拟机数不同算法调度完成时间4.5 本章小结本章描述和分析了云计算环境中虚拟机调度问题，首先根据云环境中的利用率不均衡现象，提出了新型的资源利用率均衡的虚拟机调度模型和虚拟机任务分配时间最少模型。其次，对传统的PSO算法进行改进优化得到优化后的PSO算法

diff函数来平稳化原始的负载时间序列。并对实验中差分前后的虚拟机负载时序图进行展示。结果如图3-3、图3-4所示：图3-3差分前时序图 图3-4差分后时序图图3-5差分后序列的自相关图 图3-6差分后序列的偏自相关图由图3-4可以看出，差分后序列趋势明显变的平稳。但究竟平稳与否，还需做平稳化检验，即查看一阶差分后的数据的自相关图。用R语言对一阶差分后的负载做自相关操作，得出的自相关图如图3-5所示。由图3-5的自相关图可以看出，序列的自相关系数在一阶差分后衰减为0的速度很快，说明一阶差分后的序列平稳。即可以用ARMA模型对未来的负载数据进行预测。（3）模型的识别与定阶- 18 -

diff函数来平稳化原始的负载时间序列。并对实验中差分前后的虚拟机负载时序图进行展示。结果如图3-3、图3-4所示：图3-3差分前时序图 图3-4差分后时序图图3-5差分后序列的自相关图 图3-6差分后序列的偏自相关图由图3-4可以看出，差分后序列趋势明显变的平稳。但究竟平稳与否，还需做平稳化检验，即查看一阶差分后的数据的自相关图。用R语言对一阶差分后的负载做自相关操作，得出的自相关图如图3-5所示。由图3-5的自相关图可以看出，序列的自相关系数在一阶差分后衰减为0的速度很快，说明一阶差分后的序列平稳。即可以用ARMA模型对未来的负载数据进行预测。（3）模型的识别与定阶- 18 -

【相似文献】

相关期刊论文 前10条

1 王瑞宗;;浅析云计算虚拟机部署方案[J];电子世界;2019年15期

2 陈佳昕;;虚拟机隐藏进程检测系统设计与实现[J];现代计算机(专业版);2019年01期

3 尹学渊;陈兴蜀;陶术松;陈林;;一种无代理虚拟机进程监控方法[J];南京大学学报(自然科学);2019年02期

4 郭建伟;;灵活管理虚拟机[J];网络安全和信息化;2019年05期

5 关长杰;;巧用虚拟机维护多媒体教室计算机之我见[J];信息记录材料;2019年04期

6 甘娜;;一种基于服务次数的云虚拟机资源部署算法[J];中国新通信;2017年23期

7 石岳;王春海;;快速克隆千台虚拟机[J];网络安全和信息化;2017年06期

8 顾武雄;;创建虚拟机与远程管理[J];网络安全和信息化;2017年05期

9 顾武雄;;虚拟机复制管理[J];网络安全和信息化;2018年06期

10 赵艳;王春海;;虚拟机“句柄无效”无法开机[J];网络安全和信息化;2018年09期

相关会议论文 前10条

1 陆彦琦;伍华凤;高毅;;云计算环境下虚拟机安全性分析与研究[A];中国造船工程学会电子技术学术委员会2017年装备技术发展论坛论文集[C];2017年

2 段翼真;王晓程;;可信安全虚拟机平台的研究[A];第26次全国计算机安全学术交流会论文集[C];2011年

3 沈敏虎;查德平;刘百祥;赵泽宇;;虚拟机网络部署与管理研究[A];中国高等教育学会教育信息化分会第十次学术年会论文集[C];2010年

4 陈援非;朱珍民;叶剑;;一种基于多量级虚拟机的可扩展普适计算架构[A];第四届和谐人机环境联合学术会议论文集[C];2008年

5 张健;高铖;宫良一;顾兆军;;虚拟机自省技术研究[A];第32次全国计算机安全学术交流会论文集[C];2017年

6 邓小林;;虚拟机系统资源动态分配策略[A];浙江省信号处理学会2013学术年会论文集——信号处理在海洋[C];2013年

7 丁涛;郝沁汾;张冰;;内核虚拟机调度策略的研究与分析[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

8 管庆华;叶力旋;刘凯;明月;;一种基于资源池分布式部署虚拟机的方法[A];2010电力行业信息化年会优秀论文专辑[C];2010年

9 ;瑞星研制出全球最快反病毒虚拟机[A];2010电力行业信息化年会优秀论文专辑[C];2010年

10 陈乃刚;李健;李龙;;云计算数据中心的网络带宽保证方案[A];2016电力行业信息化年会论文集[C];2016年

相关重要报纸文章 前10条

1 本报记者 冯霄霞;容器引领云计算2.0时代[N];中国信息化周报;2016年

2 南方日报驻京记者 王腾腾;网络空间安全攻防战[N];南方日报;2017年

3 冯志鹏 黄文雯 胡宇;引领架构提升 打造“云”上服务[N];国家电网报;2017年

4 刘荻 编译;虚拟机真比容器安全吗？[N];中国计算机报;2017年

5 邹铮 编译;云计算充满“僵尸”虚拟机?没什么大不了![N];网络世界;2015年

6 ;首批通过云计算产品虚拟机管理测评名单[N];中国电子报;2014年

7 本报记者 邱燕娜;如何告别虚拟机管理烦恼[N];中国计算机报;2012年

8 本报记者 李旭阳;Azul“抢滩”国内Java虚拟机市场[N];计算机世界;2012年

9 《网络世界》记者 周源;3:0!Power虚拟机完胜x86虚拟机[N];网络世界;2012年

10 本报记者 邹大斌;VMware推出新虚拟机管理工具[N];计算机世界;2011年

相关博士学位论文 前10条

1 张涵翠;云平台中面向虚拟机的自适应异常检测关键技术研究[D];重庆大学;2018年

2 魏亮;面向云网融合的资源调度算法及实验平台研究[D];北京邮电大学;2018年

3 张鑫彦;数据中心虚拟机放置方法的研究[D];大连理工大学;2018年

4 张留美;面向绿色云计算的虚拟机评估研究[D];西安电子科技大学;2016年

5 徐骁麟;面向多虚拟机应用的基础设施云服务性能优化机制研究[D];华中科技大学;2016年

6 丁有伟;云环境下能量高效的任务调度方法研究与应用[D];南京航空航天大学;2016年

7 胡荣东;面向能效的云计算虚拟化资源提供方法研究[D];国防科学技术大学;2015年

8 叶枫;QoS-Aware的云服务可信增强机制的研究[D];南京航空航天大学;2016年

9 郭芬;面向虚拟机的云平台资源部署与调度研究[D];华南理工大学;2015年

10 刘海坤;虚拟机在线迁移性能优化关键技术研究[D];华中科技大学;2012年

相关硕士学位论文 前10条

1 杨爽;基于改进遗传算法的动态虚拟机调度策略研究[D];哈尔滨工程大学;2019年

2 徐勇伟;基于gVirt的虚拟机GPU QoS技术的研究与实现[D];上海交通大学;2017年

3 高玉娇;云计算虚拟机的负载预测与调度策略研究[D];燕山大学;2018年

4 张帅;Xen半虚拟化技术的虚拟机不确定性事件记录与回放系统[D];天津大学;2018年

5 田青青;基于远程浏览器的网络隔离安全技术研究与实现[D];北京邮电大学;2019年

6 蔡长亮;基于云环境中的异常检测技术研究[D];天津理工大学;2019年

7 陈俊;云环境下基于动态预测的虚拟机管理算法研究[D];湖南大学;2015年

8 陈贺;基于虚拟机的实时系统多核共享资源管理技术研究[D];东北大学;2015年

9 王植;数据中心虚拟机资源调度的评价方法研究[D];东北大学;2016年

10 马庆敏;面向虚拟机性能保障的服务组件迁移方法研究[D];东北大学;2015年

本文编号：2779943