支持联邦形态的云资源动态管理技术研究

发布时间：2018-12-10 20:23

【摘要】：本文旨在研究云联邦环境中多目标优化的资源管理问题。多目标一方面包括用户在使用云服务时签署的服务等级约定中，对于自己将要部署到云环境下的应用的需求进行约束，包括性能需求、可用性需求和成本需求。另一方面包括云服务提供商对所属物理服务器的资源利用率的需求，目的是减少能耗以达到节约运营成本的目标。作为云计算“pay-as-you-go”商业理念下重要的一员，云服务提供商，尤其是公有云服务提供商，总是力求以最低的能耗满足所有云应用的需求。所以云环境下的资源管理需要在满足用户需求和降低云服务提供商的成本之间进行平衡。显而易见，更多的资源保障了应用的性能和可用性，但出于用户成本的考虑，资源的供给不能过剩，同时过剩的资源也增加了云服务提供商的运营成本；反之，如果云应用资源供给不足，尽管云服务提供商的运营成本可以降低，但会导致云应用不能满足用户对于性能和可用性的需求。因此，如何设计一套云环境下满足多目标约束的资源管理方案，成为了云服务用户和云服务提供商双方都非常关注的话题。 同时，随着虚拟化技术的普及，越来越多的企业建立了自己的私有云以降低运营成本，更好地管理异构的物理服务器。但私有云中的计算和存储等资源毕竟是有限的，很有可能满足不了日益庞大的应用需求。出于不购买更多的物理服务器而节约成本的考虑，私有云服务提供商选择向公有云服务提供商租借一部分资源来弥补自己计算和存储等能力的不足，这就构成了云计算的联邦形态。在云联邦环境下，资源管理方案将遇到更大的挑战，比如计算可用性将需要考虑多个云环境的情况。因此，如何改进云资源管理模型以支持联邦形态是当下需要解决的重要问题。 本文提出了一种支持联邦形态的云资源管理方案。首先我们分析探讨了云服务用户和提供商各自的需求和这些需求之间的制约关系，然后将云资源管理问题抽象成多目标优化问题，采用串行带权值的多目标优化方法，以满足用户最关心的需求为首要目标，进而顺序地达成各个目标，最终得到资源部署和调整方案。同时，我们分析了构建云联邦的动机，根据应用的分层结构，提出了三种云联邦形态：垂直、水平和混合云联邦。我们扩展了现有云环境中的架构，，以支持联邦形态，包括云联邦中心，负责云服务的注册、匹配和协作，以及云服务提供商的管理和云联邦的构建与销毁等职责。 最后，为了验证本文提出的资源动态管理方案的正确性和有效性，本文模拟真实云环境下基础设施的架构，设计并实现了两个实验，使用不同的真实负载量数据对完整的方案进行验证。具体的验证内容包括：预测负载量、计算需要的虚拟资源数、放置虚拟机以保证可用性、调整虚拟机以保证资源利用率达到节省能耗的目的。实验结果表明，本文中提出的资源方案可以用合理的虚拟资源数量满足用户对应用的性能、可用性和成本的需求，并通过调整策略，极大地减少了所使用的物理服务器的数量，达到了节省能耗的目的。 本文的主要贡献在于以满足云服务用户和提供商双方的需求为目标，对云联邦环境下多目标优化的资源管理方案进行了初步的探索。采用一种较为新颖的方式，按照一定的优先级顺序，串行地处理这些需求。最终达到云服务用户和提供商共赢的目的。
[Abstract]:The purpose of this paper is to study the resource management of multi-objective optimization in the cloud federation environment. The multi-objective includes, on the one hand, the user's requirements for applications that are to be deployed to the cloud environment, including performance requirements, availability requirements, and cost requirements, in a service level convention that is signed by the user when using the cloud service. on the other hand, the requirement of the cloud service provider to the resource utilization ratio of the affiliated physical server is to reduce the energy consumption so as to achieve the goal of saving the operation cost. As an important member of the cloud computing 鈥減ay-as-you-go鈥

本文编号：2371148