云环境下虚拟资源利用率预测研究

发布时间：2020-05-04 05:48

【摘要】：云计算技术自从被提出以来,得到了很大的发展,已经引起了很多公司和个人的关注,目前已被应用于很多行业。云计算技术具有强大的存储能力、计算能力和可扩展性,如今人们已经可以根据自己的需求,购买云计算服务,这为很多个人和企业节省了软硬件成本。但在实际应用中,随着用户越来越多,云平台的规模也越来越大,在虚拟资源池中安装有上百台甚至更多的虚拟机,各虚拟机的应用系统占有的资源量不同且在不同时间处于不断变化状态,由于具有瞬间性,这些状态很难被掌握。针对各虚拟机使用情况,目前还没有平台进行精确、长期的统计分析,运维人员无法准确掌握资源使用情况及需求趋势,给云计算平台的管理带来极大不便。为此,设计了虚拟资源利用率分析系统,追踪、统计和预测CPU和内存等主要虚拟资源的利用率。首先设计了系统的整体框架,对系统的各个模块功能进行了详细说明;其次对BP神经网络和遗传算法(GA)进行了深入研究,使用GA优化BP神经网络,克服了BP网络易陷入局部极小值的缺点;然后,完成了Hadoop平台和web平台的搭建,给出了GA和BP神经网络基于MapReduce并行化编程的思想,最后利用javaee技术对系统进行开发。结果表明,该系统可以实时地跟踪云平台上各个虚拟机的运行状态、CPU利用率和内存的利用率,能够统计过去某一段时间内CPU和内存的最大利用率、最小利用率和平均利用率,并能够出具资源报表;利用并行化的GA-BP模型,可以快速和比较准确地预测CPU利用率和内存利用率的需求情况。
【图文】：

神经元模型

第 2 章基础理论工神经网络神经网络（Artificial Neural Network，ANN）是受到生物的神经网息启示而产生的，既利用数学统计工具也巧妙地结合了对生物神经是通过研究人体大脑中神经网络的原理构造，结合网络拓扑知识，响应外界刺激和处理外界信息的一种模型。ANN 具有良好的容错力、分布式存储等优点，被广泛应用在各个领域。神经网络由大量神经元，通过权重互相连接而成，个体神经元可以有多个输入、一出。每个神经元都是一个特定的激活函数，通过该激活函数将输出或多个神经元。神经网络通过某种算法来拟合输入和输出之间的任意的非线性映射。设输入为 (,,...,)1 2nx xx，输出为Y ，（ w ,w,...12，，可得到一个最简单的神经元模型，如图 2-1 所示:

系统结构图,系统结构,华北电力大学,硕士学位论文

华北电力大学硕士学位论文(4)高容错性。Hadoop 不仅可以自动地将存储在平台上的数据进行备份，还可以自动地重新分配处理失败的任务。由于 Hadoop 是开源的，其成长速度非常快，在快速增多的子项目中，部分项目是不属于 Apache 管理的，却对 Hadoop 提供了较好的补充。Hadoop 系统结构如图 2-2 所示。
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP393.09;TP183

【参考文献】