时延敏感的云计算虚拟资源调度方法研究

发布时间：2020-10-14 09:06

　　 云计算受到广泛的关注,在将计算作为一种资源的新型观念下,其重要性更是日益凸显。云环境下的资源主要有三种:计算资源、网络资源和存储资源。在云数据中心里,成百上千台服务器同时运行。在高效利用虚拟资源的前提下,为云用户提供较低时延的云服务极为重要。一个高效的调度方法应较大限度地减少传输时延,提高单位资源的计算能力,从而有效地帮助个人及企业以合理的资金投入获得最优的计算资源,减少运营成本。所以,云环境下通过资源分配进行网络的优化一直是学术界和工业界的研究热点,而在多云环境下,由于不同云数据中心存在不同的虚拟资源租赁价格和时延特性,使得时延的优化变得更为复杂。以此为出发点,本文以数据中心资源和用户任务为研究对象,将数据传输时延作为优化目标,重点对云环境下MapReduce的时延优化、多云环境下组用户的时延优化和多云环境下时延敏感的资源分配进行了深入研究,三个研究点都以时延作为优化目标进行资源分配,研究取得如下成果:1.针对数据密集型应用的虚拟资源分配,提出云环境下时延敏感的虚拟机放置方法,该方法可以有效地降低总数据传输时延和最大数据传输时延。首先,将虚拟机按照与数据存储节点之间的传输时延进行预分类。然后,通过提出的两个虚拟机放置算法分别优化总数据传输时延和最大数据传输时延,并放置Map层的虚拟机。最后,通过Reduce层虚拟机数目的限制和阈值筛选,为Reduce层放置虚拟机。提出的方法可以有效降低算法时间复杂度,通过云计算仿真软件进行验证,结果表明相比于已有研究,该方法可以分别降低平均26.3%的总数据传输时延和20.6%的最大数据传输时延。2.针对多云环境下协作组用户场景,提出了一种基于反三角不等式的、云环境下时延敏感的虚拟机租赁方法。该方法首先使用有权图表示多数据中心网络。然后,定义了协作组路径时延模型和路径开销模型。最后,使用Yen's算法和混合整数规划为协作组成员分配路径,以此优化协作组总数据传输时延。提出的方法允许云用户调整预算,进而控制总数据传输时延的取值。以真实时延、租赁价格数据为基础,通过对比实验,证明了所提方法不仅可以为用户提供灵活的租赁策略,而且还可以有效地降低协作组总数据传输时延。3.针对多云环境下虚拟资源分配,在限制租赁预算的条件下,提出了云环境下时延敏感的虚拟资源分配方法。该方法首先定义数据传输时延模型和租赁开销模型。然后,使用K-means对数据中心进行聚类,从而得到最合理的云区域。最后,将时延优化问题建模为二次规划,并分别对每一个云区域进行求解。实验使用22个数据中心之间的真实时延数据作为数据集。实验结果表明,相比于已有方法,提出的虚拟资源分配方法能够降低46.1%的总数据传输时延,为云实时性应用程序用户保证了较高的服务质量。
【学位单位】：北京邮电大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TP393.09
【部分图文】：

然后，通过高速传输到达香港。最后，用户数据被转发至腾讯在香港和广州的??数据中心。整个数据传输的时延仅有２００毫秒左右、??图１－２描述了云环境服务的资源提供结构。最底层为ＡＷＳ、Ｍｉｃｒｏｓｏｆｔ?Ａｚｕｒｅ、??ＧＣＰ等云基础设施供应商，提供虚拟机、网络链路等云基础设施资源。中间层为??Ｓｋｙｐｅ、ＷｈａｔｓＡｐｐ等云应用程序服务商，为云用户提供各种低时延应用程序。最上??层为云用户，包括政府、企业以及个人。云计算有三种资源：计算资源、网络资源??和存储资源。计算资源的表现形式通常为物理机、虚拟机或者容器。网络资源包括??数据传输过程中的传输链路（例如光纤）、转发设备（路由器）等。本文中的虚拟??资源调度，仅涉及代表计算资源的虚拟机和代表网络资源的数据传输路径。一个有??效的虚拟资源调度方法，能够为云应用程序分配合理的虚拟资源，以提供低时延、??高ＱｏＳ的云服务。??ｆ￣０?？?０＾１??ｍｍ??＾?政府?企业?个人?）??云应用程序服务商??＾?＾ＯＯＹＡＬＡ??ＷｖｘｔａＡｐｐ??Ｖ．?ｙ??云基础设施供应商??＿?ｊＴｍ＊．??＊ｌｆ?ｗｅｂｓｅｒｖｉ？ｅｓ?Ｓ｜｜?Ａｚｕｒｅ?Ｏ?Ｇｏｏｇｌｅ?ＣＩｏｌ，＇：?Ｐｉ：?Ｉ；＇．：－??Ｖ．?ｙ??图１－２云环境服务系统示意图??目前针对单云和多云环境下应用程序的时延优化存在很多不足和难点。??ＭａｐＲｅｄｕｃｅ运行过程中，由于Ｍａｐ任务与Ｒｅｄｕｃｅ任务之间需要大量的数据交互，??因此时延优化存在时间复杂度高、执行效率低的问题

、据节点与虚拟机之间的时延远远大于虚拟。因此，本研宄将Ｍａｐ层虚拟机与数据节理的分配了虚拟机，同时还降低了算法的的半径非常小的时候，使用虚拟机团的放虚拟机数目不够给数据节点做分配并且匹大并且包含大量虚拟机的时候，这时候预圈代表计算节点，也就是虚拟机，大圆内现在，面临着是否将Ａ或Ｂ加入到虚拟的虚拟机之间的时延都是小于虚拟机团的况。这样的情况下，看似虚拟机Ａ和Ｂ都Ａ与Ｂ之间的时延是超出阈值的，这预拟机团，只有一个虚拟机能够加入这个虚，那么对于虚拟机Ｂ来说就是不公平的，延，将虚拟机预分类，能有效的避免团的虚拟机Ａ??

数据节点的数据，但是可以处理来自Ｍａｐ层的虚拟机的数据。一个虚拟机不能与同??一层的其他虚拟机进行数据交互，因此虚拟机之间的时延只存在于Ｍａｐ层虚拟机与??Ｒｅｄｕｃｅ层虚拟机之间。如图３－２所示，数据节点包含不同的传输数据量，数据节点??与虚拟机之间、虚拟机与虚拟机之间存在不同的链路代价。数据节点与Ｍａｐ层虚拟??机之间是一对一的关系，Ｍａｐ层与Ｒｅｄｕｃｅ层虚拟机之间是多对多的关系。??数据节点?Ｍａｐ层?Ｒｅｄｕｃｅ层??７Ｇ?〇＿＿２＿??１０Ｇ?Ｏ?５?〇??２—－％〇??４??６０?Ｏ?Ｊ?＂〇??一对一?多对多??图３－２数据节点与ＭａｐＲｅｄｕｃｅ数据传输示意图??２７??
【相似文献】

相关期刊论文 前10条

1 施炎;;构建低时延金融网络[J];电信技术;2018年03期

2 王茜;隆克平;程时端;张润彤;;Internet网络的TCP友好控制机制[J];计算机科学;2002年03期

3 郑庆国;刘雅;;VR终端时延和带宽需求分析[J];移动通信;2017年23期

4 赵志信;常亮;刘鑫;马银花;;OFDMA系统中满足不同时延要求的跨层资源分配算法[J];黑龙江科技学院学报;2012年01期

5 李正辉;韩震;;光传送网低时延GMP映射方案设计及实现[J];光通信技术;2018年04期

6 吕方舟;;关于VoIP语音时延的分析和研究[J];无线互联科技;2018年10期

7 唐良瑞;许浩伟;樊冰;;一种区分业务的共享保护算法[J];华北电力大学学报(自然科学版);2015年03期

8 邢海涛;何加铭;;一种适用于WiMAX系统的调度算法[J];宁波大学学报(理工版);2010年01期

9 贾佳;;面向TD-LTE的PTN网络建设策略[J];中国工程咨询;2016年02期

10 张俊华;冯琳琳;;LTE承载网建设方案[J];通信管理与技术;2012年03期

相关博士学位论文 前8条

1 魏杰;时延敏感的云计算虚拟资源调度方法研究[D];北京邮电大学;2018年

2 辛建波;基于以太网的变电站自动化系统时延不确定性研究[D];华中科技大学;2005年

3 郭棉;基于差分队列服务（DQS）的融合网络服务质量保障研究[D];华南理工大学;2012年

4 芦翔;智能电网中安全可靠的通信系统的构建[D];西安电子科技大学;2013年

5 王文杰;面向车联网安全应用的数据广播技术研究[D];北京邮电大学;2017年

6 景文鹏;异构无线网络面向业务质量保障的节能优化策略研究[D];北京邮电大学;2017年

7 杨帆;分组调度算法及接入允许控制算法研究[D];西安电子科技大学;2002年

8 杨琼;车辆自组织网络MAC层协议的研究[D];东南大学;2015年

相关硕士学位论文 前10条

1 梁阿磊;光无线混合宽带接入网中时延感知的节能机制研究[D];重庆邮电大学;2017年

2 鲁黎;基于SDN的边缘缓存技术研究与原型验证[D];电子科技大学;2017年

3 毛丽娜;高速移动通信场景下无线资源管理的研究[D];北京交通大学;2013年

4 肖洋洋;超短TTI在LTE系统中的应用及其性能分析[D];北京邮电大学;2017年

5 李瑞卿;基于C-RAN的大规模天线系统资源分配技术研究[D];北京邮电大学;2016年

6 许浩伟;基于业务的光传送网路由优化[D];华北电力大学;2015年

7 田建军;长期演进系统中视频流调度方法研究[D];中国科学技术大学;2011年

8 崔亮;蓝牙散射网QoS研究[D];中国海洋大学;2004年

9 亓琦;电力高速实时信号传输技术研究[D];华北电力大学;2012年

10 宋丽君;移动网络中MTC业务的无线资源管理技术的研究[D];北京邮电大学;2017年

本文编号：2840458