基于启发式算法的云容器节能整合方法研究

发布时间：2021-02-25 02:19

　　云计算自诞生以来就由于其高可用性、可伸缩性和成本效益得到高速发展和广泛的应用。云计算的迅猛发展使得规模庞大的数据中心需要巨额的电源供给来维持运作。随着云服务提供商的规模扩大,基础设施的耗电量很可能成为限制数据中心发展的最大瓶颈。无论是从提高云服务提供商的经济效益的角度,还是从保护环境减少致使全球变暖的二氧化碳排放的角度来说,提高数据中心的能源使用率都是绕不开的话题。而基于云计算的受欢迎程度,学术界和工业界都对虚拟机-物理机架构的节能方法进行了充分而广泛的研究。云容器作为继基础设施即服务、平台即服务和软件即服务之后的新型服务架构,自2015年现世,在一年内就占领了13%的云服务市场,但是针对云容器架构的节能研究屈指可数。因此,本文对云容器环境的节能问题进行了探讨,提出了一种启发式的动态容器整合方法以最大化数据中心的资源利用率。容器整合方法的降低能耗的原理是将数据中心的负载集中到尽可能少的服务器上运行,并关闭或者休眠空闲的主机。但是负载被集中到少量服务器上会导致服务器过载的风险增大,进而引起服务等级的下降。为了在整合容器的同时,避免过载情况的发生,本文设计了预测算法判断主机过载的风险,从而... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 国内外研究现状
        1.2.1 云计算节能技术
        1.2.2 虚拟机节能调度算法研究现状
        1.2.3 容器节能调度研究现状
    1.3 论文主要内容
    1.4 论文组织结构
第2章 容器节能管理概述
    2.1 容器节能调度问题描述
    2.2 容器节能调度评价指标
        2.2.1 云容器平台能耗模型
        2.2.2 云容器平台服务质量评价模型
    2.3 实验平台介绍
    2.4 本章小结
第3章 基于启发式算法容器整合调度算法
    3.1 系统架构
    3.2 容器整合算法实现
        3.2.1 过载主机检测
        3.2.2 容器选择
        3.2.3 目的主机选择
        3.2.4 欠载主机检测
    3.3 实验设计
        3.3.1 实验配置
        3.3.2 实验结果及分析
    3.4 本章小结
第4章 基于可伸缩预留资源量的容器调度策略
    4.1 主机选择算法
        4.1.1 可伸缩预留资源量策略
        4.1.2 参数优化实验
    4.2 对比实验
        4.2.1 与NSGAII算法比较及分析
        4.2.2 与CNCUP算法比较及分析
    4.3 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其他成果
致谢


【参考文献】：
硕士论文
[1]云计算环境下的节能调度模型与算法研究[D]. 郭欣欣.北京交通大学 2019



本文编号：3050284