云平台环境下的资源调度研究与实现

发布时间：2017-08-24 00:45

  本文关键词：云平台环境下的资源调度研究与实现

  更多相关文章： 云计算 Openstack 负载预测 多目标 遗传蚁群融合

【摘要】：云计算是新兴的IT模式,它是基于互联网的相关服务的增加,使用和交付的模式。它通过使用虚拟化技术将硬件基础设施虚拟化,然后将这些资源以动态弹性的方式为用户服务。但是随着云计算的用户逐渐变多,云数据中心的规模也日益增大,如何在保证服务质量的同时,降低云计算平台的运行损耗,提高资源的效用比,为云计算按需使用和资源弹性构建提供合理的资源负载预测方式。如何在提高整个集群的资源利用率及平衡度,降低能耗的成本,并且保证服务质量基础上,提出改进物理资源的调度的合理有效的方案。这些问题成为现今云计算中需要解决的。本文对于Openstack开源平台的进行了相应的分析,并对其内部资源调度的机制进行了深入的研究分析,针对性的提出了相应的解决方案。主要的工作有:(1)设计了一种云平台负载预测模型,能够在保证用户的SLA的同时,提高资源的使用率。通过理论分析,文中发现云平台用户的请求服务量是一个类似于电信网络的泊松过程,接着通过分析几种不同的预测模型进行仿真和对比。最后得出时间相关模型作为基础模型来为云平台负载进行预测。最后通过在实验室搭建好的Openstack云平台上进行相关的工程实现。验证预测模型的可行性。(2)设计了基于多目标遗传蚁群改进算法的虚拟机放置策略。本文融合了遗传算法和蚁群算法。通过使用遗传算法提供初始的信息素分布,然后利用蚁群算法寻找最优解。仿真结果表明,该算法能够较好的平衡冲突目标间的矛盾,以使整个云平台既能保证较好的应用性能又能降低资源负载及电量消耗。(3)设计了针对低载和过载的虚拟机的动态迁移策略。我们通过不同标准来判断物理机是处于低载和过载情况下,如果确定处于低载情况下,我们尝试将虚拟机迁移至其他物理机上,将该物理机调至休眠状态,降低能耗。如果处于过载情况下,尝试迁移该主机上的虚拟机保证达到基本的服务标准和负载均衡。仿真结果表明,该算法能够较好的实现动态迁移的目标。
【关键词】：云计算 Openstack 负载预测 多目标 遗传蚁群融合
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.09
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-15
• 1.1 研究背景和目的10-12
• 1.2 相关研究现状12-13
• 1.3 论文组织结构13-15
• 第二章 Openstack相关技术研究现状15-25
• 2.1 Openstack介绍15-20
• 2.2 Openstack虚拟机调度策略和动态迁移技术20-24
• 2.2.1 Openstack虚拟机调度策略20-22
• 2.2.2 Openstack虚拟机动态迁移技术22-24
• 2.3 本章小节24-25
• 第三章 云平台资源负载预测方案研究与实现25-37
• 3.1 云平台服务负载理论分析25-26
• 3.2 云平台负载预测模型分析26-32
• 3.3 多网卡服务器的Openstack的部署32-33
• 3.4 基于Openstack云平台的负载预测模型实现33-35
• 3.5 实验结果与分析35-36
• 3.6 本章小节36-37
• 第四章 基于多目标遗传蚁群改进算法的虚拟机分配策略37-54
• 4.1 基本概念37-39
• 4.2 云服务评价标准39-40
• 4.2.1 服务等级协议39-40
• 4.2.2 SLA违背率40
• 4.3 云数据中心资源40-43
• 4.3.1 资源模型40-43
• 4.3.2 资源平衡的定义43
• 4.4 电源消耗模型43-44
• 4.5 云资源调度算法详细设计44-50
• 4.5.1 调度算法总述44-45
• 4.5.2 遗传算法设计45-48
• 4.5.3 多目标混合蚁群改进算法48-50
• 4.6 实验结果与分析50-53
• 4.6.1 实验环境50
• 4.6.2 实验参数设置50-51
• 4.6.3 实验结果分析51-53
• 4.7 本章小节53-54
• 第五章 Openstack虚拟机动态迁移的资源调度策略54-61
• 5.1 动态迁移问题描述54-55
• 5.2 Openstack虚拟机动态迁移调度具体步骤55-58
• 5.2.1 系统资源状态监控策略56-57
• 5.2.2 动态迁移时机的选择57-58
• 5.2.3 迁移虚拟机的选择58
• 5.2.4 迁移的目的物理机的选择58
• 5.3 实验结果与分析58-60
• 5.3.1 实验参数设置58-59
• 5.3.2 实验结果分析59-60
• 5.4 本章小节60-61
• 第六章 总结和展望61-63
• 参考文献63-67
• 攻读硕士学位期间取得的研究成果67-68
• 致谢68-69
• 附表69

【相似文献】

中国期刊全文数据库 前10条

1 曹晓刚;;Java虚拟机的10年[J];程序员;2005年07期

2 宋韬;盘细平;罗元柯;倪国军;;Java虚拟机在嵌入式DSP系统上的实现[J];计算机应用与软件;2007年04期

3 刘黎波;;Java虚拟机拦截原理研究[J];科技风;2008年21期

4 刘治波;;Java虚拟机简析[J];济南职业学院学报;2008年01期

5 郝帅;;Java虚拟机中相关技术的探讨[J];成功(教育);2008年08期

6 李霞;;系统虚拟机关键技术研究[J];微型电脑应用;2010年03期

7 郑晓珑;孔挺;;虚拟机的安全风险与管理[J];硅谷;2010年16期

8 李学昌;平淡;;为速度而战,虚拟机内外兼修[J];电脑爱好者;2010年18期

9 王惠萍;张海龙;冯帆;王建华;;Java虚拟机使用及优化[J];计算机与网络;2010年21期

10 郑婷婷;武延军;贺也平;;云计算环境下的虚拟机快速克隆技术[J];计算机工程与应用;2011年13期

中国重要会议论文全文数据库 前10条

1 孟广平;;虚拟机漂移网络连接方法探讨[A];中国计量协会冶金分会2011年会论文集[C];2011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 李明宇;张倩;吕品;;网络流量感知的虚拟机高可用动态部署研究[A];2014第二届中国指挥控制大会论文集（上）[C];2014年

4 林红;;Java虚拟机面向数字媒体的应用研究[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

5 杨旭;彭一明;刑承杰;李若淼;;基于VMware vSphere 5虚拟机的备份系统实现[A];中国高等教育学会教育信息化分会第十二次学术年会论文集[C];2014年

6 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

7 李英壮;廖培腾;孙梦;李先毅;;基于云计算的数据中心虚拟机管理平台的设计[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

8 朱欣焰;苏科华;毛继国;龚健雅;;GIS符号虚拟机及实现方法研究[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

9 于洋;陈晓东;俞承芳;李旦;;基于FPGA平台的虚拟机建模与仿真[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

10 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

中国重要报纸全文数据库 前10条

1 ;虚拟机的生与死[N];网络世界;2008年

2 本报记者 卜娜;高性能Java虚拟机将在中国云市场释能[N];中国计算机报;2012年

3 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

4 ;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

5 申琳;虚拟机泛滥 系统安全怎么办[N];中国计算机报;2008年

6 Tom Henderson邋沈建苗 编译;虚拟机管理的五大问题[N];计算机世界;2008年

7 盆盆;真实的虚拟机[N];中国电脑教育报;2004年

8 本版编辑　综合 编译整理 田梦;管理好虚拟机的全生命周期[N];计算机世界;2008年

9 李婷;中国研制出全球最快反病毒虚拟机[N];人民邮电;2009年

10 张弛;虚拟机迁移走向真正自由[N];网络世界;2010年

中国博士学位论文全文数据库 前10条

1 宋翔;多核虚拟环境的性能及可伸缩性研究[D];复旦大学;2014年

2 王桂平;云环境下面向可信的虚拟机异常检测关键技术研究[D];重庆大学;2015年

3 周真;云平台下运行环境感知的虚拟机异常检测策略及算法研究[D];重庆大学;2015年

4 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

5 周傲;高可靠云服务供应关键技术研究[D];北京邮电大学;2015年

6 代炜琦;云计算执行环境可信构建关键技术研究[D];华中科技大学;2015年

7 刘圣卓;面向虚拟集群的镜像存储与传输优化[D];清华大学;2015年

8 彭成磊;云数据中心绿色节能需求的虚拟机负载均衡技术研究[D];南京大学;2016年

9 赵长名;IaaS云中基于资源感知的虚拟机资源管埋[D];电子科技大学;2016年

10 陈彬;分布环境下虚拟机按需部署关键技术研究[D];国防科学技术大学;2010年

中国硕士学位论文全文数据库 前10条

1 潘飞;负载相关的虚拟机放置策略研究[D];杭州电子科技大学;2011年

2 李子堂;面向负载均衡的虚拟机动态迁移优化研究[D];辽宁大学;2015年

3 张煜;基于OpenStack的“实验云”平台的研究与开发[D];西南交通大学;2015年

4 曾文琦;面向应用服务的云规模虚似机性能监控与负载分析技术研究[D];复旦大学;2013年

5 施继成;面向多核处理器的虚拟机性能优化[D];复旦大学;2014年

6 于晖;基于ARM平台的Java智能卡虚拟机研究与实现[D];上海交通大学;2015年

7 王志远;多数据中心的虚拟机调度算法研究和实现[D];上海交通大学;2015年

8 毛亚强;基于Xen虚拟化技术的混合监控度量框架研究[D];上海交通大学;2015年

9 李传云;KVM虚拟机热迁移算法分析及优化[D];浙江大学;2016年

10 曲晓雅;负载感知的虚拟机初始化放置和迁移时机判决机制的研究[D];北京交通大学;2016年

，

本文编号：728276