面向移动云的资源管理技术研究
发布时间：2021-02-08 17:20
移动云计算通过将云计算和移动互联网技术相结合,实现优势互补,给移动用户带来了更加便捷的云服务,移动用户可将数据的计算和存储等工作迁移至云端来改善其移动终端处理能力弱、存储空间小以及电力续航时间短等问题。然而由于移动用户具有分布性、流动性等特点,服务申请、退出往往具有不确定性且用户对服务质量要求较高,导致资源调度频繁、随机,给移动云计算中心的资源管理带来了新的挑战。如何对移动云计算数据中心的资源进行动态合理地管理,在确保服务质量的同时最大化数据中心的效用是移动云计算领域持续研究的重点之一。针对上述问题,本文在分析了移动云计算数据中心资源管理需求的基础上,针对移动云计算中心特点,分别对移动云计算的资源调度、负载预测以及数据中心故障检测机制等方面展开了系统而深入的研究。本文的主要创新工作概括如下:（1）针对移动云数据中心资源频繁调度带来的高能耗问题,建立了移动云数据中心的资源模型和动态能耗模型;基于该模型,提出了一种面向移动云计算的四维度虚拟资源调度算法（FVRSA）,将资源分配过程划分为三个阶段:资源初始分配、资源动态调度和资源全局优化;以能耗最低为优化目标,针对上述三个阶段分别设计了三种...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：119 页
【学位级别】：博士
【部分图文】：
GSO-HWSVR算法预测结果与实际负载对比
面向移动云的资源管理技术研究430 0.2867 0.2807 0.3123 0.3007 0.3012 0.3201440 0.2763 0.2863 0.2967 0.2944 0.3122 0.3134450 0.2987 0.2897 0.2936 0.3165 0.3111 0.3057为了对预测结果进行更好地展示，我们将五种预测算法计算出来的 CPU 利用率与实际测出来的 CPU 利用率进行对比，图 4.4 为五种预测算法的预测结果对比。
面向移动云的资源管理技术研究息。为了避免预测心跳包到达时间小于实际心跳包到达时间，用式(5.7)来设置心跳包的超时时间阈值 Ttimeout。,,thrtimeouttT t mTF t m (5.7)将式(5.6)带入式(5.7)可以得到式(5.8)：1 -1 t-1,+ ,thrtimeoutt tT t mTS P D t m (5.8)若发送节点的心跳包在超时阈值时间内到达，则记录该心跳包的实际到达时间，并根据对应节点的最新记录及式(5.6)进行计算，预测下一时刻心跳包的到达时间；若对应节点发送的心跳包在超时阈值时间内未到达，则主动向该节点发送健康询问包，以“拉模式”得到其状态信息。基于 ARIMA 的域间心跳检测算法 DLHB-1 的步骤如图 5.3 所示。
【参考文献】：
期刊论文
[1]多因素自适应心跳检测算法研究[J]. 易俗,殷慧文,王闯,张一川. 计算机工程与应用. 2017(24)
[2]移动云计算研究进展与趋势[J]. 崔勇,宋健,缪葱葱,唐俊. 计算机学报. 2017(02)
[3]云计算资源管理浅析[J]. 武凯,勾学荣,朱永刚. 软件. 2015(02)
[4]一种面向容灾自适应的PULL&PUSH心跳检测机制[J]. 王浩铭,穆道生,高丽娟. 计算机科学. 2014(S2)
[5]云计算下MapReduce多组容错机制架构的分析与研究[J]. 张治斌,李燕歌. 微电子学与计算机. 2014(01)
[6]Hadoop系统性能优化与功能增强综述[J]. 董新华,李瑞轩,周湾湾,王聪,薛正元,廖东杰. 计算机研究与发展. 2013(S2)
[7]基于自适应心跳算法的分布式系统故障检测器[J]. 王明,张春熹,伊小素. 北京航空航天大学学报. 2013(07)
[8]无线传感器网络中一种ARMA流量预测的拥塞控制算法[J]. 段文轩,蒋文贤. 小型微型计算机系统. 2012(05)
[9]基于共享存储的高可伸缩嵌入式集群模型[J]. 尹文轩,高翔,朱晓静,郭德源. 计算机研究与发展. 2012(S1)
[10]基于矩阵编码的遗传算法研究[J]. 刘鲭洁,陈桂明,刘小方. 计算机工程. 2011(13)
博士论文
[1]云计算环境下服务组合技术研究[D]. 霍瑛.南京航空航天大学 2016
硕士论文
[1]分布式实时容错系统的设计与实现[D]. 于爱华.大连理工大学 2010
本文编号：3024274
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：119 页
【学位级别】：博士
【部分图文】：
GSO-HWSVR算法预测结果与实际负载对比
面向移动云的资源管理技术研究430 0.2867 0.2807 0.3123 0.3007 0.3012 0.3201440 0.2763 0.2863 0.2967 0.2944 0.3122 0.3134450 0.2987 0.2897 0.2936 0.3165 0.3111 0.3057为了对预测结果进行更好地展示，我们将五种预测算法计算出来的 CPU 利用率与实际测出来的 CPU 利用率进行对比，图 4.4 为五种预测算法的预测结果对比。
面向移动云的资源管理技术研究息。为了避免预测心跳包到达时间小于实际心跳包到达时间，用式(5.7)来设置心跳包的超时时间阈值 Ttimeout。,,thrtimeouttT t mTF t m (5.7)将式(5.6)带入式(5.7)可以得到式(5.8)：1 -1 t-1,+ ,thrtimeoutt tT t mTS P D t m (5.8)若发送节点的心跳包在超时阈值时间内到达，则记录该心跳包的实际到达时间，并根据对应节点的最新记录及式(5.6)进行计算，预测下一时刻心跳包的到达时间；若对应节点发送的心跳包在超时阈值时间内未到达，则主动向该节点发送健康询问包，以“拉模式”得到其状态信息。基于 ARIMA 的域间心跳检测算法 DLHB-1 的步骤如图 5.3 所示。
【参考文献】：
期刊论文
[1]多因素自适应心跳检测算法研究[J]. 易俗,殷慧文,王闯,张一川. 计算机工程与应用. 2017(24)
[2]移动云计算研究进展与趋势[J]. 崔勇,宋健,缪葱葱,唐俊. 计算机学报. 2017(02)
[3]云计算资源管理浅析[J]. 武凯,勾学荣,朱永刚. 软件. 2015(02)
[4]一种面向容灾自适应的PULL&PUSH心跳检测机制[J]. 王浩铭,穆道生,高丽娟. 计算机科学. 2014(S2)
[5]云计算下MapReduce多组容错机制架构的分析与研究[J]. 张治斌,李燕歌. 微电子学与计算机. 2014(01)
[6]Hadoop系统性能优化与功能增强综述[J]. 董新华,李瑞轩,周湾湾,王聪,薛正元,廖东杰. 计算机研究与发展. 2013(S2)
[7]基于自适应心跳算法的分布式系统故障检测器[J]. 王明,张春熹,伊小素. 北京航空航天大学学报. 2013(07)
[8]无线传感器网络中一种ARMA流量预测的拥塞控制算法[J]. 段文轩,蒋文贤. 小型微型计算机系统. 2012(05)
[9]基于共享存储的高可伸缩嵌入式集群模型[J]. 尹文轩,高翔,朱晓静,郭德源. 计算机研究与发展. 2012(S1)
[10]基于矩阵编码的遗传算法研究[J]. 刘鲭洁,陈桂明,刘小方. 计算机工程. 2011(13)
博士论文
[1]云计算环境下服务组合技术研究[D]. 霍瑛.南京航空航天大学 2016
硕士论文
[1]分布式实时容错系统的设计与实现[D]. 于爱华.大连理工大学 2010
本文编号：3024274
本文链接：https://www.wllwen.com/guanlilunwen/yunyingzuzhiguanlilunwen/3024274.html
