云环境服务质量模型研究及应用

发布时间：2017-09-01 01:40

  本文关键词：云环境服务质量模型研究及应用

  更多相关文章： 云计算 服务质量模型 弹性扩展 虚拟机迁移选择策略

【摘要】：当今社会,以云计算为代表的新一代信息技术已经成为战略型新兴产业的重要组成部分之一,其研究和发展受到了国内外的广泛关注。可以预见,随着云计算的发展以及行业标准的建立,云计算定会像当年的互联网技术一样,改变甚至颠覆了我们的生活工作方式。所谓云计算,即对以服务形式在网络上发布的诸多资源的使用。在云计算提供的资源便利下,普通用户可以根据自己的需求对云服务提供商提供的资源进行租用以部署自己的服务,而这些服务的可靠性、性能等都是与云服务质量密不可分的。为了保证云服务的正常运行,提供商必须为用户提供一定的服务质量保证。但是随着云计算提供的服务种类越来越多,如何来评价云服务质量的高与低一直是个棘手的问题。针对于此种情况,本文综合考虑了现有的云环境服务质量评价方式,采用模糊数学和灰色理论的综合评价方法,研究建立了一种云环境服务质量模型,用于从客观的角度对云服务质量进行评价。建立模型的过程包括服务质量指标的选取,评价模型的建立,云环境各项指标数据的收集,以及运用综合评价方法处理指标数据后得到云环境服务质量的评价等级。最终,通过对两种不同服务要求的私有云环境场景进行评价,验证了本文建立的模型对于云服务质量评估的适用性。为了进一步验证本文所建立模型的正确性,同时对云环境服务质量进行保障,本文在深入研究了现有的研究成果后,改进了基于预测负载的虚拟迁移选择策略,提出一种基于内存优先的虚拟机迁移最大效率算法。通过实验验证,基于内存优先的虚拟机迁移最大效率算法能够在考虑虚拟机迁移带来的迁移效率的同时,更进一步地减少迁移效益,为用户提供更好的云计算服务。本文在最后也通过建立的服务质量模型对采用内存优先最大迁移效率算法的云环境服务质量进行评价,验证了算法对于服务质量的明显提升。基于上述研究,本文为云环境服务质量评价以及弹性扩展云环境服务质量保障技术提供了一套切实可行的解决方案,实现了服务质量评价模型的建立以及服务质量的评价,提出了弹性扩展虚拟机迁移选择策略的优化算法。在云环境服务质量评价和服务质量保障技术方面,论文的研究成果将具有显著的实际应用价值。
【关键词】：云计算 服务质量模型 弹性扩展 虚拟机迁移选择策略
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F49
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-21
• 1.1 研究背景11-13
• 1.2 国内外研究现状13-18
• 1.2.1 云计算服务质量研究现状13-16
• 1.2.2 云计算弹性扩展现状研究16-18
• 1.3 研究内容及意义18-19
• 1.4 本文组织结构19-21
• 第二章 相关理论与研究21-36
• 2.1 云计算概述21-26
• 2.1.1 云计算概念21
• 2.1.2 云计算特点21-22
• 2.1.3 云计算平台介绍22-24
• 2.1.4 云计算服务模式24-26
• 2.2 服务质量相关技术26-28
• 2.2.1 SLA的定义26-27
• 2.2.2 QoS与SLA的参数27-28
• 2.3 弹性扩展决策28-29
• 2.3.1 Auto Scaling28
• 2.3.2 响应式扩展决策28-29
• 2.3.3 预测式扩展决策29
• 2.4 1-9 标度法29-30
• 2.5 AHP层次分析法30-33
• 2.5.1 算法基本原理30-31
• 2.5.2 AHP计算方法和步骤31
• 2.5.3 计算特征根和特征向量31-32
• 2.5.4 进行一致性检验32-33
• 2.6 CLOUDSIM33-35
• 2.6.1 CloudSim功能特点33
• 2.6.2 CloudSim体系结构33-34
• 2.6.3 CloudSim工作模型34-35
• 2.7 小结35-36
• 第三章 云环境服务质量模型36-53
• 3.1 云环境服务质量模型指标选取及定义36-41
• 3.1.1 性能37-38
• 3.1.2 可用性38-39
• 3.1.3 可靠性39
• 3.1.4 可扩展性39-40
• 3.1.5 安全性40-41
• 3.2 云环境服务质量模型定义41-42
• 3.3 云环境服务质量模型建立42-49
• 3.3.1 灰色系统理论42
• 3.3.2 服务质量评价模型建立42-49
• 3.4 实验测试49-52
• 3.4.1 实验环境设定49
• 3.4.2 实验过程49-52
• 3.5 小结52-53
• 第四章 基于BP神经网络预测负载的弹性扩展53-67
• 4.1 服务质量监控53-54
• 4.2 BP神经网络预测负载54-57
• 4.2.1 神经网络简介54-55
• 4.2.2 BP神经网络的学习训练过程55-57
• 4.3 虚拟机动态迁移研究57-63
• 4.3.1 虚拟机迁移的时机57-58
• 4.3.2 迁移虚拟机的选择58-63
• 4.4 实验测试与分析63-66
• 4.5 小结66-67
• 第五章 云平台弹性扩展实现与服务质量评价67-74
• 5.1 系统实现67-71
• 5.1.1 SLA计算模型67-68
• 5.1.2 衡量指标68
• 5.1.3 实验结果与分析68-71
• 5.2 弹性扩展服务质量评价71-73
• 5.3 本章小结73-74
• 第六章 总结与展望74-76
• 6.1 本文总结74
• 6.2 未来展望74-76
• 致谢76-77
• 参考文献77-83
• 作者攻硕期间取得的成果83-84

【参考文献】

中国期刊全文数据库 前1条

1 郭煌;郭建胜;惠晓滨;赵罡;邹卫国;;灰色理论和模糊数学相结合的装备保障能力评估模型[J];火力与指挥控制;2009年03期

中国硕士学位论文全文数据库 前1条

1 鲍冬梅;云服务质量度量和测量方法研究[D];山东大学;2011年

，

本文编号：769211