基于网络感知的两阶段虚拟机放置算法
【图文】:
澃atrixD;Initial簇数K;InitialS[n]={-1};While读取D中各元素dij的值dis[i].distance=dij;dis[i].row=i;dis[i].col=j;Endwhile对dis降序排列;For(i=0;K≠0;i++){IfS[dis[i].row]==-1&&S[dis[i].col]==-1S[dis[i].row]=dis[i].row;S[dis[i].col]=dis[i].row;K--;EndifIfS[dis[i].row]==-1&&S[dis[i].col]!=-1S[dis[i].row]=dis[i].col;K--;ElseS[dis[i].col]=dis[i].row;K--;Endif}EndforOutputS对于图1所示的虚拟机之间的流量关系,利用VMA-TM算法可得到如图2所示的虚拟机聚类结果。图1虚拟机之间的流量关系图2聚合后虚拟机之间的流量关系3.2改进的二维费用背包算法遍历数组S,将S中经过聚合的虚拟机放入向量VMlist,VMlist中的节点就是需要部署的全部虚拟机节点。可以看出:1)在VMlist中,越是靠前的节点,流量就越大;2)在VMlist中,每个vi的相邻节点就是与其通信流量最大的虚拟机,与vi的距离越近,它们之间的通信流量就越大;越远,通信流量就越校采用多维背包算法把VMlist中不同的虚拟机部署到合适的物理机上。将每台物理机看作一个背包,每个虚拟机看作一个物品。背包容量由相应物理主机可用的内存大小和CPU资源共同决定。每个物品有2种不同的费用,用虚拟机对资源需求的CPU和内存分别来表示。除此之外,每个物品还有一种价格,本文采用亚马逊云服务的计价标准[18]进行参考。使用动态规划法解决该背包问题,由上述描述可知,该问题实质是一个二维费用背包问题。状态转移方程可以表述如下:f[i][v][u]=max{f[i-1][v][u],f[i-1][v-a[i]]?
取D中各元素dij的值dis[i].distance=dij;dis[i].row=i;dis[i].col=j;Endwhile对dis降序排列;For(i=0;K≠0;i++){IfS[dis[i].row]==-1&&S[dis[i].col]==-1S[dis[i].row]=dis[i].row;S[dis[i].col]=dis[i].row;K--;EndifIfS[dis[i].row]==-1&&S[dis[i].col]!=-1S[dis[i].row]=dis[i].col;K--;ElseS[dis[i].col]=dis[i].row;K--;Endif}EndforOutputS对于图1所示的虚拟机之间的流量关系,利用VMA-TM算法可得到如图2所示的虚拟机聚类结果。图1虚拟机之间的流量关系图2聚合后虚拟机之间的流量关系3.2改进的二维费用背包算法遍历数组S,将S中经过聚合的虚拟机放入向量VMlist,VMlist中的节点就是需要部署的全部虚拟机节点。可以看出:1)在VMlist中,越是靠前的节点,流量就越大;2)在VMlist中,每个vi的相邻节点就是与其通信流量最大的虚拟机,与vi的距离越近,,它们之间的通信流量就越大;越远,通信流量就越校采用多维背包算法把VMlist中不同的虚拟机部署到合适的物理机上。将每台物理机看作一个背包,每个虚拟机看作一个物品。背包容量由相应物理主机可用的内存大小和CPU资源共同决定。每个物品有2种不同的费用,用虚拟机对资源需求的CPU和内存分别来表示。除此之外,每个物品还有一种价格,本文采用亚马逊云服务的计价标准[18]进行参考。使用动态规划法解决该背包问题,由上述描述可知,该问题实质是一个二维费用背包问题。状态转移方程可以表述如下:f[i][v][u]=max{f[i-1][v][u],f[i-1][v-a[i]]·[u-b[i]]+w[i]}0≤a[i]≤V,0≤b[i]≤U上?
【作者单位】: 新疆财经大学计算机科学与工程学院;清华大学计算机科学与技术系;
【基金】:国家自然科学基金(61440047) 新疆高校科研计划青年教师科研启动基金(XJEDU2014S046) 新疆财经大学科研基金(2015XYB007)
【分类号】:TP302
【相似文献】
相关期刊论文 前10条
1 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
2 郑晓珑;孔挺;;虚拟机的安全风险与管理[J];硅谷;2010年16期
3 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
4 王得发;王丽芳;蒋泽军;;云计算环境中虚拟机智能迁移关键技术研究[J];计算机测量与控制;2012年05期
5 赵建华;;预防虚拟机蔓延的最佳方法[J];软件世界;2007年11期
6 秋雨;;给虚拟机盖上保鲜膜 天天是初始状态[J];电脑爱好者;2010年18期
7 汪小林;张彬彬;靳辛欣;王振林;罗英伟;李晓明;;虚拟机陷出的检测及分析[J];计算机科学与探索;2011年06期
8 聂兴;;浅析企业级虚拟机的功能与应用[J];科技传播;2011年14期
9 吕苹;;虚拟机在移动互联网业务部署中的应用[J];科技通报;2011年06期
10 王凯;侯紫峰;;自适应调整虚拟机权重参数的调度方法[J];计算机研究与发展;2011年11期
相关会议论文 前3条
1 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
2 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
3 马苏安;梁亮;;虚拟化终端托管平台及其关键技术[A];中国通信学会信息通信网络技术委员会2011年年会论文集(下册)[C];2011年
相关重要报纸文章 前10条
1 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
2 ;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
3 盆盆;真实的虚拟机[N];中国电脑教育报;2004年
4 张弛;虚拟机迁移走向真正自由[N];网络世界;2010年
5 盆盆;真实的虚拟机[N];中国电脑教育报;2004年
6 宋家雨;别拿虚拟机不当固定资产[N];网络世界;2008年
7 计算机世界实验室;虚拟化 企业发展的方向[N];计算机世界;2008年
8 飘零雪;虚拟机“魔鬼瘦身”[N];中国电脑教育报;2004年
9 宋家雨;虚拟化简化数据中心管理[N];网络世界;2008年
10 ;Palm添加Java虚拟机[N];计算机世界;2002年
相关博士学位论文 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 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
6 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
7 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
8 许小龙;支持绿色云计算的资源调度方法及关键技术研究[D];南京大学;2016年
9 衷宜;虚拟化系统中的软件自愈相关技术研究[D];南京理工大学;2016年
10 刘瑛;面向CPU资源超售环境的虚拟化平台管理方法研究[D];华中科技大学;2016年
相关硕士学位论文 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 周衡;云计算环境下虚拟机优化调度策略研究[D];河北大学;2015年
3 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
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 游井辉;基于虚拟机动态迁移的资源调度策略研究[D];华南理工大学;2015年
7 詹春艳;网络感知的虚拟机迁移算法研究[D];哈尔滨工业大学;2015年
8 左起同;面向负载均衡的VNUMA虚拟机创建方法与调度策略研究[D];浙江大学;2015年
9 何英东;基于负载预测的OpenStack虚拟机智能管理[D];浙江大学;2015年
10 陈怡丹;面向云计算的虚拟机动态迁移安全策略研究[D];广西大学;2015年
本文编号:2540267
本文链接:https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/2540267.html