云数据中心的虚拟机资源调度算法研究

发布时间：2020-11-22 06:51

　　 云计算改变了传统的计算模式,它通过与互联网技术的结合为用户提供相应的应用服务。而随着云计算的快速发展,云数据中心的也出现了一些挑战,作为建设绿色数据中心的核心问题,需要能够在确保云计算可靠的为用户提供服务的同时,通过优化数据中心的虚拟机资源的调度方式,来解决日益突出的资源利用率、能耗和负载均衡等问题,这也是能够保障未来云数据中心可持续发展的前提。同时为了提高资源的利用率,以虚拟机为粒度能够实现对资源的灵活调度,虚拟化技术可以通过构建虚拟资源池的方式整合云数据中心异构的物理资源,进而可以使用虚拟资源调度策略对虚拟化资源进行动态的按需分配,是云计算核心的技术。因此,设计行之有效的虚拟机资源调度策略成为了当前的研究热点,目的为了实现高利用率、低能耗和负载均衡的云数据中心。本文通过分析目前云数据中心存在的高能耗、低效率和负载不均衡等问题,深入学习虚拟机资源调度相关技术,展开了对云数据中心虚拟机资源放置和迁移的研究。本文的主要研究工作如下:首先,针对云数据中心能耗和服务器内部资源负载不均衡问题,提出了基于改进分组遗传算法的虚拟机放置算法。该算法通过建立了多维资源模型、能耗模型和负载均衡度量指标,在分组遗传算法基础上,采用资源利用率多维标准差控制参量,设计适应度函数引导搜索解空间,通过定义基因评估参数并结合传统启发式算法对交叉、变异等方面进行优化,从而提高搜索最优解的效率。其次,针对静态阈值的虚拟机迁移算法无法根据云数据中心的负载情况实时的降低系统频繁迁移和优化系统能耗的问题,提出基于动态阈值的虚拟机迁移算法。该算法通过对数据中心负载情况的预测动态改变阈值范围,选择合适的迁移时机、迁移对象和目标主机,结合迁移策略完成虚拟机动态迁移,从而减少服务器的运行数量,以此最小化数据中心能耗。最后,通过CloudSim云仿真平台针对于本文提出的虚拟机资源调度算法进行了相应扩展,对于算法的性能与其他调度算法进行了对比,实验表明本文提出的调度算法具有一定的可行性和有效性。
【学位单位】：河北工程大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP302
【部分图文】：

云计算能够有效的帮助传统企业提升产品附加值和生产效率，在相关的应用愈演愈烈，在电子政务公共服务、民生保障等领域也得到广泛应用[31]Google，Amazon， IBM，Microsoft 等大企业是云计算的主要推动者，对云的发展做出了很大的贡献。不同的企业对云计算的定义也是不同的，各自都专注的应用领域和发展方向，但是都面临着如何有效利用计算资源的问题。.1.2 云数据中心概述云计算可以说是一种新型的服务模式和商业模型，使用户不用依赖于本地而获取所需的不同规模的服务。可以这么说，云数据中心是承载云计算服务体，能够为云计算服务提供基础支撑的设施结构。现在的数据中心大多采用化进一步优化资源池管理，主要是由大规模的计算资源、网络资源和存储资成的，而这些资源为云计算进行任务处理提供支撑。云计算对外以基础设施务(Infrastructure as a Service, IaaS )、平台即服务(Platform as a Service, PaaS)和即服务(Software as a Service, SaaS)三种服务模型，同时主要采用这种服务模式向需要的用户提供服务[32]。云服务模式如图 2-1 所示：

计算设备、支撑系统和业务信息系统是云数据中心的三个主要逻辑组成部分，只有数据中心每个部分统筹兼顾，才能为用户提供高质量和可信赖的服务，才能保证数据中心的良好运行。其中，服务器、存储、网络和通信等设备组成的计算设备，对业务信息系统具有服务作用，而电力、监控、环境调节和照明等设备组成了支撑系统，为计算机设备的正常运行保驾护航，业务信息系统主要依赖于计算机设备的服务能力和底层支撑系统，是为公众和企业提供特定信息服务的软件系统。数据中心逻辑示意如图 2-2 所示：

图 2-3 服务器虚拟化Fig.2-3 Server virtualization) 存储虚拟化。由于存储设备型号、大小和分布位置不同，不利于存储设利用，可以将不同型号、大小和位置的存储设备虚拟化构成一个虚拟机，这样可以根据用户需求将资源池的存储资源分配给用户，有利于存储分利用。同时为了方便对虚拟存储设备的每个参数进行调节，来提高虚备的易用性，虚拟化技术还可以对不同的硬件设备和不同的操作系统进隔离，可以将这些分散和零碎的存储空间“聚集”进行管理，在用户看一个大型的存储设备。) 软件虚拟化。软件虚拟化包括两个方面，桌面虚拟化和虚拟化软件应用面虚拟化就是为了避免用户使用自己的大型计算设备访问应用程序的不用户只需要使用终端和应用服务器进行连接来访问应用程序，这样需要用的客户端程序都放置在一个专用服务器上。桌面虚拟化采用一种应用式，对软件的维护者来说，不仅减少了软件的开发成本，有利于软件的
【参考文献】

相关期刊论文 前10条

1 黄兆年;李海山;赵君;;基于双适应度遗传算法的虚拟机放置的研究[J];计算机科学;2015年S2期

2 蒋华;张乐乾;王鑫;;基于多维评价模型及改进蚁群优化算法的云计算资源调度策略[J];计算机测量与控制;2015年07期

3 赵君;马中;刘驰;李海山;王新余;;一种多目标蚁群优化的虚拟机放置算法[J];西安电子科技大学学报;2015年03期

4 武兴宇;孙磊;胡翠云;孙瑞辰;;基于改进粒子群优化算法的虚拟机迁移选择策略研究[J];计算机科学;2015年S1期

5 彭志平;周晓柯;孙志毅;;一种融合Options与蚁群算法的虚拟机自适应配置方法[J];小型微型计算机系统;2015年04期

6 秦启飞;王世振;袁翔;胡志刚;;云环境下基于CROTS算法的虚拟机放置策略[J];计算技术与自动化;2015年01期

7 李鸿健;代宇;刘锐;蒋溢;;云数据中心高能效的虚拟机迁移整合算法研究[J];电信科学;2015年01期

8 豆育升;崔晟圆;唐红;李鸿健;;云数据中心高能效的虚拟机放置算法[J];小型微型计算机系统;2014年11期

9 于炯;廖彬;张陶;孙华;国冰磊;杨兴耀;;云存储系统节能研究综述[J];计算机科学与探索;2014年09期

10 艾浩军;龚素文;袁远明;;基于多目标演化算法的云计算虚拟机分配策略研究[J];计算机科学;2014年06期

相关硕士学位论文 前7条

1 陈晶晶;云数据中心的能耗资源调度策略研究[D];电子科技大学;2016年

2 朱亚会;云计算环境下虚拟资源调度策略的研究[D];南京航空航天大学;2016年

3 周焱霞;云数据中心虚拟机放置问题研究[D];中国科学技术大学;2015年

4 秦烁;云环境下调度问题的研究与实现[D];电子科技大学;2015年

5 梁涛;优化虚拟机放置均衡数据中心网络核心层数据流量[D];上海交通大学;2015年

6 李超;基于多目标优化算法的虚拟机节能调度研究[D];西安电子科技大学;2014年

7 郑莉;云计算环境下资源调度关键技术研究[D];北京邮电大学;2014年

本文编号：2894304