云计算环境下的动态虚拟机整合算法研究

发布时间：2021-04-29 23:16

　　云计算为大数拟据时代的发展增添了新的动力,它使用虚拟化技术将云数据中心的计算资源、网络资源以及存储资源抽象为共享资源池,并通过互联网与全球用户分享。为了满足用户对不同资源的需求,云数据中心运行着大量的物理主机,但这会产生巨大的能量消耗。目前,云数据中心节能的主要方式是虚拟机整合,它可以提高云数据中心的资源利用率和能源效率。但是,过于积极的虚拟机整合方法可能导致物理主机过载和大规模的虚拟机迁移,这些现象导致云计算的服务质量（QoS）下降。因此,如何在少量的虚拟机迁移下通过虚拟机整合来提高云数据中心的能源效率、资源利用率和QoS成为了一项重大挑战。为了解决这个问题,本文分析了虚拟机整合过程中的过载物理主机检测阶段、虚拟机选择阶段和虚拟机放置阶段,并分别提出了相对应的算法:（1）针对云数据中心过载物理主机检测的问题,提出了一种基于差分整合移动平均自回归模型（ARIMA）模型的过载主机检测算法（AROD）。它充分考虑了云计算工作负载之间的强相关性,并使用ARIMA模型来估计物理主机未来过载的可能性,从而在过载之前迁移物理主机上的多余虚拟机,以避免过载现象发生。（2）针对现有虚拟机选择算法中虚拟... 

【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 过载物理主机检测研究现状
        1.2.2 虚拟机选择研究现状
        1.2.3 虚拟机放置研究现状
    1.3 本文的主要工作
    1.4 本文的结构安排
2 云计算相关理论
    2.1 云计算概念
        2.1.1 云计算的定义
        2.1.2 云计算的服务与模型
        2.1.3 云计算的技术特点
    2.2 云数据中心简介
        2.2.1 云数据中心的发展
        2.2.2 云数据中心的虚拟化技术
        2.2.3 云数据中心的实时迁移技术
    2.3 本章小结
3 云数据中心资源调度模型
    3.1 系统模型
        3.1.1 虚拟机选择模型
        3.1.2 虚拟机放置模型
    3.2 QoS模型
        3.2.1 虚拟机迁移成本
        3.2.2 SLA模型
    3.3 能耗模型
        3.3.1 面向活动物理主机的能耗模型
        3.3.2 面向虚拟机迁移的能耗模型
    3.4 本章小结
4 一种提高能效和QoS的动态虚拟机整合算法
    4.1 基于ARIMA模型的过载物理主机检测算法
        4.1.1 ARIMA模型
        4.1.2 ARIMA模型定阶
        4.1.3 基于ARIMA模型的过载物理主机检测算法
    4.2 提高相对迁移收益的虚拟机选择算法
        4.2.1 相对迁移收益模型
        4.2.2 提高相对迁移收益的虚拟机选择算法
    4.3 基于计算资源约束的虚拟机放置算法
        4.3.1 基于计算资源约束的物理主机分类算法
        4.3.2 基于改进BFD的虚拟机放置算法
        4.3.3 计算资源约束的虚拟机放置算法
    4.4 一种提高能耗和QoS的动态虚拟机整合算法
    4.5 本章小结
5 仿真实验结果与分析
    5.1 云模拟软件CloudSim
    5.2 实验环境配置
    5.3 评价指标
    5.4 仿真结果与分析
        5.4.1 CRRC算法的参数测量
        5.4.2 AROD、ERMB及CRRC算法性能评价
        5.4.3 EQVC算法性能评价
    5.5 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
附件


【参考文献】：
期刊论文
[1]云数据中心基于阈值的虚拟机迁移节能调度算法[J]. 吴小东,韩建军.  华中科技大学学报(自然科学版). 2018(09)
[2]基于负载高峰特征的虚拟机放置算法[J]. 徐思尧,林伟伟,王子骏.  软件学报. 2016(07)



本文编号：3168365