云环境下虚拟机资源调度算法的研究与实现

发布时间：2017-04-25 04:17

  本文关键词：云环境下虚拟机资源调度算法的研究与实现，由笔耕文化传播整理发布。

【摘要】：虚拟化技术具有增强系统弹性和扩展性、提高资源利用率以及能够满足灵活多样的应用需求等诸多优势而成为云计算系统的重要支撑技术。而虚拟机资源调度技术又是该领域的核心技术之一。如何设计既能够保证各个计算节点负载均衡,又有助于改善用户体验的虚拟机资源调度算法一直是当前的一个研究热点。现有云环境下的虚拟机资源调度算法大都串行部署用户提交的作业请求,因而存在用户体验差,同时会导致系统负载不均衡的问题。为此,本文依托国家海洋公益性项目“海洋环境信息云计算与云服务体系框架应用研究—资源虚拟化”,对云环境下虚拟机资源调度技术进行了深入研究,主要做了如下工作：(1)针对现有资源调度算法存在的批量作业部署总体完成时间过长和云平台系统负载不均衡的问题,提出了一种基于PC-BC的虚拟机资源调度算法。该算法运用平衡能力(BC)和潜在能力(PC)两个新度量指标来动态度量虚拟机的剩余能力,在此基础之上,设计了批量作业匹配调度算法,通过构造资源需求矩阵和作业资源权重矩阵来求解虚拟机上作业部署,并利用十字相消法来评估标准部署批量作业,能够大大减少作业部署的等待时间和虚拟机的迁移次数；(2)综合考虑虚拟机的稳定性和时间成本效益因素,提出了一种基于QoS约束的虚拟机资源调度算法。该算法从虚拟机的信誉度和时间成本两个方面综合考虑虚拟机资源调度,并运用时间隶属度函数、费用隶属度函数和信誉度评价模型来进行作业调度。首先利用时间费用隶属度函数和权重向量的乘积获得性能效益值；然后利用性能信誉两个值和权重向量的乘积获得综合效益值向量进行作业部署。(3)本文最后通过大量实验对基于PC-BC的虚拟机资源调度算法和基于QoS约束的虚拟机资源调度算法进行性能验证。实验结果表明,PC-BC算法实验在总体作业完成时间和云平台系统的负载均衡度上均优于原有算法,取得了良好的效果,达到了设计要求；QOS约束算法在作业完成数量和综合效益均值上也优于原有算法,取得了很好的效果。
【关键词】：云计算 作业调度 PC-BC QoS 负载均衡
【学位授予单位】：东北大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP302
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-17
• 1.1 研究背景及意义11-12
• 1.2 国内外研究现状12-14
• 1.3 本文主要工作14-15
• 1.4 本文组织结构15-17
• 第2章 相关技术17-33
• 2.1 云计算技术17-21
• 2.1.1 云计算的概念与特点17-19
• 2.1.2 云计算体系架构19-20
• 2.1.3 云计算分类20-21
• 2.2 虚拟化技术21-29
• 2.2.1 虚拟化的概念21-22
• 2.2.2 虚拟化研究内容22-26
• 2.2.3 虚拟机监视器简介26-28
• 2.2.4 虚拟化开源管理工具概述28-29
• 2.3 虚拟机资源调度技术29-32
• 2.3.1 资源调度模型30
• 2.3.2 资源调度算法30-32
• 2.4 本章小结32-33
• 第3章 基于PC-BC的虚拟机资源调度算法33-47
• 3.1 问题提出33-34
• 3.2 算法基本思想34
• 3.3 算法设计34-43
• 3.3.1 虚拟机新度量35-39
• 3.3.2 作业对资源的衡量39-41
• 3.3.3 作业匹配算法41-43
• 3.4 算法实现43-46
• 3.4.1 算法流程43
• 3.4.2 数据结构与算法描述43-46
• 3.5 本章小结46-47
• 第4章 基于QoS约束的虚拟机资源调度算法47-59
• 4.1 问题提出47
• 4.2 算法基本思想47-48
• 4.3 算法设计48-53
• 4.3.1 信誉度48-51
• 4.3.2 时间隶属度函数51
• 4.3.3 费用效益函数51-52
• 4.3.4 综合效益函数52-53
• 4.4 算法实现53-56
• 4.4.1 算法流程53-54
• 4.4.2 数据结构与算法描述54-56
• 4.5 本章小结56-59
• 第5章 实验与分析59-77
• 5.1 实验环境59-61
• 5.1.1 Cloudsim平台环境配置59-60
• 5.1.2 Cloudsim平台扩展60-61
• 5.1.3 实验方案61
• 5.2 基于PC-BC的虚拟机资源调度算法验证61-70
• 5.2.1 虚拟机最小负载和最大负载62-63
• 5.2.2 服务器上虚拟机数量的确定63-64
• 5.2.3 十字相消法可行性验证64-65
• 5.2.4 算法验证与分析65-70
• 5.3 基于QoS约束的虚拟机资源调度算法验证70-75
• 5.3.1 性能QoS各个变量的确定70-71
• 5.3.2 算法验证与分析71-75
• 5.4 本章小结75-77
• 第6章 总结与展望77-79
• 6.1 内容总结77
• 6.2 未来展望77-79
• 参考文献79-83
• 致谢83-85
• 攻读硕士期间发表的论文和参加的项目85

【相似文献】

中国期刊全文数据库 前10条

1 曹晓刚;;Java虚拟机的10年[J];程序员;2005年07期

2 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

3 刘黎波;;Java虚拟机拦截原理研究[J];科技风;2008年21期

4 刘治波;;Java虚拟机简析[J];济南职业学院学报;2008年01期

5 郝帅;;Java虚拟机中相关技术的探讨[J];成功(教育);2008年08期

6 李霞;;系统虚拟机关键技术研究[J];微型电脑应用;2010年03期

7 郑晓珑;孔挺;;虚拟机的安全风险与管理[J];硅谷;2010年16期

8 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

9 王惠萍;张海龙;冯帆;王建华;;Java虚拟机使用及优化[J];计算机与网络;2010年21期

10 郑婷婷;武延军;贺也平;;云计算环境下的虚拟机快速克隆技术[J];计算机工程与应用;2011年13期

中国重要会议论文全文数据库 前10条

1 孟广平;;虚拟机漂移网络连接方法探讨[A];中国计量协会冶金分会2011年会论文集[C];2011年

2 段翼真;王晓程;;可信安全虚拟机平台的研究[A];第26次全国计算机安全学术交流会论文集[C];2011年

3 李明宇;张倩;吕品;;网络流量感知的虚拟机高可用动态部署研究[A];2014第二届中国指挥控制大会论文集（上）[C];2014年

4 林红;;Java虚拟机面向数字媒体的应用研究[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

5 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

6 沈敏虎;查德平;刘百祥;赵泽宇;;虚拟机网络部署与管理研究[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

7 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

8 朱欣焰;苏科华;毛继国;龚健雅;;GIS符号虚拟机及实现方法研究[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

9 于洋;陈晓东;俞承芳;李旦;;基于FPGA平台的虚拟机建模与仿真[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

10 丁涛;郝沁汾;张冰;;内核虚拟机调度策略的研究与分析[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 ;虚拟机的生与死[N];网络世界;2008年

2 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

3 本报记者 邱燕娜;如何告别虚拟机管理烦恼[N];中国计算机报;2012年

4 ;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

5 申琳;虚拟机泛滥 系统安全怎么办[N];中国计算机报;2008年

6 Tom Henderson邋沈建苗 编译;虚拟机管理的五大问题[N];计算机世界;2008年

7 盆盆;真实的虚拟机[N];中国电脑教育报;2004年

8 本版编辑　综合 编译整理 田梦;管理好虚拟机的全生命周期[N];计算机世界;2008年

9 李婷;中国研制出全球最快反病毒虚拟机[N];人民邮电;2009年

10 张弛;虚拟机迁移走向真正自由[N];网络世界;2010年

中国博士学位论文全文数据库 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 周傲;高可靠云服务供应关键技术研究[D];北京邮电大学;2015年

6 代炜琦;云计算执行环境可信构建关键技术研究[D];华中科技大学;2015年

7 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

8 陈彬;分布环境下虚拟机按需部署关键技术研究[D];国防科学技术大学;2010年

9 刘海坤;虚拟机在线迁移性能优化关键技术研究[D];华中科技大学;2012年

10 刘谦;面向云计算的虚拟机系统安全研究[D];上海交通大学;2012年

中国硕士学位论文全文数据库 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 王建一;混合型桌面云高可用性研究与实现[D];华南理工大学;2015年

3 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

4 罗仲皓;基于OpenStack的私有云计算平台的设计与实现[D];华南理工大学;2015年

5 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

6 张煜;基于OpenStack的“实验云”平台的研究与开发[D];西南交通大学;2015年

7 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

8 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

9 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

10 方良英;云平台的资源优化管理研究与实现[D];南京师范大学;2015年

  本文关键词：云环境下虚拟机资源调度算法的研究与实现，由笔耕文化传播整理发布。

，

本文编号：325625