云计算环境下虚拟机部署技术研究

发布时间：2017-05-21 12:15

  本文关键词：云计算环境下虚拟机部署技术研究，，由笔耕文化传播整理发布。

【摘要】：在云计算（Cloud Computing）环境下，为了满足快速增长的客户服务和部署需求，需要大规模的虚拟磁盘镜像文件需要合理地部署，这要求数据中心需要快速且动态地调整资源，用来降低运营的成本，提高资源的利用率，缩短客户服务的上线时间。在目前的云环境中，通常采取一种衡量物理服务器的某一单一的负载指标的负载状况，来决定欲部署虚拟机的目标物理主机，而忽略了用于不同服务的虚拟机对物理主机所依赖的资源的差异，对目标物理主机的资源负载缺乏有效地预测，从而导致物理服务器因对各虚拟机的资源分配不合理的原因而引起的虚拟机过度迁移现象。 本文主要的研究内容是针对云计算环境这一特殊场景探讨虚拟磁盘镜像文件部署的相关技术。首先，分析云平台的架构，研究影响主机计算能力的负载指标，提出一种带权负载因子部署算法。其次，部署算法需要对物理服务器的各项负载指标进行预测，在众多时间序列的预测场景中，BP神经网络模型应经具有良好的实践应用。为此，论文探讨BP算法在用于时间序列的预测场景中的应用，并对其进行了改进，然后使用改进后的BP算法的来预测物理服务器的负载。再次，本文通过实验比较改进的BP神经网络型的预测结果与其他预测的结果，实验验证改进的模型在对物理服务器的负载预测上要比其他的预测技术具有明显的优势。最后，使用BP神经网络模型的预测数据，运用带权负载因子部署算法进行虚拟机服务器部署，进行模拟实验，统计实验中发生虚拟机迁移事件起始时间，实验证明，带权负载因子部署算法在推迟虚拟机迁移的起始时间上具有显著的优异性，这些优势在提高云计算平台的稳定性和提高物理服务器的资源利用率上发挥重要作用。
【关键词】：云计算 负载指标 负载因子 BP神经网络 时间序列
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP302
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-16
• 1.1 研究背景8-10
• 1.2 研究现状10-13
• 1.3 研究内容和研究目标13-14
• 1.4 论文组织结构14-16
• 第2章 云平台下虚拟机部署的相关技术16-24
• 2.1 虚拟化与虚拟机技术16-19
• 2.2 云计算中的虚拟机技术19-23
• 2.3 本章小结23-24
• 第3章 云计算环境下虚拟机部署问题24-36
• 3.1 虚拟机部署的基本流程24-27
• 3.2 目的主机选择策略27-29
• 3.3 基于时间序列的 BP 神经网络负载预测29-35
• 3.4 本章小结35-36
• 第4章 实验与分析36-51
• 4.1 实验环境36
• 4.2 负载预测准备36-42
• 4.3 负载预测结果及分析42-48
• 4.4 虚拟机目标物理机选择结果与分析48-49
• 4.5 本章小结49-51
• 第5章 总结与展望51-53
• 5.1 工作总结51
• 5.2 下一步的工作51-53
• 作者简介及在学期间所取得的科研成果53-54
• 参考文献54-58
• 附录58-71
• 附录 1：数据表格58-63
• 附件 2：数据表格63-71
• 致谢71

【参考文献】

中国期刊全文数据库 前8条

1 倪志伟;;BP网络中激活函数的深入研究[J];安徽大学学报(自然科学版);1997年03期

2 薛正华;董小社;李炳毅;廖诗华;;基于BP神经网络的集群负载预测器[J];华中科技大学学报(自然科学版);2007年S2期

3 杨伟;朱巧明;李培峰;钱培德;;基于时间序列的服务器负载预测[J];计算机工程;2006年19期

4 刘真;;虚拟机技术的复兴[J];计算机工程与科学;2008年02期

5 高大启;有教师的线性基本函数前向三层神经网络结构研究[J];计算机学报;1998年01期

6 王俊;郑笛;吴泉源;官延安;;服务计算环境下一种基于机器学习的负载预测方法研究[J];计算机科学;2007年09期

7 宫力;没有TCP/IP的互联网[J];互联网周刊;2003年01期

8 郭涛;温少君;陈俊杰;;基于个性化的云平台虚拟机部署机制的研究[J];太原理工大学学报;2012年02期

  本文关键词：云计算环境下虚拟机部署技术研究，由笔耕文化传播整理发布。

本文编号：383617