基于CPU利用率预测的虚拟机动态部署方法研究

发布时间：2017-07-27 03:14

  本文关键词：基于CPU利用率预测的虚拟机动态部署方法研究

  更多相关文章： 虚拟机动态部署 服务器CPU利用率预测 ARIMA-BP神经网络算法 动态部署方案生成 蚁群算法

【摘要】：在云环境下,由于系统条件的改变或应用负载的动态变化,给云服务质量的保障工作带来了新的挑战。随着各虚拟机对资源需求的持续变化,将会出现一部分服务器的资源大量空闲,另一部分服务器的资源严重不足的情况,导致系统的资源分配不均衡,资源利用率下降,严重影响服务质量。所以面对复杂的服务和应用,如何在保证服务质量的前提下,提高系统的资源利用率,是服务计算领域目前研究的一个热点。本文在传统虚拟机部署方法的研究基础上,提出了基于CPU利用率预测的虚拟机动态部署方法,根据云环境中各服务器的CPU利用率情况,对虚拟机进行动态地部署,并生成合理的动态部署方案,在保证服务质量的前提下,达到高资源利用率、低服务成本的目标。本文的研究工作主要有：第一,研究了基于CPU利用率预测的虚拟机动态部署过程,分析了传统虚拟机部署研究中的不足,明确了在动态部署过程中的主要研究内容和关键问题；第二,提出了面向虚拟机动态部署的CPU利用率预测算法,首先用ARIMA模型预测服务器CPU利用率时间序列的线性主体,然后用BP神经网络模型对其非线性残差进行估计,最终叠加为整个时间序列的预测结果：第三,研究了基于CPU利用率预测的虚拟机动态部署方案的生成方法。针对虚拟机动态部署问题的目标,建立优化模型,然后分别从虚拟机动态部署的时机、待部署虚拟机的选择和目的服务器的选择三个方面对虚拟机的动态部署问题进行了具体的描述分析。最后通过仿真实验验证了本文提出的面向虚拟机动态部署的CPU利用率预测算法具有较高的准确性,基于CPU利用率预测的虚拟机动态部署方案的生成方法具有一定的可行性和有效性,使系统在满足用户服务质量目标的同时提高了资源的利用率。因此,本文研究的基于CPU利用率预测的虚拟机动态部署方法对后续的研究具有重要的参考意义。
【关键词】：虚拟机动态部署 服务器CPU利用率预测 ARIMA-BP神经网络算法 动态部署方案生成 蚁群算法
【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
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 研究背景10-11
• 1.2 虚拟机动态部署研究现状11-13
• 1.3 本文主要研究内容13-14
• 1.4 论文组织结构14-16
• 第2章 研究基础16-24
• 2.1 BP神经网络理论与时间序列预测理论概述16-19
• 2.1.1 BP神经网络理论16-18
• 2.1.2 时间序列预测理论18-19
• 2.2 蚁群算法19-21
• 2.3 装箱问题21-23
• 2.4 本章小结23-24
• 第3章 基于CPU利用率预测的虚拟机动态部署机制24-32
• 3.1 云环境下虚拟机动态部署问题的提出24-26
• 3.2 基于CPU利用率预测的虚拟机动态部署过程26-28
• 3.3 关键问题28-31
• 3.3.1 服务器CPU利用率的预测29
• 3.3.2 待部署服务器和虚拟机的选择29-30
• 3.3.3 目的服务器的选择30-31
• 3.4 本章小结31-32
• 第4章 面向虚拟机动态部署的CPU利用率预测算法32-50
• 4.1 面向虚拟机动态部署的CPU利用率预测过程研究思路32-33
• 4.2 CPU利用率历史数据的预处理33-35
• 4.2.1 CPU利用率历史数据的收集33
• 4.2.2 CPU利用率历史数据的预处理33-35
• 4.3 基于ARIMA-BP神经网络的CPU利用率预测模型35-42
• 4.3.1 基于ARIMA-BP神经网络的CPU利用率预测模型的提出35-36
• 4.3.2 基于ARIMA-BP神经网络的CPU利用率预测模型的构建36-42
• 4.4 实验结果分析42-48
• 4.4.1 实验环境42-43
• 4.4.2 实验数据获取43
• 4.4.3 实验过程及结果分析43-48
• 4.5 本章小结48-50
• 第5章 基于CPU利用率预测的虚拟机动态部署方案的生成方法50-66
• 5.1 虚拟机动态部署方案生成的研究思路50-51
• 5.2 虚拟机动态部署方案模型的建立51-53
• 5.3 基于CPU利用率预测的虚拟机动态部署方法53-61
• 5.3.1 服务器CPU利用率的评估方法53-55
• 5.3.2 待部署虚拟机的选择算法55-57
• 5.3.3 基于改进蚁群算法的目的服务器选择算法57-61
• 5.4 实验结果分析61-65
• 5.4.1 实验环境介绍61-62
• 5.4.2 实验过程及结果分析62-65
• 5.5 本章小结65-66
• 第6章 总结与展望66-68
• 参考文献68-72
• 致谢72

【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

本文编号：579563