云计算数据中心虚拟机资源分配策略的研究

发布时间：2017-08-01 06:07

  本文关键词：云计算数据中心虚拟机资源分配策略的研究

  更多相关文章： 云计算 虚拟机 数据中心 动态管理 虚拟机放置 遗传算法

【摘要】：云计算作为未来计算模式的趋势及新一代信息技术和商业模式变革的核心，受到了越来越多的研究人员和企业的关注，具有广阔的市场发展前景。目前几乎所有IT企业巨头都依据各自的技术特长和市场战略从不同的方向进军云计算。 当前，云计算应用服务越来越流行，支撑云计算的数据中心规模越来越大。数据中心通过使用虚拟化技术形成一个巨大的虚拟资源池，但是由于缺乏有效的资源管理机制，虚拟机资源不能得到合理的分配。如随着系统的运行及用户服务负载的变化会使虚拟机的放置变得杂乱无序，不能够很好的应对用户突发访问造成负载波动，导致用户体验性能的下降。另外如果能够定期的从全局范围内对虚拟机进行统一规划部署，也能在一定程度上提高数据中心的资源利用率。因此研究云计算数据中心的资源管理，特别是对虚拟机资源管理方面的研究，具有重大的学术和现实意义。 本文在对现有算法深入的讨论和细致研究后，提出了基于工作负载预测的虚拟机动态管理算法和基于改进遗传算法的虚拟机放置算法，并取得了一些创新和成果： 1）基于工作负载预测的虚拟机动态管理算法：数据中心中虚拟机的动态整合过程主要涉及到三个阶段——何时需要发生虚拟机迁移、哪些虚拟机需要迁移、迁移出的虚拟机放置在哪些物理主机中。本文提出了基于工作负载预测的虚拟机动态管理算法，利用指数平滑模型预测未来时刻的负载大小，并结合最大相关性策略和能源感知最佳适应降序算法，实现主机负载的动态平衡。实验结果显示该算法能够有效应对负载的突发变化，减少数据中心的能源消耗和SLA违例次数，有效提升云计算中心的整体资源利用率。 2）基于改进遗传算法的虚拟机放置算法：目前大多数研究懫用传统启发式算法来解决虚拟机的放置问题，，但传统算法容易陷入局部最优，全局寻优能力较弱。本文所提出的基于改进遗传算法的虚拟机放置算法，创新之处在于除了考虑物理主机的能耗，还考虑到虚拟机之间的数据通信能耗，另外，还辅以不可行性解的修复机制和全局整合强化机制。实验表明，与传统的启发式算法和初始遗传算法相比，所提算法不但能够减少物理主机的使用数量和能源消耗，有效降低数据中心的运营成本，具有良好的可扩展性。
【关键词】：云计算 虚拟机 数据中心 动态管理 虚拟机放置 遗传算法
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP302
【目录】：

• 摘要5-6
• ABSTRACT6-8
• 目录8-11
• 第一章 绪论11-17
• 1.1 研究背景及意义11-13
• 1.2 相关研究现状13-15
• 1.2.1 以满足应用 SLA 为目标13-14
• 1.2.2 以降低功耗为目标14
• 1.2.3 以同时满足 SLA 和降低功耗为目标14-15
• 1.3 本文的主要研究内容15-16
• 1.4 本文的组织与结构16-17
• 第二章 相关技术概述17-28
• 2.1 云计算概述17-20
• 2.1.1 云计算的定义17-18
• 2.1.2 云计算的分类18-19
• 2.1.3 云计算的特点19-20
• 2.2 数据中心概述20-22
• 2.2.1 数据中心的定义20
• 2.2.2 传统数据中心所面临的问题20-21
• 2.2.3 面向云环境的下一代数据中心21-22
• 2.3 虚拟化技术概述22-23
• 2.4 常见的资源管理策略23-25
• 2.4.1 效用函数23-24
• 2.4.2 博弈论24
• 2.4.3 强化学习法24
• 2.4.4 启发式学习法24-25
• 2.5 云计算仿真平台——CloudSim25-27
• 2.6 本章小结27-28
• 第三章 基于工作负载预测的虚拟机动态管理算法28-41
• 3.1 引言28
• 3.2 问题描述及系统架构28-30
• 3.2.1 问题描述28-30
• 3.2.2 系统架构30
• 3.3 算法原理及实现30-35
• 3.3.1 主机状态检测阶段31-33
• 3.3.2 虚拟机选择阶段33
• 3.3.3 虚拟机安置阶段33-34
• 3.3.4 算法的具体流程34-35
• 3.4 实验结果与分析35-40
• 3.4.1 实际负载36-39
• 3.4.2 随机负载39-40
• 3.5 本章小结40-41
• 第四章 基于改进遗传算法的虚拟机放置算法41-57
• 4.1 引言41-42
• 4.2 遗传算法42-44
• 4.2.1 遗传算法介绍42
• 4.2.2 遗传算法的特点42-43
• 4.2.3 遗传算法的执行流程43-44
• 4.3 问题描述44-46
• 4.4 改进遗传算法的设计与实现46-52
• 4.4.1 编码46-47
• 4.4.2 选择操作47-48
• 4.4.3 交叉操作48
• 4.4.4 变异操作48-49
• 4.4.5 适应度函数49
• 4.4.6 不可行性解修复机制49-51
• 4.4.7 全局整合强化机制51-52
• 4.4.8 改进遗传算法整体过程52
• 4.5 实验结果与分析52-56
• 4.5.1 实验参数设置53
• 4.5.2 实验结果分析53-56
• 4.6 本章小结56-57
• 第五章 总结与展望57-59
• 5.1 全文总结57
• 5.2 进一步研究与展望57-59
• 致谢59-60
• 参考文献60-64
• 附录64-65
• 详细摘要65-67

【参考文献】

中国期刊全文数据库 前2条

1 房秉毅;张云勇;程莹;徐雷;;云计算国内外发展现状分析[J];电信科学;2010年S1期

2 李强;郝沁汾;肖利民;李舟军;;云计算中虚拟机放置的自适应管理与多目标优化[J];计算机学报;2011年12期

本文编号：602808