云计算环境下任务调度和虚拟机迁移策略研究

发布时间：2017-08-28 21:32

  本文关键词：云计算环境下任务调度和虚拟机迁移策略研究

  更多相关文章： 云计算 任务调度 退火遗传算法 多种群 虚拟机迁移

【摘要】：任务调度和虚拟机迁移是云计算环境下资源调度与管理的重要问题,本文在三四章节重点研究基于改进遗传算法的任务调度策略,即研究如何将计算任务调度到最适合的虚拟机上执行,实现任务的最短完成时间和虚拟机的最大利用率。第五章主要研究基于能耗感知的虚拟机迁移策略,通过把低负载主机上的虚拟机迁移到其他主机上,并关闭负载低的主机来实现节能的目的。本文在总结前人研究工作的基础上,分析了目前仍存在的问题,并给出了相应的解决方法,本文的主要工作内容,有以下四点：1.首先介绍了云计算环境下任务调度的国内外研究现状,接着详细地阐述了云计算的概念、分类、关键技术和Map/Reduce分布式编程模型,分析了云计算的两级资源调度模型、任务调度目标、特点和常用的任务调度算法等。2.针对传统遗传算法存在的收敛速度慢、易早熟和局部搜索能力差等缺点,本文提出了一种面向单种群的基于混合遗传算法和模拟退火算法的任务调度策略,算法的主要创新点在于融合模拟退火算法的思想,允许算法在搜索过程中以一定的概率接受进化中产生的劣质解,增加了种群进化中个体结构的多样性,为算法后期迭代寻优提供动力,降低算法陷入局部最优的可能性。算法改进的主要做法是优化个体选择函数,设计了自适应的交叉和变异概率函数,使其能够正确引导种群的进化方向。本文基于对用户及时响应度和供应商利益的考虑,设计了基于任务平均完成时间和系统负载均衡的双适应度函数。仿真实验表明,改进算法相比于GA和SA算法,具有更短的任务完成时间和更高的虚拟机资源利用率。3.针对单种群进化中存在的不足,第四章提出了多种群退火遗传算法改进云任务调度,不同于单种群,多种群改变了种群的单一进化方式,采用种群间的基因交流和优良个体的移民策略,丰富了种群进化的方式,增加了个体结构的多样性,仿真结果表明,该算法比第三章提出的算法具有更短的任务完成时间,能够更快地找到最优的任务调度结果。4.基于云计算的二级资源调度模型,第五章针对资源分配中的虚拟机迁移问题进行研究,并提出了一种基于能耗感知的虚拟机迁移策略,主要思想是对利用率低的服务器上的虚拟机进行迁移至其他主机,然后关闭或休眠没有运行任何虚拟机的服务器,以达到数据中心节能的目的。
【关键词】：云计算 任务调度 退火遗传算法 多种群 虚拟机迁移
【学位授予单位】：宁夏大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP302
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-11
• 1.1 研究背景及意义7-8
• 1.2 国内外研究现状8-9
• 1.3 本文的主要工作9
• 1.4 本文的组织结构9-11
• 第二章 云计算及任务调度问题11-19
• 2.1 云计算11-14
• 2.2 云计算中的任务调度问题14-16
• 2.3 常用的任务调度算法分析16-18
• 2.4 本章小结18-19
• 第三章 一种面向单种群的云计算任务调度策略的研究与设计19-31
• 3.1 云计算任务调度模型19-20
• 3.2 问题的形式化描述20-21
• 3.3 基于混合遗传算法与模拟退火算法的任务调度策略21-24
• 3.4 云计算资源模拟调度仿真器24-26
• 3.5 仿真实验26-30
• 3.6 本章小结30-31
• 第四章 多种群退火遗传算法改进云任务调度31-38
• 4.1 多种群协同进化策略31-32
• 4.2 多种群退火遗传算法的步骤与流程32-35
• 4.3 仿真实验35-37
• 4.4 本章小结37-38
• 第五章 一种基于能耗感知的虚拟机迁移策略38-48
• 5.1 云计算绿色体系架构38-39
• 5.2 虚拟机迁移策略研究39-44
• 5.3 仿真实验与结果分析44-47
• 5.4 本章小结47-48
• 第六章 总结与展望48-50
• 6.1 总结48
• 6.2 展望48-50
• 参考文献50-53
• 致谢53-54
• 个人简介54

【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 彭成磊;云数据中心绿色节能需求的虚拟机负载均衡技术研究[D];南京大学;2016年

9 赵长名;IaaS云中基于资源感知的虚拟机资源管埋[D];电子科技大学;2016年

10 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

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 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

3 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

4 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

5 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

6 于晖;基于ARM平台的Java智能卡虚拟机研究与实现[D];上海交通大学;2015年

7 王志远;多数据中心的虚拟机调度算法研究和实现[D];上海交通大学;2015年

8 毛亚强;基于Xen虚拟化技术的混合监控度量框架研究[D];上海交通大学;2015年

9 李传云;KVM虚拟机热迁移算法分析及优化[D];浙江大学;2016年

10 曲晓雅;负载感知的虚拟机初始化放置和迁移时机判决机制的研究[D];北京交通大学;2016年

，

本文编号：749606