云计算数据中心若干节能优化算法

发布时间：2017-09-02 02:13

  本文关键词：云计算数据中心若干节能优化算法

  更多相关文章： 云计算 节能算法 虚拟机迁移 虚拟机整合 蜂群算法

【摘要】：随着云计算在世界各国的蓬勃发展,云数据中心中的服务器及其配套设备的规模持续高速增长。为保证对用户的服务质量,快速响应变得尤为重要,而快速响应依托于海量服务器的协同运作。然而,海量服务器使云数据中心能耗惊人,且当前云数据中心的资源利用率还处于较低水平,这无形之中就推高了云服务提供商的运营成本。因此,云计算数据中心中的节能问题亟待解决。当前,大量国内外学者关注云计算数据中心的节能问题,主要的节能解决策略包括硬件节能策略和软件节能策略两个方面。其中,硬件节能策略已达到一定的瓶颈,而软件节能策略通过虚拟化技术能有效解决数据中心中的负载均衡问题,是当前研究的热点,也是本文关注的焦点。虚拟机整合又是当前最重要的软件节能策略之一。虚拟机整合包括源主机选择、虚拟机选择和虚拟机分配三大关键环节。然而,现有的源主机选择算法往往基于CPU处理性能来构建模型,未考虑数据密集型作业的处理特点,而虚拟机选择和虚拟机分配过程中又往往存在着局部较优、选择反复等现象,难以获得全局最优解。因此,本文就源主机选择问题综合考虑CPU利用率和RAM利用率,采用静态双阈值的方式对源主机进行选择,并立足于虚拟机选择和虚拟机分配两个关键点,结合改进的反向蜂群算法的优化思想和启发式思想的优点,分别提出数据云中基于启发式反向蜂群的虚拟机选择节能算法(ABCS)和数据云中基于启发式反向蜂群的虚拟机分配节能算法(ABCA),进而将源主机选择算法、ABCS算法与ABCA算法整合为数据云中基于启发式反向蜂群的虚拟机整合节能算法(ABCC)。旨在寻求虚拟机的选择和分配问题的全局最优解,从而实现数据中心负载均衡,并提高服务器的资源利用率,关闭或休眠空闲节点以节省能耗。这不仅降低了云服务提供商的运营成本,同时也减少了因CO2排放造成的环境污染。在云计算模拟器CloudSim3.0中的实验结果表明:ABCC算法与其他几大经典的虚拟机选择和分配算法组合而成的整合算法相比较,能大幅度降低虚拟机迁移次数,并在保证服务质量(QoS)的前提下,能在CloudSim3.0模拟器中经典的虚拟机整合策略基础上有效降低云计算数据中心的能耗(节约25%~30%)。
【关键词】：云计算 节能算法 虚拟机迁移 虚拟机整合 蜂群算法
【学位授予单位】：吉林财经大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP308
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-17
• 1.1 课题研究背景及意义10-12
• 1.2 国内外研究现状12-14
• 1.3 课题的主要工作14-15
• 1.4 论文的内容安排15-17
• 第2章 面向云计算的虚拟机整合及人工蜂群算法简介17-29
• 2.1 云计算概述17-20
• 2.1.1 云计算概念与分类17-19
• 2.1.2 云计算实现机制19-20
• 2.2 云计算关键技术20-23
• 2.2.1 数据存储技术20
• 2.2.2 海量数据处理技术20-21
• 2.2.3 虚拟化技术21-22
• 2.2.4 快速部署技术22
• 2.2.5 资源调度技术22-23
• 2.3 虚拟机整合23-26
• 2.3.1 负载均衡概述23-24
• 2.3.2 虚拟机动态迁移技术24
• 2.3.3 源主机选择24-25
• 2.3.4 虚拟机选择25-26
• 2.3.5 虚拟机分配26
• 2.4 人工蜂群算法26-28
• 2.4.1 人工蜂群算法简介26-27
• 2.4.2 改进的基于反向的人工蜂群算法27-28
• 2.5 本章小结28-29
• 第3章 数据中心能耗研究与模型构建29-34
• 3.1 数据中心的能耗分布29-30
• 3.2 单个服务器能耗分布30-31
• 3.3 能耗评估模型31-33
• 3.3.1 虚拟机能耗评估模型31-32
• 3.3.2 主机能耗评估模型32-33
• 3.4 本章小结33-34
• 第4章 数据云中基于启发式反向蜂群的虚拟机整合节能算法34-46
• 4.1 虚拟机整合问题描述34-36
• 4.2 经典的虚拟机选择算法36-37
• 4.2.1 最小迁移时间策略（MMT）36-37
• 4.2.2 随机选择策略（RS）37
• 4.2.3 最大关联策略（MC）37
• 4.3 经典的虚拟机分配算法37-38
• 4.3.1 静态单阈值策略（THR）37
• 4.3.2 四分位差策略（IQR）37
• 4.3.3 中值绝对偏差策略（MAD）37-38
• 4.4 基于启发式反向蜂群的虚拟机整合节能算法38-45
• 4.4.1 源主机选择算法38-39
• 4.4.2 基于启发式反向蜂群的虚拟机选择节能算法（ABCS）39-43
• 4.4.3 基于启发式反向蜂群的虚拟机分配节能算法（ABCA）43-45
• 4.5 本章小结45-46
• 第5章 仿真实验与结果分析46-54
• 5.1 CloudSim简介46-47
• 5.2 CloudSim实验平台扩展构建47-49
• 5.2.1 实验环境47-48
• 5.2.2 平台扩展与编译48
• 5.2.3 仿真实验数据48-49
• 5.3 主要实验参数介绍49-51
• 5.3.1 数据中心总能耗49
• 5.3.2 服务水平协议违反率SLAV49-50
• 5.3.3 虚拟机迁移数量50
• 5.3.4 ESV50-51
• 5.4 实验结果与分析51-53
• 5.5 本章小结53-54
• 第6章 结论与展望54-55
• 参考文献55-58
• 在学期间发表的科研成果58-59
• 致谢59

【相似文献】

中国期刊全文数据库 前10条

1 江南;数据中心如何应付管理挑战[J];互联网周刊;2001年40期

2 ;简化管理挑战——惠普推实用数据中心解决方案[J];每周电脑报;2001年67期

3 李庆莉;去数据中心看一看——中国银行华北信息中心计划处处长云恩善谈数据中心运行、管理[J];中国金融电脑;2002年12期

4 马天蔚;;数据中心按需造[J];每周电脑报;2002年25期

5 戚丽,蒋东兴,武海平,冯珂;校园数据中心建设与管理方法的探索[J];教育信息化;2002年S1期

6 何俊山;您企业的数据中心2003了吗?[J];微电脑世界;2003年17期

7 ;挖潜数据中心[J];金融电子化;2004年07期

8 王琨月;;数据中心业务就绪[J];每周电脑报;2004年21期

9 包东智;新热点:创建下一代数据中心[J];上海信息化;2005年10期

10 ;把握数据中心建设五大看点[J];中国计算机用户;2005年10期

中国重要会议论文全文数据库 前10条

1 姚，

本文编号：775768