云环境下的集群负载分析及调度策略研究

发布时间：2017-09-27 16:48

  本文关键词：云环境下的集群负载分析及调度策略研究

  更多相关文章： 云数据中心 负载分析 虚拟机调度 降低能耗 SLA

【摘要】：越来越多的用户使用了云计算服务，云数据中心的集群是云服务的主要提供者。由于云环境的复杂性，理解云集群的负载特征是提高云系统性能、优化云集群的关键手段。然而，云数据中心下的集群负载分析，，尤其是在大规模生产环境下，目前还没有被充分研究。虚拟化技术是云环境中的核心技术，为了提高集群的资源利用率，通常采用虚拟机动态调度的办法，目前该领域仍没有标准的算法策略。本文对云集群进行了负载分析，并从云集群负载特征的角度出发，同时考虑减少云数据中心能源消耗和保证用户服务等级协定（SLA），对虚拟机的调度策略进行了研究。 本文首先研究了传统数据中心的特点及其缺点，分析了云数据中心的特点，接着研究了云集群的负载监控技术以及基于libvirt的虚拟机负载搜集技术。介绍了云环境下调度的概念和特征，并以OpenStack云平台为例详细分析了云环境下的调度机制。以CloudSim为例分析了云模拟技术，并研究了其中的主要模块。 随后，为了能深入理解云数据中心负载特征，本文搜集了实际公有云中生产集群的负载数据，涉及1082个虚拟机实例和100台物理机，时间跨度为2013年4月11日至4月17日。从不同角度分析了云数据中心的负载特征，包括虚拟机分布特征与调度机制，虚拟机内存分布特征，虚拟机CPU与I/O特征，物理节点负载特征，虚拟机与物理节点负载联系。通过负载分析，得出了一些观察结论并从中提出了一些优化云集群的方法。 最后，在云集群负载分析的基础上，本文研究了云环境调度特点和虚拟机调度模型，并提出了优化算法ERSG（Energy Reducing and SLA Guarantee）。该算法优化了虚拟机调度的3个步骤，针对虚拟机调度时机上，引入了负载预测模型；针对虚拟机选择策略，保证了用户SLA；针对调度目标节点选择上，引入了概率分析方法。最后利用云模拟器模拟了云数据中心，并对ERSG算法进行实现与分析，验证了ERSG算法相比其他算法在降低云数据中心能量消耗和保证用户SLA方面的性能优势。
【关键词】：云数据中心 负载分析 虚拟机调度 降低能耗 SLA
【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】：2014
【分类号】：TP308
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-15
• 1.1 课题及相关背景10-11
• 1.2 课题相关领域的国内外研究现状11-13
• 1.2.1 云环境负载分析领域11-12
• 1.2.2 云环境资源调度领域12-13
• 1.3 本文研究内容13-14
• 1.4 论文的组织与结构14-15
• 第二章 云数据中心与资源调度概述15-27
• 2.1 云服务分类及云数据中心概述15-18
• 2.2 云集群负载监控技术研究18-20
• 2.2.1 集中式单点负载监控架构18
• 2.2.2 分布式多点负载监控架构18-19
• 2.2.3 基于 libvirt 的虚拟机负载获取技术19-20
• 2.3 调度概述与云环境调度技术研究20-24
• 2.3.1 调度概念术语及定义20-21
• 2.3.2 云环境集群下的调度特征21
• 2.3.3 相关云系统中的调度机制21-24
• 2.4 云系统模拟技术研究24-26
• 2.5 本章总结26-27
• 第三章 云数据中心的集群负载分析27-41
• 3.1 OnCloud 云系统架构及虚拟机状态迁移27-29
• 3.2 负载数据描述29
• 3.3 云集群负载数据分析29-38
• 3.3.1 虚拟机分布与公有云调度分析29-30
• 3.3.2 虚拟机运行状态分析30-34
• 3.3.3 物理节点资源利用率分析34-37
• 3.3.4 虚拟机和物理机关系分析37-38
• 3.4 负载分析总结及优化策略38-40
• 3.5 本章总结40-41
• 第四章 虚拟机调度策略研究与模拟实验41-52
• 4.1 虚拟机调度模型41-44
• 4.1.1 多核 CPU 架构42
• 4.1.2 物理节点能耗模型42-43
• 4.1.3 虚拟机调度开销43
• 4.1.4 SLA 违约率指标43-44
• 4.2 虚拟机调度策略优化模型44-47
• 4.2.1 调度时机的选择策略44-45
• 4.2.2 调度虚拟机的选择策略45-46
• 4.2.3 目标物理节点的选择策略46-47
• 4.3 模拟实验及结果分析47-50
• 4.3.1 实验环境及配置47-48
• 4.3.2 物理节点能耗开销测试48-49
• 4.3.3 虚拟机调度次数测试49-50
• 4.3.4 租户 SLA 违反率测试50
• 4.4 本章总结50-52
• 第五章 总结与展望52-54
• 5.1 本文的主要工作52-53
• 5.2 下一步工作53-54
• 致谢54-55
• 参考文献55-58
• 附录58-59
• 详细摘要59-62

【参考文献】

中国期刊全文数据库 前5条

1 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

2 钱琼芬;李春林;张小庆;李腊元;;云数据中心虚拟资源管理研究综述[J];计算机应用研究;2012年07期

3 冯琳;付勇;陈康;郑纬民;;TDDS:基于虚拟集群系统的任务部署与调度[J];计算机研究与发展;2013年05期

4 陈康;郑纬民;;云计算:系统实例与研究现状[J];软件学报;2009年05期

5 罗军舟;金嘉晖;宋爱波;东方;;云计算:体系架构与关键技术[J];通信学报;2011年07期

本文编号：930815