云环境下基于能耗和SLA的虚拟机资源管理研究

发布时间：2017-09-28 21:06

  本文关键词：云环境下基于能耗和SLA的虚拟机资源管理研究

  更多相关文章： 云计算 节能 SLA 演化博弈

【摘要】：云计算通过云服务代理完成与用户之间的交易，在云环境下，一切皆为服务。作为21世纪又一代技术革新产物，云计算充分应用互联网平台，将虚拟化的云资源按照用户需要提供给用户，并在交易前定制与用户之间的SLA（Server Level Agreement）协议以约束本次服务交易的完美达成。云计算愈发成熟的商业模式和技术架构使其成为炙手可热的新兴技术之一，大幅度增加的云用户及为满足他们的需求而新建的数据中心、新置的服务器、制冷设备、大规模数据存储量也随着大幅度增加，另外这些用户对云服务的性能需求也愈加具体严格化，对云计算环境下的资源管理过程中的节能和SLA的研究也有着重要的理论和现实意义。 本文对云环境下虚拟机资源的提供和分配策略有了较为深入和广泛的分析研究，在分析了当前研究中常见的资源管理策略的不足之后，主要围绕两点展开工作，即基于混合遗传模拟退火算法的虚拟机资源提供和基于演化博弈的资源分配。 （1）能耗在云资源提供成本中占据着不小比重，而云用户对服务的性能要求有约束着云资源提供商不能单纯的从节能角度优化资源提供策略，本文针对当前资源提供策略研究中节能和SLA约束的问题考虑尚不完善的问题，提出了一种基于混合遗传模拟退火算法的虚拟机资源提供优化策略。对于云环境虚拟机资源提供过程中节能和SLA约束要求，构建能耗函数，采用将SLA约束转化为混合遗传算法中衡量个体遗传能力的适应度函数的方法，将SLA性能约束转化为对物理服务器主机资源共享率的约束，并设置共享率阈值，使服务器达到最优运行性能，以实现满足SLA协议的目标。通过仿真实验得出不同资源提供策略的近似最佳能耗结果， CloudSim仿真结果表明，混合遗传模拟退火算法较遗传、模拟退火能够较快、较准确的搜索最优策略值。 （2）从经济学的角度出发，将博弈论的思想应用到云资源分配优化方案，可充分发挥博弈论在资源管理中的优势。传统博弈论中存在完整信息、绝对理性等与实际生活相悖的不足，而大多数演化博弈的研究中没有完整考虑遗传和变异因子对个体演化过程中的作用，针对这些问题，本文提出基于演化博弈理论的云计算资源分配方案，采用将演化过程中的动态复制方程引入遗传因子和变异因子的方法，以期能更准确的描述和表现演化过程中遗传因子和变异所起的影响，另外将资源分配过程中的能耗和服务质量综合考虑，，决定资源定价方案，并通过效用函数考核计量，最后实现效用函数值最优的资源提供策略。
【关键词】：云计算 节能 SLA 演化博弈
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP302
【目录】：

• 中文摘要4-6
• Abstract6-10
• 第1章 绪论10-23
• 1.1 课题研究背景及意义10-12
• 1.2 云计算相关介绍12-15
• 1.3 国内外发展现状15-20
• 1.3.1 节能研究现状15-18
• 1.3.2 云资源管理研究现状18-20
• 1.4 论文工作及结构20-23
• 1.4.1 本文主要工作及创新点20-21
• 1.4.2 论文的组织结构21-23
• 第2章 云环境下虚拟机资源提供框架设计23-29
• 2.1 虚拟机资源提供问题形式化描述23-24
• 2.2 虚拟机资源提供模型24-28
• 2.2.1 资源提供框架设计24-26
• 2.2.2 服务器能耗模型26-27
• 2.2.3 算法条件约束27-28
• 2.3 本章小结28-29
• 第3章 基于混合遗传模拟退火算法的资源提供方案29-43
• 3.1 混合遗传模拟退火算法概述29-30
• 3.2 基于混合遗传模拟退火算法资源提供策略实现30-37
• 3.2.1 编码与解码30-31
• 3.2.2 遗传操作31-34
• 3.2.3 模拟退火操作34-36
• 3.2.4 算法参数设置及代码实现36-37
• 3.3 试验与结果分析37-42
• 3.3.1 仿真工具介绍37-38
• 3.3.2 CloudSim 的工作模式38-39
• 3.3.3 仿真实验参数39-40
• 3.3.4 试验结果分析40-42
• 3.4 本章小结42-43
• 第4章 基于演化博弈的资源分配策略43-62
• 4.1 资源分配问题描述43-44
• 4.2 演化博弈论的基本原理44-48
• 4.2.1 演化博弈理论基础44-45
• 4.2.2 演化博弈论的改进45-48
• 4.3 基于演化博弈的虚拟机分配模型48-51
• 4.3.1 虚拟机资源标价48-49
• 4.3.2 效用函数49-51
• 4.4 资源分配的演化过程51-57
• 4.4.1 演化博弈学习机制51-53
• 4.4.2 演化稳定策略的均衡点53-54
• 4.4.3 进化稳定算法54-55
• 4.4.4 策略均衡点的稳定性分析55-57
• 4.5 虚拟机资源分配的演化博弈结果57-61
• 4.6 本章小结61-62
• 第5章 总结与展望62-64
• 5.1 本文总结62
• 5.2 未来工作展望62-64
• 致谢64-65
• 参考文献65-69
• 攻读硕士学位期间参加的项目69-70
• 攻读硕士学位期间发表论文70

【参考文献】

中国期刊全文数据库 前10条

1 颉斌;杨扬;钟泽伟;;一种基于进化博弈论的云计算虚拟计算资源配置模型[J];北京交通大学学报;2013年05期

2 李乔;郑啸;;云计算研究现状综述[J];计算机科学;2011年04期

3 王雪梅，王义和;模拟退火算法与遗传算法的结合[J];计算机学报;1997年04期

4 田冠华;孟丹;詹剑锋;;云计算环境下基于失效规则的资源动态提供策略[J];计算机学报;2010年10期

5 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

6 叶可江;吴朝晖;姜晓红;何钦铭;;虚拟化云计算平台的能耗管理[J];计算机学报;2012年06期

7 陈全;邓倩妮;;云计算及其关键技术[J];计算机应用;2009年09期

8 张建勋;古志民;郑超;;云计算研究进展综述[J];计算机应用研究;2010年02期

9 雷成军;罗亮;吴文峻;;基于云计算的集群能耗监控与节能方法研究[J];计算机应用与软件;2011年11期

10 邓德传;蒋从锋;徐向华;万健;;虚拟机资源分配的非合作博弈标价模型[J];计算机科学;2012年S1期

中国博士学位论文全文数据库 前1条

1 张小庆;基于云计算环境的资源提供优化方法研究[D];武汉理工大学;2013年

本文编号：938051