基于人工鱼群算法的数据迁移策略研究

发布时间：2017-11-07 04:12

  本文关键词：基于人工鱼群算法的数据迁移策略研究

  更多相关文章： 云计算 人工鱼群算法 数据迁移 带宽利用率

【摘要】：近年来,在互联网技术广泛普及的推动下,互联网中的资源规模持续高速的增长,促进了云计算技术和大数据技术的不断发展,云计算是一种新兴的商业计算模式,它利用成熟的虚拟化技术将大量的基础设施资源集中起来,实现了数据中心资源的按需服务。区别于传统的数据中心,云数据中心更加具有规模化和自动化。如何有效的管理和维护云数据中心受到了各研究领域学者的广泛关注,针对云数据中心的特点,本文重点分析了云数据迁移当前主流策略存在的不足,特别是在负载平衡和带宽瓶颈等方面。通过深入研究和总结了云数据迁移策略,提出了一个基于改进的人工鱼群算法的数据迁移策略IAFA(Improved artificial fish-swarm algorithm)。数据迁移是数据系统整合中保证系统平滑升级和更新的关键部分,同样在云计算中也具有举足轻重的地位。数据迁移的质量不但是新系统投入使用的重要前提,也是今后稳定运行的有力保障。本文以自治的云计算系统为实验平台,将数据迁移策略应用到自治的云计算系统中,优化和提高云计算的服务性能为最终目标。有效地自治和实施动态迁移策略是本文的重点。本文提出的IAFA主要思想分为两个部分:首先,根据每个物理服务器的负载情况基于人工鱼群算法设计的目标函数进行全局搜索,并且为了避免个别人工鱼陷入局部最优,引入了自适应惯性权重。其次,在此过程中得到的最优解引入一个目标函数的约束限制,这样就能使此最优解在带宽利用率和负载均衡两个方面都是最优的。最后,实验结果显示:相比较现有的迁移策略,IAFA算法能为数据找到更加合适的目标迁移位置,分散了I/O操作并且对数据访问速度进行了优化,同时还提高了带宽利用率和服务器资源利用率。验证了能够解决云数据中心的带宽瓶颈问题,确保了云数据中心的服务透明化和运行高效性。本文应用了云计算仿真模拟平台Cloud Sim,对上文提出的算法进行仿真模拟。本文分析和研究了Cloud Sim的资源分配机制,在Cloud Sim上实现了最优、IAFA等算法的仿真程序,并对算法进行了模拟验证和对比分析,实验证明了IAFA算法的有效性。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TP393.09

【参考文献】

中国期刊全文数据库 前7条

1 周剑;张明新;;云计算平台即服务PaaS架构研究与设计[J];常熟理工学院学报;2012年08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 冯登国;张敏;张妍;徐震;;云计算安全研究[J];软件学报;2011年01期

4 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

5 徐立洋;;软件服务有SaaS硬件服务有HaaS[J];中国计算机用户;2009年12期

6 耿冰;于修理;;SaaS与传统软件的比较研究[J];沈阳师范大学学报(自然科学版);2009年01期

7 田荣华;卢显良;侯孟书;王晓斌;;P2P分布式存储系统[J];计算机科学;2007年06期

中国博士学位论文全文数据库 前2条

1 卢兴见;大规模云数据中心负载优化调度方法研究[D];浙江大学;2014年

2 李晓磊;一种新型的智能优化方法-人工鱼群算法[D];浙江大学;2003年

中国硕士学位论文全文数据库 前5条

1 程萌;基于混合优化算法的云计算资源分配研究[D];南京大学;2013年

2 冯伟;多目标优化的虚拟机调度模型与关键算法研究[D];复旦大学;2012年

3 吕良干;云计算环境下资源负载均衡调度算法研究[D];新疆大学;2010年

4 王洪雨;云计算中动态数据迁移的关键技术研究[D];大连海事大学;2010年

5 李永;基于虚拟机动态迁移技术的分析和研究[D];国防科学技术大学;2007年

，

本文编号：1150778