云计算环境下资源需求预测与调度方法的研究

发布时间：2018-01-26 15:16

本文关键词： 云计算粒子群 RBF神经网络资源调度　出处：《小型微型计算机系统》2016年04期 　论文类型：期刊论文

【摘要】：为了实现云计算资源调度的多目标优化,提高资源利用率和保证云应用的服务质量,通过对云计算系统进行研究,设计并实现了一种基于RBF神经网络和粒子群算法的云计算资源动态调度系统.首先,提出云计算资源的动态调度系统的管理框架,并给出本框架形式;其次,设计并实现了一种综合运用RBF神经网络和改进粒子群算法,并通过预测资源的需求量、考虑应用性能、物理结点个数以及当前的负载情况的多目标资源调度方法.在Cloud Sim平台进行了仿真,实验结果表明提出的框架及算法能有效减少虚拟机迁移次数和物理结点的使用数量,提高资源的利用率的同时,也保证了云应用的服务质量,并具有较高的实用性和可行性.
[Abstract]:In order to achieve multi-objective optimization of cloud computing resource scheduling, improve resource utilization and ensure the quality of service of cloud applications, the cloud computing system is studied. A cloud computing resource dynamic scheduling system based on RBF neural network and particle swarm optimization algorithm is designed and implemented. Firstly, the management framework of cloud computing resource dynamic scheduling system is proposed, and the form of this framework is given. Secondly, we design and implement a comprehensive application of RBF neural network and improved particle swarm optimization algorithm, and consider the application performance by predicting the demand of resources. The multi-objective resource scheduling method based on the number of physical nodes and the current load is simulated on the Cloud Sim platform. Experimental results show that the proposed framework and algorithm can effectively reduce the number of virtual machine migration and the number of physical nodes, improve the utilization of resources, but also ensure the quality of service of cloud applications. And it has high practicability and feasibility.
【作者单位】：东北大学信息科学与工程学院;沈阳大学信息工程学院;
【基金】：国家自然科学基金面上项目(61472070)资助辽宁省自然科学基金项目(2013020011)资助辽宁省社会科学基金项目(L14ASH001)资助
【分类号】：TP183
【正文快照】： 1引言云计算是一种商业计算模型,它将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和各种软件资源.云计算系统以虚拟化技术为基础,把IT资源进行封装,以资源的方式提供给用户使用[1].在云计算系统中,由于云计算的复杂性和不确定性,

【相似文献】