数据中心中的虚拟化资源管理—部署与使用

发布时间：2017-12-11 15:09

  本文关键词：数据中心中的虚拟化资源管理—部署与使用

  更多相关文章： 数据中心 虚拟化 资源利用率 作业完成时间

【摘要】：随着大数据与云计算技术的发展,数据中心已经成为了我们便捷生活背后一个必不可少的基础。生物医学、智能交通、各领域的个性化推荐背后巨大的数据量和计算量都需要集中有大量计算和存储资源的数据中心的支持。提高数据中心的使用效率不仅能够为上层应用提供更好的支持,也能够为服务提供商节约巨额成本,获得更大收益。因此,如何提高数据中心的资源利用率是一个值得研究的问题。近年来,随着虚拟化技术的发展,对数据中心的研究工作已经步入了一个新的阶段。数据中心不再只是放置服务器和其他相关组件的基础设施,而是逐渐将服务器提供的逻辑资源和物理实体剥离开来,以云服务的方式向第三方提供虚拟化资源。本文分公有云和私有云两部分对现有数据中心的虚拟化资源管理存在的问题进行了讨论。对于公有云共享的虚拟机资源,现有多租户数据中心的虚拟机部署算法对有软件形式中间件的存在的情况并未给出对租户的带宽保障。本文的工作考虑了租户对软件中间件的需求,提出了一种基于网络功能虚拟化环境的多租户数据中心虚拟机资源部署方法MISSILE,使得租户的需求得到保障的同时最大化数据中心的虚拟机利用率,以最大化数据中心的收益。通过仿真实验,我们验证了我们算法在对租户的接收率、虚拟机资源利用率以及带宽利用率上的有效性。对于私有云上运行的大数据处理框架的资源共享,现有工作大多把精力放在部署于资源管理平台上的调度算法上。然而,上层数据处理框架申请的资源可能并不能正确描述任务执行所需要的实际资源。一方面,用户可能并不了解自己的应用需要多少资源,另一方面,随着要处理的数据量和时间的不同,应用需要资源是动态变化的。这就导致了上层框架向资源管理平台请求的资源不一定能满足当前需要执行任务的需求。虽然现在已有一些能够随数据动态调整资源需求的方法,但这些方法会带来较大的额外开销。本文针对之前工作的这些局限性,基于大数据处理平台Spark原有的资源管理模式提出了一种改进的"动态资源申请"方法,有效减少了向大数据处理平台提交的作业(Job)的平均作业完成时间(Job Completion Time,JCT)。通过在一个有72个CPU内核,185.2GB内存的集群上的实验,验证了我们工作比起现有的其他3种资源申请方法能够更快获得运行用户作业需要的资源从而更快完成用户作业。
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP308

【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：1278900