云平臺下虛擬機調度研究與實現(xiàn).pdf

1、云計算從網格計算、分布式計算、并行計算發(fā)展形成，打破傳統(tǒng)IT服務模式，通過與互聯(lián)網的結合成為一種新型商業(yè)模式，通過虛擬化技術對底層物理資源虛擬化形成虛擬資源池，數(shù)據(jù)中心對其統(tǒng)一管理、動態(tài)調配，為用戶提供透明服務。虛擬機作為計算資源分配給用戶，虛擬機與物理機之間的不同映射關系，帶來云數(shù)據(jù)中心不同的電能耗費、資源利用等。因此，虛擬機調度問題是云計算數(shù)據(jù)中心資源管理的重要問題。近年來，關于虛擬機調度問題的研究已有一些研究成果，但大多數(shù)研究均是

2、聚焦在服務器上，研究中較少考慮用戶服務質量以及網絡性能。
　　本文對目前虛擬機調度的研究現(xiàn)狀進行闡述與剖析，總結發(fā)現(xiàn)：一方面關于關聯(lián)虛擬機群組的調度問題目前研究較少，而忽略虛擬機之間的關聯(lián)性往往會造成虛擬機上用戶應用性能的下降。另一方面，面向多目標優(yōu)化的調度問題是目前的研究熱點，涉及到多個優(yōu)化目標的選擇、優(yōu)化算法的應用，目前在多個優(yōu)化目標的選擇上研究者較少考慮用戶服務質量。針對以上兩個問題，本文的主要研究內容如下：
　　(1

3、)研究了關聯(lián)虛擬機調度問題。研究中將網絡流量大的虛擬機集中放置以減少經過的鏈路層數(shù)，減少網絡總流量，提高通信效率；同時為避免過度集中放置造成鏈路擁塞，提出通過最大鏈路利用率最小化模型均衡網絡流量分布，減少擁塞率。因此，該調度方法綜合優(yōu)化兩個指標：網絡流量與鏈路利用率。采用改進蟻群算法HACO_SA求解，實驗中對比VMPACS算法以及PSO算法，相比兩種算法本文的改進算法在降低網絡流量方面，分別減少了14.1％以及12.8%；相比單目標優(yōu)

4、化網絡流量，HACO_SA算法的最大鏈路利用率得到了明顯降低。
　　(2)研究了面向多目標的虛擬機調度問題。以目前云數(shù)據(jù)中心電能耗費巨大這一問題為切入點，提出服務器上各維度資源均衡利用，避免因木桶效應造成資源浪費，在優(yōu)化以上兩個目標時不能忽略 SLA違背率。這是一個經典的多目標優(yōu)化問題，采用分組遺傳算法GGA_FLT求解，同時用模糊邏輯方法對各個優(yōu)化目標進行模糊處理以解決多目標優(yōu)化問題中權重不確定的情況。對比GGA算法以及MMA算