论文部分内容阅读
云计算是一种新的商业计算模型和服务模式,它将计算任务分布在大量计算机构成的不同数据中心使各种应用能够根据需要获取计算能力、存储空间和信息服务。云计算数据中心利用虚拟化技术将各种软硬件资源抽象为虚拟化资源,形成虚拟化资源池,再通过资源调度技术以“按需使用,按量付费”的原则将这些资源提供给用户使用。随着现代数据中心的规模和用户数量急剧增大,如何快速高效地动态部署数据中心的这些资源成为云计算资源调度的重要问题。因此如何在保证用户服务质量,不违反服务水平协议(Service Level Agreement, SLA)的情况下提高数据中心资源的使用效率是云环境下资源调度需要研究的主要问题。云系统的负载均衡和最小化数据中心运营成本是云环境下的资源调度面临的性能优化和成本控制的两大关键问题。针对系统负载不均衡导致的资源浪费和系统瓶颈等问题,本文提出了基于改进模拟退火的云环境下虚拟机资源的负载平衡调度算法(Simulated Annealing Load Balancing:SALB),通过最小化物理主机负载的标准差来达到系统的负载平衡。区别于传统的SA算法中随机选取初始解和邻域解的方式,本文根据系统的实时负载情况来选取合适的初始解和产生新的邻域解。利用虚拟机迁移技术,将负载过高的物理机上运行的虚拟机迁移到负载低的物理主机上,在迁移的过程中利用模拟退火的思想以一定的概率接受劣质解从而避免陷入局部最优解。在扩展后的CloudSim平台上实现了负载平衡调度算法SALB的仿真,实验结果表明SALB能够取得优于传统的模拟退火算法和轮询调度算法更好的系统负载平衡。针对数据中心运营成本控制的问题,本文提出了基于模拟退火思想的改进遗传算法(Simulated Annealing combined Genetic Algorithm:SACGA)用于虚拟机资源分配来降低数据中心的运营成本。通过在传统遗传算法的交叉和变异过程中加入模拟退火的思想,在进化过程中以一定的概率接受劣质解,使得遗传算法能够避免过早地陷入局部最优解和早熟现象的发生。仿真结果表明SACGA能够在保证客户服务水平协议的基础上节省数据中心的操作代价,使得系统操作代价低于使用传统的遗传算法作为资源调度策略。最后总结全文并说明下一步的研究内容。