论文部分内容阅读
目前云计算环境中的资源主要是虚拟机资源,其核心思想是通过虚拟化技术将数据中心的各种硬件资源进行虚拟化从而形成虚拟资源池,再通过资源调度管理以“按需使用,按量付费”的原则把这些资源提供给用户透明使用。随着用户数量和数据中心规模的不断扩大,云计算面临的主要挑战就是如何快速高效地动态部署这些虚拟机资源,而虚拟机资源的调度效率将直接影响云平台的整体性能,因此,在满足用户服务质量(QoS)要求并且任务的总执行时间最短和不违反服务等级协议(SLA)的前提下,如何提高数据中心的资源利用率是云环境下资源调度管理需要研究的主要问题。云环境中的资源调度是将虚拟资源池中的虚拟机资源分配给用户提交的任务使用的一个过程,当大量用户提交任务时,必须采取一个合理有效的资源调度策略才能使资源得到最佳利用。本文主要研究云环境下的虚拟机资源调度策略,所做的主要工作和创新包括以下几点:1.首先系统分析了云计算的研究背景和意义,以及国内外的发展和研究现状,并且详细介绍了云计算及其一些关键实现技术。然后通过仔细分析虚拟机资源和虚拟机资源调度的特点,总结了云计算的虚拟机资源调度模型和目标,以及常用资源调度算法的优缺点。2.对比分析了一些如Amazon、IBM等著名IT厂商云数据中心的资源调度策略。对云计算环境中的资源调度问题进行了研究,鉴于当前云环境中资源利用率不高,节点负载不均衡的问题,首先研究了一种新的基于遗传算法的关于虚拟机负载均衡的调度策略,根据历史数据和系统的当前状态以及通过遗传算法,该策略能够达到最佳负载均衡和减少或避免动态迁移。然后探讨了一种基于改进遗传算法的虚拟机资源调度算法,该算法通过虚拟资源列表及其更新的属性创建以目标为导向的初始种群,为了创建初始种群,采用两个阶段进行评估。在第一阶段,基于图的拓扑结构中任务之间的影响,将所有用户任务按优先级排序;在第二阶段,通过结合Best-Fit和Round Robin方法来选择好的候选资源。最后,使用交叉和变异操作来获得最佳解决方案。3.为了验证算法的可行性及有效性,本文使用墨尔本大学研发的云计算仿真平台——CloudSim,模拟了云环境下的虚拟机资源和用户任务,对本文探讨的两种算法进行了模拟。通过从多个角度进行分析和比较,本文研究的两种算法拥有更短的任务执行时间和更高的执行效率,能够实现较好的负载均衡,并且提高了资源利用率,更加适用于云环境。最后总结全文并提出了未来的研究方向。