论文部分内容阅读
云计算可以为用户带来无穷的计算资源和诸多服务,用户可以像获取水电和煤气一样自由的按需获取这些资源和服务。数据中心作为云计算的根基,是云计算中数据传输、计算以及存储的中心。随着云计算的快速发展和普及,数据中心的规模和复杂度也日益增长，如何有效的动态管理资源成为数据中心所面临的新挑战。
目前,云数据中心内普遍存在负载不均衡和资源利用率低的问题。云计算服务的提供者需要考虑如何合理的将虚拟机放置在物理机上,在满足用户的应用需求的同时,能提高资源利用率降低运营成本。因此,通过有效的资源调度方法来提高云数据中心资源利用率和整体性能,对管理和优化物理机集群的资源调度具有很强的实际意义。基于以上问题,本文对云数据中心资源调度问题进行了研究,提出了资源利用率及物理机负载均衡问题的解决方法。主要做了以下几个方面研究工作：
首先,针对云资源调度问题的对相关研究进行总结,并在此基础上进行了深入分析,对物理机资源利用率、物理机归类、阈值区间等核心问题进行建模,提出了基于云数据中心任务量的不平衡率为参考指标,并改进了传统的模拟退火算法。
其次,将数据中心的虚拟机的整个调度过程分为两个阶段,虚拟机初始化放置阶段和虚拟机动态迁移阶段。在虚拟机初始化放置阶段,将此定义为类似装箱问题,提出了基于优化模拟退火(Improved Simulated Annealing,ISA)算法的虚拟机初始化放置方法,解决NP难的问题。实验表明,与传统启发式虚拟机放置方法相比,基于该算法的虚拟机放置方法的收敛速度更快,并得到较好的分配策略。在虚拟机动态迁移阶段,提出了一种基于动态阈值区间(Dynamic Threshold Interval,DTI)负载均衡算法，来解决云数据中心物理机负载不均衡的问题。该算法通过时间段的平均负载预测来判定触发负载均衡的时机;根据虚拟机的负载特征选择待迁移的虚拟机,根据物理机归类方法选择虚拟机迁移的目标物理机；通过阈值区间约束计算节点的资源利用率,达到物理机负载均衡的目的;根据任务量的变化,调整阈值区间的范围,达到云数据中心动态负载均衡的目的。
最后,在上述研究的基础上,通过分析云数据中心资源调度系统的需求,设计了多个实验场景,基于开源云仿真平台CloudSim进行仿真对比实验。通过分析实验结果,可以证明该方法能够在提升高任务量情况下的有效的放置虚拟机,并对物理机集群的进行动态负载均衡优化,从而验证了本文提出方法的有效性。
目前,云数据中心内普遍存在负载不均衡和资源利用率低的问题。云计算服务的提供者需要考虑如何合理的将虚拟机放置在物理机上,在满足用户的应用需求的同时,能提高资源利用率降低运营成本。因此,通过有效的资源调度方法来提高云数据中心资源利用率和整体性能,对管理和优化物理机集群的资源调度具有很强的实际意义。基于以上问题,本文对云数据中心资源调度问题进行了研究,提出了资源利用率及物理机负载均衡问题的解决方法。主要做了以下几个方面研究工作：
首先,针对云资源调度问题的对相关研究进行总结,并在此基础上进行了深入分析,对物理机资源利用率、物理机归类、阈值区间等核心问题进行建模,提出了基于云数据中心任务量的不平衡率为参考指标,并改进了传统的模拟退火算法。
其次,将数据中心的虚拟机的整个调度过程分为两个阶段,虚拟机初始化放置阶段和虚拟机动态迁移阶段。在虚拟机初始化放置阶段,将此定义为类似装箱问题,提出了基于优化模拟退火(Improved Simulated Annealing,ISA)算法的虚拟机初始化放置方法,解决NP难的问题。实验表明,与传统启发式虚拟机放置方法相比,基于该算法的虚拟机放置方法的收敛速度更快,并得到较好的分配策略。在虚拟机动态迁移阶段,提出了一种基于动态阈值区间(Dynamic Threshold Interval,DTI)负载均衡算法，来解决云数据中心物理机负载不均衡的问题。该算法通过时间段的平均负载预测来判定触发负载均衡的时机;根据虚拟机的负载特征选择待迁移的虚拟机,根据物理机归类方法选择虚拟机迁移的目标物理机；通过阈值区间约束计算节点的资源利用率,达到物理机负载均衡的目的;根据任务量的变化,调整阈值区间的范围,达到云数据中心动态负载均衡的目的。
最后,在上述研究的基础上,通过分析云数据中心资源调度系统的需求,设计了多个实验场景,基于开源云仿真平台CloudSim进行仿真对比实验。通过分析实验结果,可以证明该方法能够在提升高任务量情况下的有效的放置虚拟机,并对物理机集群的进行动态负载均衡优化,从而验证了本文提出方法的有效性。