發(fā)布時(shí)間：2020-12-25 20:40

　　由于云數(shù)據(jù)中心包括多種物理設(shè)備以及網(wǎng)絡(luò)設(shè)備,資源管理量龐大,在靜態(tài)資源管理的很多情況會(huì)出現(xiàn)少數(shù)物理設(shè)備負(fù)載過重而多數(shù)設(shè)備負(fù)載過輕或者閑置的現(xiàn)象,導(dǎo)致資源利用率過低并且造成不必要的開銷,實(shí)現(xiàn)云數(shù)據(jù)中心資源的高利用率以及滿足用戶服務(wù)要求的目標(biāo)對(duì)解決目前所存在的挑戰(zhàn)具有十分重要的意義。本文通過分析云計(jì)算資源調(diào)度特點(diǎn),對(duì)虛擬機(jī)動(dòng)態(tài)遷移問題提出了基于多因素的主機(jī)過載檢測(cè)策略和改進(jìn)的粒子群算法,主要做了以下工作:(1)分析了國內(nèi)外政府,企業(yè)以及高校對(duì)云計(jì)算的研究現(xiàn)狀和重視程度,介紹了國內(nèi)外學(xué)者對(duì)云計(jì)算數(shù)據(jù)中心虛擬機(jī)調(diào)度問題的理論研究現(xiàn)狀以及其發(fā)展中遇到的一些問題。(2)系統(tǒng)的介紹了云計(jì)算技術(shù)的基本概念以及相關(guān)的技術(shù)特點(diǎn),深入對(duì)云計(jì)算虛擬機(jī)整合技術(shù)進(jìn)行學(xué)習(xí)和研究。(3)深入學(xué)習(xí)了我所用到的云計(jì)算仿真平臺(tái)CloudSim,包括它的系統(tǒng)架構(gòu)和里面用到的各種策略,讓我在代碼層面更加理解了云計(jì)算數(shù)據(jù)中心的運(yùn)行過程。(4)提出了云數(shù)據(jù)中心物理機(jī)基于CPU,內(nèi)存,帶寬三種資源相結(jié)合的動(dòng)態(tài)閾值主機(jī)過載檢測(cè)策略,提出了虛擬機(jī)最大利用率選擇方法,減少了不必要的虛擬機(jī)遷移次數(shù);給出了多靜態(tài)低利用率閾值主機(jī)欠載檢測(cè)方法,... 

【文章來源】：深圳大學(xué)廣東省

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 云計(jì)算國內(nèi)外研究現(xiàn)狀
        1.2.1 國內(nèi)研究現(xiàn)狀
        1.2.2 國外研究現(xiàn)狀
    1.3 主機(jī)過載檢測(cè)方法研究現(xiàn)狀
    1.4 虛擬機(jī)動(dòng)態(tài)整合問題研究現(xiàn)狀
    1.5 云計(jì)算發(fā)展遇到的主要問題
    1.6 論文的主要貢獻(xiàn)
    1.7 論文的組織結(jié)構(gòu)
第2章 云計(jì)算及其相關(guān)技術(shù)
    2.1 云計(jì)算的概念
    2.2 云計(jì)算的體系結(jié)構(gòu)
    2.3 云數(shù)據(jù)中心架構(gòu)
    2.4 虛擬化技術(shù)
    2.5 虛擬機(jī)遷移技術(shù)
第3章 仿真平臺(tái)CloudSim介紹
    3.1 CloudSim框架
    3.2 能量模型
    3.3 負(fù)載來源
    3.4 性能評(píng)價(jià)指標(biāo)
    3.5 平臺(tái)中相關(guān)策略
        3.5.1 主機(jī)過載檢測(cè)算法
        3.5.2 虛擬機(jī)選擇算法
        3.5.3 虛擬機(jī)分配算法和欠載檢測(cè)
第4章 主機(jī)檢測(cè)和虛擬機(jī)選擇策略
    4.1 虛擬機(jī)動(dòng)態(tài)整合框架
    4.2 SLA的計(jì)算
    4.3 多因素主機(jī)過載檢測(cè)方法
    4.4 多因素過載檢測(cè)策略性能分析
    4.5 主機(jī)欠載檢測(cè)方法
    4.6 虛擬機(jī)選擇策略
    4.7 虛擬機(jī)選擇策略性能仿真
    4.8 綜合性能仿真
第5章 基于群智能算法的虛擬機(jī)調(diào)度
    5.1 標(biāo)準(zhǔn)粒子群算法
    5.2 基于粒子群算法的虛擬機(jī)調(diào)度
        5.2.1 虛擬機(jī)調(diào)度問題的粒子群編碼
        5.2.2 適應(yīng)度函數(shù)的選擇
        5.2.3 標(biāo)準(zhǔn)粒子群算法性能分析
    5.3 標(biāo)準(zhǔn)粒子群局部搜索的改進(jìn)
        5.3.1 極值優(yōu)化（EO）
        5.3.2 混合PSO-EO算法
        5.3.3 變異操作
        5.3.4 輔助更新操作
    5.4 結(jié)果分析
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]A novel virtual machine deployment algorithm with energy efficiency in cloud computing[J]. 周舟,胡志剛,宋鐵,于俊洋.  Journal of Central South University. 2015(03)
[2]云計(jì)算環(huán)境下任務(wù)調(diào)度研究綜述[J]. 申倩,許美玉,姜春茂.  智能計(jì)算機(jī)與應(yīng)用. 2014(06)
[3]云計(jì)算環(huán)境下虛擬機(jī)在線遷移優(yōu)化[J]. 馬路路,趙逢禹.  信息技術(shù). 2014(11)
[4]云計(jì)算環(huán)境下虛擬機(jī)在線遷移策略研究[J]. 苗國義,穆瑞輝.  計(jì)算機(jī)測(cè)量與控制. 2013(08)
[5]Transparent Computing: Spatio-Temporal Extension on von Neumann Architecture for Cloud Services[J]. Yaoxue Zhang,Yuezhi Zhou.  Tsinghua Science and Technology. 2013(01)
[6]基于改進(jìn)的微粒群優(yōu)化算法的0-1背包問題求解[J]. 沈顯君,王偉武,鄭波盡,李元香.  計(jì)算機(jī)工程. 2006(18)

博士論文
[1]云計(jì)算數(shù)據(jù)中心結(jié)構(gòu)及其調(diào)度機(jī)制研究[D]. 劉曉茜.中國科學(xué)技術(shù)大學(xué) 2011

碩士論文
[1]云計(jì)算環(huán)境下虛擬機(jī)實(shí)時(shí)遷移及負(fù)載均衡研究[D]. 姜雅楠.遼寧大學(xué) 2014
[2]云計(jì)算環(huán)境下的虛擬機(jī)資源分配[D]. 余沛.西安電子科技大學(xué) 2014
[3]基于云計(jì)算環(huán)境的虛擬機(jī)內(nèi)存管理研究[D]. 許磊.哈爾濱工程大學(xué) 2013
[4]云計(jì)算環(huán)境下的調(diào)度策略研究[D]. 吳毅華.上海交通大學(xué) 2011



本文編號(hào)：2938356