發(fā)布時(shí)間：2025-02-07 19:57

　　近年來,隨著云計(jì)算的大規(guī)模應(yīng)用,越來越多的云應(yīng)用部署在數(shù)據(jù)中心中。同時(shí),虛擬化技術(shù)的快速發(fā)展,使得云應(yīng)用能更加高效地共享數(shù)據(jù)中心的物理資源。依靠虛擬化技術(shù),云應(yīng)用一般部署在虛擬機(jī)群(Virtual Cluster,VC)中,VC 是一種多個(gè)虛擬機(jī)(Virtual Machine,VM)的抽象,且這些虛擬機(jī)都需要放置在相應(yīng)的物理機(jī)上(Physical Machine,PM)。如何合理分配和管理物理資源以供給云應(yīng)用的虛擬化資源調(diào)度問題成為工業(yè)界和學(xué)術(shù)界的研究熱點(diǎn)之一,虛擬機(jī)放置問題和虛擬集群分配問題則為其中兩類具有代表性的問題。然而,由于數(shù)據(jù)中心中存在設(shè)備失效的可能性,從而影響云應(yīng)用的可靠性�？煽啃�,作為服務(wù)質(zhì)量(Quality of Service,QoS)中一個(gè)非常重要的方面,在資源調(diào)度問題上受到非常多的關(guān)注。因此,云數(shù)據(jù)中心中可靠性感知的資源調(diào)度問題,正作為資源調(diào)度問題的一類熱門分支問題。關(guān)于虛擬機(jī)放置問題和虛擬集群分配問題,以及可靠性感知的資源調(diào)度問題已經(jīng)得到了廣泛的關(guān)注且獲得了許多有價(jià)值的研究成果,但是在此基礎(chǔ)上考慮數(shù)據(jù)中心流量優(yōu)化、數(shù)據(jù)中心能耗優(yōu)化和數(shù)據(jù)中心資源的優(yōu)化方面還存在不...

【文章頁數(shù)】：133 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究內(nèi)容及主要貢獻(xiàn)
    1.3 論文組織結(jié)構(gòu)
    參考文獻(xiàn)
第二章 相關(guān)研究綜述
    2.1 基于虛擬化資源調(diào)度問題分類及相關(guān)研究分析
    2.2 VMP/VCA/VNE優(yōu)化問題研究綜述
        2.2.1 可靠性感知的調(diào)度研究
        2.2.2 流量感知的調(diào)度研究
        2.2.3 能耗感知的調(diào)度研究
    2.3 本章小節(jié)
    參考文獻(xiàn)
第三章 數(shù)據(jù)中心中可靠性保障的流量感知虛擬機(jī)放置優(yōu)化
    3.1 引言
    3.2 問題描述及系統(tǒng)模型
        3.2.1 問題描述
        3.2.2 可靠性模型
        3.2.3 帶寬消耗模型
        3.2.4 問題模型
        3.2.5 問題復(fù)雜性分析
    3.3 所提TRVMPO算法
        3.3.1 選擇物理機(jī)和生成放置槽
        3.3.2 基于最小k割的匹配
        3.3.3 放置虛擬機(jī)至目標(biāo)物理機(jī)
        3.3.4 算法有效性分析
    3.4 性能評估
        3.4.1 實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置
        3.4.2 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
    參考文獻(xiàn)
第四章 數(shù)據(jù)中心中可靠性提高的流量感知虛擬集群分配優(yōu)化
    4.1 引言
    4.2 問題描述及系統(tǒng)模型
        4.2.1 數(shù)據(jù)中心模型
        4.2.2 虛擬集群模型
        4.2.3 可靠性模型
        4.2.4 帶寬消耗模型
        4.2.5 帶約束的聯(lián)合優(yōu)化問題建模
    4.3 所提AE-TO算法
        4.3.1 BBO算法的基礎(chǔ)原理和關(guān)鍵術(shù)語
        4.3.2 遷移操作
        4.3.3 變異操作
        4.3.4 排序操作和移除操作
        4.3.5 基于BBO算法改進(jìn)的AE-TO算法
        4.3.6 AE-TO算法實(shí)現(xiàn)
        4.3.7 AE-TO算法復(fù)雜度分析
    4.4 性能評估
        4.4.1 實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置
        4.4.2 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
    參考文獻(xiàn)
第五章 可靠性與能耗感知的虛擬集群分配多目標(biāo)優(yōu)化
    5.1 引言
    5.2 問題描述及系統(tǒng)模型
        5.2.1 REMVCAO問題描述
        5.2.2 可靠性模型
        5.2.3 能耗模型
        5.2.4 資源平均利用率模型
        5.2.5 資源負(fù)載均衡模型
        5.2.6 帶約束的多目標(biāo)優(yōu)化問題建模
    5.3 所提IBBBO算法
        5.3.1 基礎(chǔ)知識
        5.3.2 遷移算子
        5.3.3 變異算子
        5.3.4 移除算子
        5.3.5 相似度與相似度閾值
        5.3.6 收斂度與收斂度閾值
        5.3.7 效用函數(shù)與可行解閾值
        5.3.8 IBBBO算法實(shí)現(xiàn)
        5.3.9 IBBBO算法復(fù)雜度分析
    5.4 性能評估
        5.4.1 實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置
        5.4.2 實(shí)驗(yàn)結(jié)果與分析
        5.4.3 相似度閾值和收斂度閾值對優(yōu)化結(jié)果的影響
    5.5 本章小結(jié)
    參考文獻(xiàn)
第六章 結(jié)束語
    6.1 論文總結(jié)
    6.2 進(jìn)一步工作
致謝
攻讀學(xué)位期間發(fā)表及在審的學(xué)術(shù)論文目錄



本文編號：4031220