首页> 中文学位 >基于SLA的云资源分配模型研究与优化
【6h】

基于SLA的云资源分配模型研究与优化

代理获取

目录

声明

摘要

第1章 绪论

1.1 研究背景和意义

1.2 国内外研究现状分析

1.3 主要工作内容

1.4 论文的组织结构

第2章 相关技术介绍

2.1 虚拟化技术

2.1.1 硬件抽象层虚拟化

2.1.2 操作系统级别虚拟化

2.1.3 指令级别虚拟化

2.1.4 编程语言层虚拟化

2.2 SLA

2.2.1 SLA参数

2.2.2 SLA协商

2.2.3 SLA监控

2.3 排队网络技术

2.3.1 输入过程

2.3.2 排队规则

2.3.3 服务机构

2.3.4 常见基本数学模型

2.4 本章小结

第3章 基于排队理论的云资源分配模型

3.1 资源管理框架

3.1.1 云计算环境模型

3.1.2 云数据中心资源模型

3.2 资源分配模块

3.2.1 服务中心模型

3.2.2 服务器性能模型

3.2.3 收益模型

3.2.4 能耗模型

3.3 资源分配方案

3.3.1 分配待解决问题

3.3.2 目标函数

3.4 模型分析

3.5 本章小结

第4章 基于粒子群算法的资源分配模型求解

4.1 粒子群算法单机求解

4.1.1 粒子群算法原理

4.1.2 粒子编码

4.1.3 群体初始化

4.1.4 粒子更新

4.2 基于MapReduce的并行粒子群求解

4.2.1 MapReduce描述

4.2.2 并行粒子群编码

4.3 本章小结

第5章 实验结果对比与分析

5.1 实验平台

5.1.1 单机环境

5.1.2 Hadoop平台搭建

5.2 实验参数

5.3 实验结果及分析

5.4 算法复杂度分析

5.5 本章小结

第6章 结论与展望

6.1 结论

6.2 展望

参考文献

致谢

展开▼

摘要

云计算是一种新型的基于网络的计算方式,可以按照客户的需求供应相应的的资源。近年来,云计算逐渐成为了信息产业的主流发展趋势,同时也成为了学术界研究的热点。但随着用户规模的扩大,用户的请求越来越呈现出多样性、动态性、复杂性的特点,以及数据中心的能耗问题也日益突出,这些都给云资源的调度分配带来了挑战。与此同时,用户对响应时间等服务质量的的要求也越来越高,而SLA能提供一个服务质量的保障。因此在SLA的基础上研究云资源分配是很有必要的。
  在对国内外研究现状分析的基础上,本文提出了一种改进的云计算资源分配模型,并采用了一种群体智能算法对其求解。主要的内容有:
  (1)充分考虑用户对服务质量的需求,同时以云服务提供商获得的利润最大化为目标而建立目标函数。介绍了云资源管理平台中存在的功能模块,并对它们之间的信息流动进行了分析。采用了排队理论对请求服务的过程进行建模并评估响应时间,同时综合考虑了用户请求的分层处理,云计算系统的负载状况,根据预测的请求的数量完成对虚拟资源的供给以及分配。
  (2)在上述的资源分配模型中存在多个互相约束的变量,且其属于NP难度的问题。传统解法是通过贪心算法将问题分割成多个子问题求解,但是需要证明分割后求得的子结果求和是原问题的最优解,且证明过程复杂。因此本文提出了采用群体智能算法求解该模型的方案。而粒子群算法作为智能算法一种,它具有实现容易、精度高、收敛快等优点,且可以完成对所有变量的整体编码,因此采用该算法对模型求解。并在求解过程中对离散粒子的连续化处理问题做出了说明。
  (3)考虑到当算法中种群规模过大或者请求数量比较多时,在单机环境下求解模型耗费时间比较长的问题,提出了采用基于分布式编程模型MapReduce进行并行求解的方案。
  最后通过单机环境和搭建的基于Hadoop的分布式平台上对模型求解做了实验,并进行了对比分析。实验表明,PSO算法能比较有效的动态的寻找最优解,且在种群规模较大时,并行PSO算法能大幅的节省运算的时间,提高执行效率。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号