云計(jì)算環(huán)境下基于改進(jìn)粒子群算法的動(dòng)態(tài)資源調(diào)度研究.pdf

1、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)中心高利用率以及負(fù)載均衡的目標(biāo)對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)及問題，提出了基于改進(jìn)粒子群算法的虛擬機(jī)放置方法以及虛擬機(jī)動(dòng)態(tài)遷移策略，主要做了以下工作:
　　(1)對云數(shù)據(jù)中心建立數(shù)學(xué)模型，抽

2、象數(shù)據(jù)中心，對云數(shù)據(jù)中心資源進(jìn)行了分析和數(shù)學(xué)描述，對CPU，內(nèi)存，網(wǎng)絡(luò)三種資源進(jìn)行量化，便于實(shí)驗(yàn)研究。
　　(2)對粒子群算法更新公式進(jìn)行改進(jìn)，使得粒子群算法能夠在整數(shù)集上運(yùn)用，并改變相關(guān)參數(shù)定義，使之能夠適應(yīng)云數(shù)據(jù)中心的數(shù)學(xué)模型運(yùn)用。改進(jìn)算法步驟，對利用率和負(fù)載均衡共同關(guān)注，通過最大最小函數(shù)解出多種資源請求下的最優(yōu)解，增加迭代中子代粒子種群數(shù)量，增加采樣區(qū)域，使得虛擬機(jī)得到更好的部署，減少數(shù)據(jù)中心的開銷。
　　(3)提出基

3、于預(yù)測的虛擬機(jī)遷移策略，減少不必要的虛擬機(jī)遷移以免引起系統(tǒng)不穩(wěn)定和額外開銷。設(shè)計(jì)了基于預(yù)測的虛擬機(jī)遷移觸發(fā)條件，減少瞬間峰值帶來不必要遷移。選擇最少遷移次數(shù)作為虛擬機(jī)遷出策略，減少遷移次數(shù)。使用最佳適應(yīng)算法作為目標(biāo)物理機(jī)選擇策略。解決了1、選擇何時(shí)進(jìn)行虛擬機(jī)遷移;2、選擇哪些虛擬機(jī)進(jìn)行遷出;3、選擇哪些物理機(jī)進(jìn)行遷入的三個(gè)問題。
　　(4)在云計(jì)算仿真器CloudSim中進(jìn)行仿真測試，對比基于貪心算法的輪詢放置方案，基本粒子群算法