云計算中基于組合優(yōu)化的虛擬資源調(diào)度算法研究.pdf

1、云計算技術通過對物理資源的整合與再分配，提高了集群的資源利用率。而虛擬化技術則是實現(xiàn)物理資源抽象、分類與整合并提供彈性計算服務的基礎。從云計算層次模型來看，基礎設施即服務層（IaaS）完成了物理資源的抽象、分類過程，并形成一個龐大的資源池，所有的資源請求均可以從資源池中獲取。這樣，云計算平臺就可以統(tǒng)一的管理由異構的物理機組成的計算集群。在該場景下，一臺物理機的資源可能被多個虛擬機所共享。如何有效完成物理機資源到虛擬資源的映射，優(yōu)化虛擬資

2、源的分配與調(diào)度就成為云計算資源管理中一個亟待解決的問題。
　　本文的主要工作與成果：
　　1.本文為云計算服務系統(tǒng)建立了三種數(shù)學模型，分別為可變?nèi)萘康姆漳Ｐ?、固定容量的動態(tài)模型和可變?nèi)萘康撵o態(tài)模型。其中可變?nèi)萘康姆漳Ｐ妥罱咏鼘嶋H場景。為了簡化研究過程，還提出了固定容量的服務模型。將模型簡化為只有一種物理機類型，另外根據(jù)虛擬機離開系統(tǒng)的時機不同，將固定容量的服務模型分為動態(tài)模型和靜態(tài)模型。
　　2.在上述三種模型的基

3、礎上分別提出了基于組合優(yōu)化的虛擬資源調(diào)度算法，針對可變?nèi)萘康姆漳Ｐ吞岢?MS-V算法，在該模型中有多種類型的物理機，為不同種類的物理機制定不同的代價，其優(yōu)化目標為集群中開啟的物理機的代價之和最小。而在簡化的固定容量的服務模型中，提出了MS-SF、MS-DF算法，由于只有一種類型的物理機故其權重均相同，優(yōu)化目標為開啟的物理機的數(shù)量最少。
　　3. MS-SF為其余兩種算法的理論基礎，MS-DF和MS-V都是MS-SF的擴展。本文引

4、入了優(yōu)化配置對（EnhancingConfiguration Pair）的概念來表示對優(yōu)化目標的提升。在本文的第三章證明了在MS-SF算法中，當集群狀態(tài)在偏離最優(yōu)解一定距離時，一定存在優(yōu)化配置對可以優(yōu)化目標。
　　4.本文根據(jù)MS系列算法設計了虛擬資源調(diào)度系統(tǒng)的原型。系統(tǒng)原型采用主從式的結構，有一個控制節(jié)點和多個計算節(jié)點組成。
　　5.本文在最后描述了使用cloudsim仿真MS系列的算法，并將MS系列算法與經(jīng)典的啟發(fā)式算法