云計算聯(lián)盟資源調(diào)度方法研究.pdf

1、云計算是繼水、電、氣和通信之后的第5效用(utility)，隨著云計算的不斷發(fā)展，單一云供應商由于資源有限無法滿足所有用戶的請求也無法保證提供給用戶的資源的服務質(zhì)量，再加上提供云服務的供應商數(shù)量不斷增加，所以也就促使著各個云供應商之間的合作以及云計算聯(lián)盟的形成。云計算聯(lián)盟中用戶及云供應商的數(shù)量都比單一供應商環(huán)境下要多，各個云供應商都能提供一些基礎服務，那么如何將用戶的請求任務分配給云供應商就變成了云計算聯(lián)盟需要解決的問題，而這個過程也就

2、是云聯(lián)盟的資源調(diào)度問題?，F(xiàn)有關(guān)于云計算聯(lián)盟的研究較少，而已有的研究也主要是對云計算聯(lián)盟的架構(gòu)進行探討，較少有人對云聯(lián)盟的資源調(diào)度問題進行研究?；谝陨蠁栴}，本文建立了云計算聯(lián)盟資源調(diào)度模型，并提出了基于遺傳算法的用戶利益最大化資源調(diào)度方法以及基于蟻群算的供應商利益最大的資源調(diào)度方法，同時實現(xiàn)了基于CloudSirn的云聯(lián)盟資源調(diào)度算法。本文具體工作如下。
　　(1)云計算聯(lián)盟資源調(diào)度模型的建立。云計算聯(lián)盟資源調(diào)度模型包括三個部分:

3、云用戶、云服務供應商、云聯(lián)盟協(xié)調(diào)器。云用戶使用云計算聯(lián)盟提供的服務并與之交互。云服務供應商由一系列提供云服務的供應商組成，不同的云服務供應商提供的資源是異構(gòu)的。云聯(lián)盟協(xié)調(diào)器包括了交易策略知識庫和云服務供應商信息知識庫。交易策略知識庫存放有市場交易策略，云聯(lián)盟調(diào)度器需要調(diào)用知識庫中的不同策略來進行云服務供應商的選擇。
　　(2)基于遺傳算法的用戶利益最大化資源調(diào)度方法。從用戶角度出發(fā)，考慮到用戶所選用的虛擬機模版大小及不同供應商資源

4、的價格，以用戶最終總?cè)蝿盏膱?zhí)行費用為指標，完成從任務到虛擬機，虛擬機到數(shù)據(jù)中心的兩層調(diào)度。調(diào)度策略實現(xiàn)運用了遺傳算法，遺傳算法中染色體前部分為任務—虛擬編碼，后半部分染色體為虛擬機—數(shù)據(jù)中心編碼，通過染色體的前后兩個部分求得最后總?cè)蝿盏膱?zhí)行費用。
　　(3)基于蟻群算法的供應商利益最大化資源調(diào)度方法。從云供應商的角度出發(fā)，考慮將任務調(diào)度到數(shù)據(jù)中心上供應商的成本以及調(diào)度完成后資源的負載均衡，本文中考慮供應商的總成本最低，主要考慮任務

5、到數(shù)據(jù)中心的傳輸成本，而傳輸成本與任務的輸入輸出文件大小和任務與數(shù)據(jù)中心節(jié)點位置遠近相關(guān);而負載率會產(chǎn)生一個修正系數(shù)，在蟻群算法計算過程中影響螞蟻的收斂方向，最終得到的解在滿足了供應商資源負載均衡的基礎上使供應商成本達到最優(yōu)。
　　(4)基于CloudSim的云聯(lián)盟資源調(diào)度算法實現(xiàn)。利用云計算仿真軟件CloudSim模擬調(diào)度流程，通過對CloudSim資源包中的DatacenterBroker類進行改寫該類以實現(xiàn)基于遺傳算法的用戶