云計(jì)算聯(lián)盟資源調(diào)度方法研究.pdf

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

2、是云聯(lián)盟的資源調(diào)度問題。現(xiàn)有關(guān)于云計(jì)算聯(lián)盟的研究較少，而已有的研究也主要是對(duì)云計(jì)算聯(lián)盟的架構(gòu)進(jìn)行探討，較少有人對(duì)云聯(lián)盟的資源調(diào)度問題進(jìn)行研究?；谝陨蠁栴}，本文建立了云計(jì)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(yīng)商利益最大的資源調(diào)度方法，同時(shí)實(shí)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(jì)算聯(lián)盟資源調(diào)度模型的建立。云計(jì)算聯(lián)盟資源調(diào)度模型包括三個(gè)部分:

3、云用戶、云服務(wù)供應(yīng)商、云聯(lián)盟協(xié)調(diào)器。云用戶使用云計(jì)算聯(lián)盟提供的服務(wù)并與之交互。云服務(wù)供應(yīng)商由一系列提供云服務(wù)的供應(yīng)商組成，不同的云服務(wù)供應(yīng)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(shí)庫(kù)和云服務(wù)供應(yīng)商信息知識(shí)庫(kù)。交易策略知識(shí)庫(kù)存放有市場(chǎng)交易策略，云聯(lián)盟調(diào)度器需要調(diào)用知識(shí)庫(kù)中的不同策略來進(jìn)行云服務(wù)供應(yīng)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(jī)模版大小及不同供應(yīng)商資源

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

5、到數(shù)據(jù)中心的傳輸成本，而傳輸成本與任務(wù)的輸入輸出文件大小和任務(wù)與數(shù)據(jù)中心節(jié)點(diǎn)位置遠(yuǎn)近相關(guān);而負(fù)載率會(huì)產(chǎn)生一個(gè)修正系數(shù)，在蟻群算法計(jì)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(yīng)商資源負(fù)載均衡的基礎(chǔ)上使供應(yīng)商成本達(dá)到最優(yōu)。
　　(4)基于CloudSim的云聯(lián)盟資源調(diào)度算法實(shí)現(xiàn)。利用云計(jì)算仿真軟件CloudSim模擬調(diào)度流程，通過對(duì)CloudSim資源包中的DatacenterBroker類進(jìn)行改寫該類以實(shí)現(xiàn)基于遺傳算法的用戶