基于收益的云環(huán)境虛擬機資源動態(tài)分配方法研究.pdf

1、隨著分布式計算、并行計算、和網格計算的發(fā)展，云計算開始形成并不斷地完善。云計算是基于虛擬化技術，將IT資源構成一個動態(tài)的虛擬資源池，以服務的形式供外界使用。虛擬化技術能夠有效進行服務整合以減少服務器數量從而降低功耗，增強服務器的可靠性，并能顯著簡化IT基礎設施、優(yōu)化資源以及降低風險。然而虛擬化技術同時帶來的底層物理架構的變化和虛擬機上用戶服務的持續(xù)變化給云計算環(huán)境中底層的物理資源的優(yōu)化分配方法帶來了前所未有的挑戰(zhàn)。由于虛擬機上的用戶服務

2、的持續(xù)變化，虛擬機監(jiān)視器無法監(jiān)測到每臺虛擬機的各類資源的實際使用量，更無法預測到用戶服務的性能狀態(tài)，如何合理有效地完成資源池中的資源調度分配以提高計算資源的利用率及滿足虛擬機上用戶服務的性能要求是云計算環(huán)境中資源分配研究的重要課題。
　　本文圍繞基于虛擬化的云計算進行了廣泛的理論與技術研究，通過研究掌握了虛擬化的云計算技術，闡述了云環(huán)境下虛擬機資源分配方法的分類和性能預測模型的分類，詳細論述了基于收益的云環(huán)境虛擬機資源分配的過程，

3、針對虛擬機上的用戶服務的性能預測和基于收益的虛擬機資源分配兩個問題展開論述和研究，主要提出了基于隨機梯度回歸的服務性能預測算法和基于收益的云環(huán)境虛擬機資源動態(tài)分配方法。主要內容如下。
　　首先，考慮云端資源提供者的收益和虛擬機上的用戶服務的性能問題，提出了基于收益的云環(huán)境虛擬機資源動態(tài)分配過程，給出基于收益的云環(huán)境虛擬機資源動態(tài)分配框架;
　　其次，針對虛擬機上的用戶服務的性能預測，利用數據預處理方法對服務性能指標數據進行預

4、處理，采用基于隨機梯度回歸的服務性能預測模型預測服務的平均響應時間變化情況，為是否進行虛擬機資源分配提供依據;
　　再次，針對虛擬機上的用戶服務所需要的各類資源是不確定的，本文采用灰色預測的方法對虛擬機上的用戶服務對各類資源的預需求量進行預測，為資源分配提供數據依據;
　　最后，根據用戶的預算和平均響應時間的要求，給各個虛擬機上的用戶服務劃分服務級別，基于收益最大化的原則，提出基于收益的云環(huán)境虛擬機資源動態(tài)分配方法，根據云端

5、資源提供者滿足每個虛擬機上的用戶服務的服務質量要求，得到不同的收益（增加或減少），建立資源與云端資源提供者的收益的關系，動態(tài)的分配虛擬機資源，提高資源的利用率。
　　本文針對上述內容中的用戶服務的性能預測算法-基于隨機梯度回歸的服務性能預測算法進行了仿真實驗，進行了對比實驗，結果顯示該算法的具有較高的精度，可以為虛擬機的資源分配提供可靠的依據。針對本文提出的基于收益的云環(huán)境虛擬機資源動態(tài)分配方法，通過對基礎云計算平臺Hadoop中