基于云計(jì)算環(huán)境的資源提供優(yōu)化方法研究.pdf

1、作為一種新興的信息處理模式，云計(jì)算(Cloud Computing)技術(shù)已經(jīng)成為信息領(lǐng)域備受關(guān)注的研究熱點(diǎn)。云計(jì)算以虛擬化(Virtualization)作為支撐技術(shù)，以按需方式向Internet用戶提供動(dòng)態(tài)可擴(kuò)展的服務(wù)。然而，由于云計(jì)算環(huán)境規(guī)模大，資源管理與分配動(dòng)態(tài)可伸縮的特點(diǎn)，導(dǎo)致云數(shù)據(jù)中心的能耗問題及其資源提供效率成為影響云計(jì)算性能的關(guān)鍵因素。本文以新的計(jì)算基礎(chǔ)設(shè)施——云計(jì)算技術(shù)為背景，研究如何優(yōu)化云計(jì)算數(shù)據(jù)中心的能耗及其資源的優(yōu)

2、化配置問題。到目前為止，云計(jì)算的能耗問題及其資源提供依然存在很多亟待解決的問題。本文重點(diǎn)從節(jié)能機(jī)制、負(fù)載均衡和市場(chǎng)經(jīng)濟(jì)模型等方面研究云計(jì)算環(huán)境中的高效資源提供優(yōu)化方法，主要的研究工作包括以下幾點(diǎn):
　　 1)系統(tǒng)研究了云計(jì)算環(huán)境中的節(jié)能機(jī)制及其資源提供優(yōu)化方法。
　　 首先，從云計(jì)算的基本概念入手，介紹了云計(jì)算的特點(diǎn)、服務(wù)類型及層次;其次，重點(diǎn)研究了云計(jì)算中的節(jié)能優(yōu)化策略，分析比較了策略的應(yīng)用環(huán)境及優(yōu)缺點(diǎn);然后，進(jìn)一步研

3、究了云計(jì)算中的資源提供技術(shù)，并對(duì)該領(lǐng)域目前的優(yōu)化策略進(jìn)行了分類比較;最后，對(duì)云實(shí)驗(yàn)環(huán)境CloudSim進(jìn)行介紹并對(duì)其資源提供機(jī)制進(jìn)行實(shí)驗(yàn)分析。
　　 2)提出了基于能量與SLA均衡的虛擬機(jī)資源提供策略。
　　 針對(duì)云計(jì)算環(huán)境中應(yīng)用需求的動(dòng)態(tài)變化特性，提出了基于強(qiáng)局部加權(quán)回歸的虛擬機(jī)自適應(yīng)部署算法RLWR，RLWR可以根據(jù)應(yīng)用負(fù)載所體現(xiàn)的資源占用歷史信息動(dòng)態(tài)決策主機(jī)的超載時(shí)機(jī)。檢測(cè)出超載主機(jī)后，提出了遷移周期最優(yōu)的虛擬機(jī)遷

4、移選擇算法MPM和遷移量最小算法MNM進(jìn)行遷移虛擬機(jī)的選擇，然后提出以基于功耗的降序最佳適應(yīng)啟發(fā)式算法PBFDH對(duì)遷移虛擬機(jī)進(jìn)行再次優(yōu)化部署。該自適應(yīng)部署策略比較靜態(tài)閾值算法STH、MPA和DVFS，不僅可以動(dòng)態(tài)地將虛擬機(jī)部署到更少物理主機(jī)上，從而關(guān)閉閑置主機(jī)，提高了能效，而且通過主機(jī)資源的負(fù)載預(yù)測(cè)實(shí)現(xiàn)了高可靠的QoS服務(wù)交付，避免了用戶與資源提供者之間過多的SLA違例。實(shí)驗(yàn)結(jié)果表明，策略在保證能效的同時(shí)，在減少SLA違例確保QoS方面

5、也具有明顯的效果。
　　 3)提出了基于多數(shù)據(jù)中心的綠色高能效資源提供策略。
　　 數(shù)據(jù)中心的能效通常被多個(gè)動(dòng)態(tài)因素影響，包括:能源成本、碳排放率、負(fù)載類型、CPU能效及冷卻系統(tǒng)等，該策略將同時(shí)考慮以上因素研究跨越多個(gè)地理位置環(huán)境中的多數(shù)據(jù)中心的全局能效問題。首先建立了多數(shù)據(jù)中心的資源提供模型，將能耗制約的收益問題和碳排放(Carbon Footprint)問題形式化為QoS約束的收益函數(shù)和代價(jià)函數(shù)的多目標(biāo)最優(yōu)化模型，證

6、明了該模型是NP-hard問題。針對(duì)該問題提出了綠色云優(yōu)先的CMM、MCMP算法和收益優(yōu)先的PMM、MPMC算法，算法綜合考慮了碳排放、能耗、收益和應(yīng)用的QoS需求，目標(biāo)是降低碳排放，增加收益，同時(shí)滿足用戶應(yīng)用的QoS需求。執(zhí)行應(yīng)用階段，在數(shù)據(jù)中心中利用提出的NDVS方法進(jìn)一步優(yōu)化能耗，求解了給定負(fù)載情況下單個(gè)數(shù)據(jù)中心功耗最小時(shí)CPU頻率滿足的條件，并求解了CPU的最優(yōu)頻率，證明了該頻率下能耗達(dá)到局部極小。實(shí)驗(yàn)結(jié)果表明，策略不僅可以降低

7、能耗成本，優(yōu)化任務(wù)調(diào)度，而且還可以權(quán)衡碳足跡。
　　 4)提出了基于遺傳算法的虛擬機(jī)資源提供負(fù)載均衡策略。
　　 應(yīng)用需求的多樣性和節(jié)點(diǎn)資源的異構(gòu)性不可避免地會(huì)導(dǎo)致資源提供過程中云計(jì)算節(jié)點(diǎn)的負(fù)載失衡問題，這極大地降低了云計(jì)算的整體資源提供效率。如何通過高效的負(fù)載均衡機(jī)制協(xié)調(diào)主機(jī)負(fù)載以提高資源利用率和系統(tǒng)性能是目前丞待解決的問題。針對(duì)這一問題，提出了基于負(fù)載均衡的虛擬機(jī)資源提供遺傳算法VMPGALB，VMPGALB舍棄了傳

8、統(tǒng)二進(jìn)制編碼方法，采用了更適宜體現(xiàn)虛擬機(jī)提供特點(diǎn)的樹型編碼方案。制定選擇策略時(shí)，采用基于適應(yīng)度的比例選擇策略和最優(yōu)保存策略，該方法使得具有較小適應(yīng)度的個(gè)體也有被選擇的機(jī)會(huì)并直接保留最優(yōu)個(gè)體至后代中。設(shè)計(jì)雜交算子時(shí)，通過對(duì)兩個(gè)父代個(gè)體的交叉操作，并利用生成樹方法，使VMPGALB具有更好的雜交性能。同時(shí)，為避免求解過程陷入局部最優(yōu)，VMPGALB還按一定比例對(duì)產(chǎn)生的個(gè)體進(jìn)行了變異操作。實(shí)驗(yàn)結(jié)果表明，比較傳統(tǒng)遺傳算法BGA、MOGA、啟發(fā)式

9、算法BFH和WLC，VMPGALB不僅遺傳性能更優(yōu)，虛擬機(jī)遷移次數(shù)更少，而且能以較快的收斂速度求解虛擬機(jī)提供的負(fù)載均衡方案。
　　 5)提出了基于市場(chǎng)經(jīng)濟(jì)學(xué)模型的資源提供博弈策略。
　　 市場(chǎng)經(jīng)濟(jì)學(xué)模型可以通過均衡理論實(shí)現(xiàn)資源的優(yōu)化配置，研究了以市場(chǎng)經(jīng)濟(jì)模型為基礎(chǔ)的云計(jì)算資源提供機(jī)制，結(jié)合博弈論在資源管理領(lǐng)域的優(yōu)勢(shì)，首先，建立了非合作競(jìng)爭(zhēng)市場(chǎng)的資源提供模型，提出了非合作博弈資源提供算法RPANCG，該算法以非合作博弈進(jìn)行

10、建模，RPANCG的目標(biāo)是尋找使得各個(gè)資源提供者效用達(dá)到最優(yōu)的Nash均衡解，證明了RPANCG算法可以產(chǎn)生唯一的Nash均衡。然后，在RPANCG算法滿足效用相互最優(yōu)的基礎(chǔ)上，為了進(jìn)一步增加集體收益，并滿足效率與公平的約束，在非合作競(jìng)爭(zhēng)市場(chǎng)的基礎(chǔ)上提出了議價(jià)市場(chǎng)中的資源提供算法RPABG，該算法以議價(jià)博弈進(jìn)行建模，RPABG的目標(biāo)則是尋找Nash議價(jià)解。實(shí)驗(yàn)結(jié)果表明，RPANCG算法可以收斂到唯一的Nash均衡解，資源提供者的效用達(dá)到

11、相互最優(yōu)，整個(gè)資源提供趨于合理。而RPABG則在RPANCG算法的基礎(chǔ)上進(jìn)一步兼顧了資源分配的效率和公平性，并且能夠提高資源提供者的整體效用，實(shí)現(xiàn)了Pareto改進(jìn)，從而達(dá)到云資源的公平、合理和均衡的優(yōu)化分配。
　　 本文的研究得到了國(guó)家自然科學(xué)基金項(xiàng)目(批準(zhǔn)號(hào):60970064，61272116)，新世紀(jì)優(yōu)秀人才支持計(jì)劃項(xiàng)目（批準(zhǔn)號(hào):NCET-08-0806），教育部博士點(diǎn)基金項(xiàng)目（批準(zhǔn)號(hào):20120143110014）及湖北