云計(jì)算中負(fù)載均衡的虛擬機(jī)調(diào)度方法研究.pdf

1、負(fù)載均衡作為云計(jì)算的關(guān)鍵技術(shù)之一，能夠把負(fù)載動(dòng)態(tài)均衡地分配到云系統(tǒng)中所有節(jié)點(diǎn)。高效的負(fù)載均衡算法在提高用戶滿意度、提高資源利用率、縮短響應(yīng)時(shí)間和避免虛擬機(jī)的頻繁遷移上起到了至關(guān)重要的作用。
　　本文基于對(duì)云計(jì)算現(xiàn)有的負(fù)載均衡方法（包括基于任務(wù)調(diào)度和資源調(diào)度的負(fù)載均衡方法）進(jìn)行了詳細(xì)深入的研究，總結(jié)各種方法的優(yōu)缺點(diǎn)并與本文提出的方法進(jìn)行對(duì)比分析。本文研究的主要目的是在主機(jī)之間遷移虛擬機(jī)來提高系統(tǒng)負(fù)載均衡度（包括兩方面：CPU和dis

2、k IO）同時(shí)盡可能降低遷移代價(jià)。因此，目標(biāo)是尋找主機(jī)和虛擬機(jī)之間盡可能好的映射方案。較好的映射方案包括兩部分：較低的遷移代價(jià)和較小的系統(tǒng)負(fù)載標(biāo)準(zhǔn)差。這兩部分共同組成調(diào)度的成本因子。由于局部調(diào)度和無效遷移問題，首次適應(yīng)和輪轉(zhuǎn)算法及NABM算法的負(fù)載均衡效果不佳。本文提出的虛擬機(jī)均衡調(diào)度算法選取最終映射方案解空間 S中的最優(yōu)解，做到了從全局角度考慮負(fù)載均衡問題；該算法得到最優(yōu)遷移方案后才進(jìn)行實(shí)質(zhì)性遷移，降低了遷移代價(jià)；該算法使用MTALB

3、算法將多類型任務(wù)均勻地分配給虛擬機(jī)，系統(tǒng)的負(fù)載均衡效果更佳。本文的主要研究工作包括以下幾方面內(nèi)容：
　　(1)研究基于遺傳算法的虛擬機(jī)調(diào)度模型。本文提出了虛擬機(jī)的親和力概念，定義了親和力指數(shù)的計(jì)算方法。遺傳算法使用生成樹作為種群編碼方案。驅(qū)動(dòng)性交叉使得整個(gè)生成樹的親和力指數(shù)盡可能地增大；個(gè)體變異使得主機(jī)的DH值趨于收斂；最后分組選擇將適應(yīng)度最高的個(gè)體遺傳到下一代，從而確保每一代種群中個(gè)體的適應(yīng)度不斷提高。
　　(2)研究多類

4、型任務(wù)分配負(fù)載均衡算法（MTALB）。不同類型的任務(wù)被均勻分配到虛擬機(jī)，使得虛擬機(jī)之間的CPU利用率和disk IO利用率相近。任務(wù)的響應(yīng)時(shí)間進(jìn)一步縮短，主機(jī)的不同類型資源得到充分利用，主機(jī)之間的負(fù)載均衡程度進(jìn)一步提升，從而提高任務(wù)處理效率并減少虛擬機(jī)遷移數(shù)量。
　　(3)研究虛擬機(jī)均衡調(diào)度算法。對(duì)于初始映射方案S，首先執(zhí)行MTALB算法將任務(wù)均勻地分配給虛擬機(jī)；接著，我們計(jì)算vc(j,T)和vd(j,T)?的值并使用遺傳算法得到