云計算以其動態(tài)伸縮性、高性價比、按需提供可靠的服務(wù)等特點(diǎn),成為近年來產(chǎn)業(yè)界與學(xué)術(shù)界關(guān)注的焦點(diǎn)。越來越多的中小企業(yè)和個人希望把應(yīng)用遷移至云計算環(huán)境中,而目前缺乏一種通用和簡單有效的遷移框架及策略,以及這種策略下合理的收益評估方法,針對應(yīng)用遷移這一特定條件下的資源調(diào)度方法也需要重新考慮。本文通過對這一系列問題進(jìn)行分析,主要研究內(nèi)容如下。針對應(yīng)用遷移策略,建立以服務(wù)器為單位、服務(wù)器上的應(yīng)用為整體遷移的二層關(guān)系,采用部分遷移、部分保留的混合模型。使用帶權(quán)無向圖建立服務(wù)器之間的流量關(guān)系,將求解服務(wù)器遷移集合與保留集合的問題轉(zhuǎn)化為圖的K-劃分問題,以劃分后的兩部分應(yīng)用之間通信流量最小化為目標(biāo),使用一種粒子群優(yōu)化與遺傳算法的融合算法解決K-劃分過程中NP的計算量問題,力圖使遷移達(dá)到代價的最小化和收益最大化,確定具備遷移條件的服務(wù)器和相應(yīng)的應(yīng)用集合。實驗結(jié)果證明,所提出的算法與經(jīng)典粒子群算法相比具有一定的性能改進(jìn)。從動態(tài)資源配置的角度對遷移的收益進(jìn)行評估,利用云的資源動態(tài)性、按需分配的特點(diǎn),提出一種基于溫特線性和季節(jié)性指數(shù)平滑法的資源預(yù)測方法,對遷移部分應(yīng)用采用動態(tài)資源配置,以解決應(yīng)對周期性的訪問量高... 

【文章來源】：云南大學(xué)云南省 211工程院校

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

經(jīng)典粒子群算法、遺傳算法、融合算法性能比較

圖4.3:基于溫特線性與季節(jié)性指數(shù)平滑法對訪問量的預(yù)測靜態(tài)參數(shù)法動態(tài)參數(shù)法靜態(tài)參溯去動態(tài)參數(shù)法周數(shù)相對誤差(%)已”:9B別co59腸”.581.七--l刃0.0.1.2.2.刃8。818.54一13。03一2.1214.7613.090.007.962.48一3.662。091。98一2.05一0.413.864.0978。891.SB0.63一0.974?刃g(shù)r25，.47a拍5杏猖創(chuàng)又已之婦10，-l3--3.-6.11.22.20.9.4.7.Q口41卜曰6101112987圖4.4:靜態(tài)參數(shù)法與動態(tài)參數(shù)法誤差分析及對比4.3一種基于動態(tài)資源管理的收益評估方法

預(yù)測信息可以獲得一天24小時內(nèi)不同時期(假設(shè)以小時為單位)的峰值訪問量，從而根據(jù)資源處理能力，可以得出所需要的資源大小及數(shù)量。假設(shè)以上交費(fèi)業(yè)務(wù)預(yù)測的未來24小時資源分布如圖4.5所示。60D0500040003000200010000一1000圖4.5:24小時內(nèi)訪問量分布平滑曲線從圖4.5中可以看出一天中每個時段的訪問量不同，尤其是在凌晨O點(diǎn)到7點(diǎn)之間，交易量幾乎為0。因此，有必要對該應(yīng)用進(jìn)行動態(tài)資源配置。根據(jù)目前A」11azon所提供的服務(wù)器類型及收費(fèi)情況，以及每個服務(wù)器的處理能力，可以計算出每個小時所需要的服務(wù)器數(shù)量。假設(shè)small類型【’5]的實例處理能力為兄，，每個時辰的所需要的服務(wù)器數(shù)量左 N)(ServersNeeded)為吞吐量TP幾 (ThroughputperHour)，其中0‘i‘23。因此，該應(yīng)用一天的所需要的服務(wù)器總數(shù)量7擬負(fù)甘 (TotalNumberof ServersbyHour)。幾‘夕廳=藝SNi(式 4.9)同時根據(jù)該公司的實際運(yùn)營成本數(shù)據(jù)

【參考文獻(xiàn)】：
期刊論文
[1]云計算環(huán)境下基于改進(jìn)遺傳算法的任務(wù)調(diào)度算法[J]. 李建鋒,彭艦.  計算機(jī)應(yīng)用. 2011(01)
[2]基于元區(qū)間的云計算基礎(chǔ)設(shè)施服務(wù)的資源分配算法研究[J]. 湯小春,劉健.  計算機(jī)工程與應(yīng)用. 2010(34)
[3]云計算環(huán)境下面向數(shù)據(jù)密集型應(yīng)用的數(shù)據(jù)布局策略與方法[J]. 鄭湃,崔立真,王海洋,徐猛.  計算機(jī)學(xué)報. 2010(08)
[4]面向云計算的虛擬機(jī)動態(tài)遷移框架[J]. 劉鵬程,陳榕.  計算機(jī)工程. 2010(05)
[5]網(wǎng)格資源分配算法的研究[J]. 嚴(yán)大鵬,杜學(xué)東.  計算機(jī)工程與應(yīng)用. 2008(29)
[6]一種自適應(yīng)指數(shù)平滑動態(tài)預(yù)測模型[J]. 馮金巧,楊兆升,張林,董升.  吉林大學(xué)學(xué)報(工學(xué)版). 2007(06)
[7]OGSA架構(gòu)下網(wǎng)格結(jié)構(gòu)及其資源動態(tài)配置研究[J]. 張志立,張冬,齊德昱.  計算機(jī)工程與設(shè)計. 2005(09)
[8]一種基于流量預(yù)測的資源動態(tài)管理算法[J]. 王悅偉,曹陽,楊冕,黃少昱.  計算機(jī)應(yīng)用. 2005(01)

碩士論文
[1]多虛擬機(jī)資源動態(tài)配置機(jī)制研究[D]. 周凡.華中科技大學(xué) 2008
[2]無線資源動態(tài)配置及優(yōu)化系統(tǒng)的應(yīng)用[D]. 賀明.重慶大學(xué) 2005



本文編號：2926947