云計(jì)算為大數(shù)擬據(jù)時(shí)代的發(fā)展增添了新的動(dòng)力,它使用虛擬化技術(shù)將云數(shù)據(jù)中心的計(jì)算資源、網(wǎng)絡(luò)資源以及存儲(chǔ)資源抽象為共享資源池,并通過(guò)互聯(lián)網(wǎng)與全球用戶分享。為了滿足用戶對(duì)不同資源的需求,云數(shù)據(jù)中心運(yùn)行著大量的物理主機(jī),但這會(huì)產(chǎn)生巨大的能量消耗。目前,云數(shù)據(jù)中心節(jié)能的主要方式是虛擬機(jī)整合,它可以提高云數(shù)據(jù)中心的資源利用率和能源效率。但是,過(guò)于積極的虛擬機(jī)整合方法可能導(dǎo)致物理主機(jī)過(guò)載和大規(guī)模的虛擬機(jī)遷移,這些現(xiàn)象導(dǎo)致云計(jì)算的服務(wù)質(zhì)量（QoS）下降。因此,如何在少量的虛擬機(jī)遷移下通過(guò)虛擬機(jī)整合來(lái)提高云數(shù)據(jù)中心的能源效率、資源利用率和QoS成為了一項(xiàng)重大挑戰(zhàn)。為了解決這個(gè)問(wèn)題,本文分析了虛擬機(jī)整合過(guò)程中的過(guò)載物理主機(jī)檢測(cè)階段、虛擬機(jī)選擇階段和虛擬機(jī)放置階段,并分別提出了相對(duì)應(yīng)的算法:（1）針對(duì)云數(shù)據(jù)中心過(guò)載物理主機(jī)檢測(cè)的問(wèn)題,提出了一種基于差分整合移動(dòng)平均自回歸模型（ARIMA）模型的過(guò)載主機(jī)檢測(cè)算法（AROD）。它充分考慮了云計(jì)算工作負(fù)載之間的強(qiáng)相關(guān)性,并使用ARIMA模型來(lái)估計(jì)物理主機(jī)未來(lái)過(guò)載的可能性,從而在過(guò)載之前遷移物理主機(jī)上的多余虛擬機(jī),以避免過(guò)載現(xiàn)象發(fā)生。（2）針對(duì)現(xiàn)有虛擬機(jī)選擇算法中虛擬... 

【文章來(lái)源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 過(guò)載物理主機(jī)檢測(cè)研究現(xiàn)狀
        1.2.2 虛擬機(jī)選擇研究現(xiàn)狀
        1.2.3 虛擬機(jī)放置研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 本文的結(jié)構(gòu)安排
2 云計(jì)算相關(guān)理論
    2.1 云計(jì)算概念
        2.1.1 云計(jì)算的定義
        2.1.2 云計(jì)算的服務(wù)與模型
        2.1.3 云計(jì)算的技術(shù)特點(diǎn)
    2.2 云數(shù)據(jù)中心簡(jiǎn)介
        2.2.1 云數(shù)據(jù)中心的發(fā)展
        2.2.2 云數(shù)據(jù)中心的虛擬化技術(shù)
        2.2.3 云數(shù)據(jù)中心的實(shí)時(shí)遷移技術(shù)
    2.3 本章小結(jié)
3 云數(shù)據(jù)中心資源調(diào)度模型
    3.1 系統(tǒng)模型
        3.1.1 虛擬機(jī)選擇模型
        3.1.2 虛擬機(jī)放置模型
    3.2 QoS模型
        3.2.1 虛擬機(jī)遷移成本
        3.2.2 SLA模型
    3.3 能耗模型
        3.3.1 面向活動(dòng)物理主機(jī)的能耗模型
        3.3.2 面向虛擬機(jī)遷移的能耗模型
    3.4 本章小結(jié)
4 一種提高能效和QoS的動(dòng)態(tài)虛擬機(jī)整合算法
    4.1 基于ARIMA模型的過(guò)載物理主機(jī)檢測(cè)算法
        4.1.1 ARIMA模型
        4.1.2 ARIMA模型定階
        4.1.3 基于ARIMA模型的過(guò)載物理主機(jī)檢測(cè)算法
    4.2 提高相對(duì)遷移收益的虛擬機(jī)選擇算法
        4.2.1 相對(duì)遷移收益模型
        4.2.2 提高相對(duì)遷移收益的虛擬機(jī)選擇算法
    4.3 基于計(jì)算資源約束的虛擬機(jī)放置算法
        4.3.1 基于計(jì)算資源約束的物理主機(jī)分類算法
        4.3.2 基于改進(jìn)BFD的虛擬機(jī)放置算法
        4.3.3 計(jì)算資源約束的虛擬機(jī)放置算法
    4.4 一種提高能耗和QoS的動(dòng)態(tài)虛擬機(jī)整合算法
    4.5 本章小結(jié)
5 仿真實(shí)驗(yàn)結(jié)果與分析
    5.1 云模擬軟件CloudSim
    5.2 實(shí)驗(yàn)環(huán)境配置
    5.3 評(píng)價(jià)指標(biāo)
    5.4 仿真結(jié)果與分析
        5.4.1 CRRC算法的參數(shù)測(cè)量
        5.4.2 AROD、ERMB及CRRC算法性能評(píng)價(jià)
        5.4.3 EQVC算法性能評(píng)價(jià)
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]云數(shù)據(jù)中心基于閾值的虛擬機(jī)遷移節(jié)能調(diào)度算法[J]. 吳小東,韓建軍.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(09)
[2]基于負(fù)載高峰特征的虛擬機(jī)放置算法[J]. 徐思堯,林偉偉,王子駿.  軟件學(xué)報(bào). 2016(07)



本文編號(hào)：3168365