在公有云部署方式中,云服務(wù)提供商將云數(shù)據(jù)中心中大規(guī)模的物理上分散的計(jì)算設(shè)備以及獨(dú)立存儲(chǔ)設(shè)備、網(wǎng)絡(luò)設(shè)備通過虛擬化技術(shù)構(gòu)成虛擬資源池,主要以IaaS這種服務(wù)形式為用戶提供相應(yīng)的服務(wù)。由于在云數(shù)據(jù)中心中物理主機(jī)的規(guī)格可能不同且規(guī)模日增,加之用戶對虛擬機(jī)的性能要求不一,所以合理的虛擬機(jī)部署策略將極大地影響云服務(wù)的質(zhì)量和成本。在IaaS中,虛擬機(jī)是一個(gè)基本的資源調(diào)度單位,一臺(tái)物理主機(jī)被虛擬化為若干臺(tái)虛擬機(jī)提供給用戶使用,確定虛擬機(jī)和物理主機(jī)之間的映射關(guān)系是虛擬機(jī)部署的核心問題。本文首先分析了 CloudStack上的虛擬機(jī)部署算法和在CloudStack上實(shí)現(xiàn)自定義虛擬機(jī)部署策略的方法,同時(shí)也分析了其他的主流云平臺(tái)下的虛擬機(jī)部署策略,在這些基礎(chǔ)上結(jié)合公有云的應(yīng)用場景,提出了一種基于多目標(biāo)粒子群算法的虛擬機(jī)部署策略。該策略的主要內(nèi)容為:（1）面向用戶的多目標(biāo)優(yōu)化虛擬機(jī)部署策略,包含了基于指數(shù)平滑法的預(yù)部署算法和以改進(jìn)多目標(biāo)粒子群算法為基礎(chǔ)的虛擬機(jī)實(shí)時(shí)部署算法。虛擬機(jī)申請由用戶使用互聯(lián)網(wǎng)向云服務(wù)提供商提出后,針對虛擬機(jī)部署至目標(biāo)物理主機(jī)這一過程,綜合考慮了性能和成本兩方面的優(yōu)化目標(biāo),首先提出了基于用... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外現(xiàn)狀分析
    1.3 本文研究目標(biāo)和組織結(jié)構(gòu)
    1.4 本章小結(jié)
第2章 虛擬機(jī)部署相關(guān)理論與技術(shù)
    2.1 云計(jì)算技術(shù)的發(fā)展歷程和分類
    2.2 開源IaaS云計(jì)算平臺(tái)
        2.2.1 常用的開源云平臺(tái)
        2.2.2 CloudStack介紹
        2.2.3 常用云平臺(tái)上的虛擬機(jī)部署算法
    2.3 粒子群算法相關(guān)原理和技術(shù)
        2.3.1 基本粒子群算法
        2.3.2 粒子群算法的種群拓?fù)浣Y(jié)構(gòu)
        2.3.3 外部存檔規(guī)�？刂撇呗�
    2.4 本章小結(jié)
第3章 面向用戶的多目標(biāo)優(yōu)化虛擬機(jī)部署策略
    3.1 面向用戶的虛擬機(jī)部署問題分析
    3.2 基于用戶需求的虛擬機(jī)部署策略的總體設(shè)計(jì)
    3.3 基于指數(shù)平滑法的預(yù)部署算法
        3.3.1 設(shè)計(jì)思想
        3.3.2 模型參數(shù)
        3.3.3 預(yù)部署算法流程設(shè)計(jì)
    3.4 基于改進(jìn)多目標(biāo)粒子群算法的虛擬機(jī)部署算法
        3.4.1 粒子的編碼規(guī)則
        3.4.2 粒子群的初始化過程
        3.4.3 Pareto支配和ε-Pareto支配定義
        3.4.4 虛擬機(jī)部署算法的目標(biāo)函數(shù)設(shè)計(jì)
        3.4.5 種群突變操作
        3.4.6 擁擠度判定
        3.4.7 算法的流程設(shè)計(jì)
    3.5 本章小結(jié)
第4章 面向平臺(tái)的虛擬機(jī)動(dòng)態(tài)管理策略
    4.1 基于物理機(jī)負(fù)載的動(dòng)態(tài)管理方法設(shè)計(jì)
        4.1.1 問題描述
        4.1.2 動(dòng)態(tài)管理策略的總體設(shè)計(jì)
    4.2 物理主機(jī)的負(fù)載預(yù)測及異常標(biāo)記算法設(shè)計(jì)
        4.2.1 負(fù)載預(yù)測算法設(shè)計(jì)
        4.2.2 異常狀態(tài)標(biāo)記算法設(shè)計(jì)
    4.3 基于共享程度判定的多目標(biāo)粒子群算法
        4.3.1 算法的改進(jìn)設(shè)計(jì)思路
        4.3.2 粒子的約束條件
        4.3.3 小生境共享技術(shù)
        4.3.4 總體算法流程
    4.4 虛擬機(jī)部署策略在CloudStack上的實(shí)現(xiàn)方法分析
        4.4.1 CloudStack上的虛擬機(jī)部署算法
        4.4.2 在CloudStack上實(shí)現(xiàn)虛擬機(jī)部署策略的方法分析
    4.5 本章小結(jié)
第5章 仿真試驗(yàn)與結(jié)果分析
    5.1 CloudSim簡介
    5.2 測試方案設(shè)計(jì)
        5.2.1 參數(shù)設(shè)計(jì)
        5.2.2 試驗(yàn)設(shè)計(jì)思路和步驟
    5.3 試驗(yàn)結(jié)果分析
        5.3.1 面向用戶的虛擬機(jī)部署策略的結(jié)果分析
        5.3.2 面向平臺(tái)的虛擬機(jī)動(dòng)態(tài)管理策略的結(jié)果分析
    5.4 本章小結(jié)
結(jié)論與展望
致謝
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文及科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于偏好的ε-Pareto支配的多目標(biāo)粒子群算法[J]. 李靜,黃天民,陳尚云.  西華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[2]高效能云計(jì)算虛擬機(jī)優(yōu)化部署策略[J]. 張小慶.  計(jì)算機(jī)工程與應(yīng)用. 2016(15)
[3]基于改進(jìn)粒子群算法的云資源調(diào)度[J]. 袁正午,李君琪.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(02)
[4]云計(jì)算虛擬機(jī)部署方案的研究[J]. 張笑燕,王敏訥,杜曉峰.  通信學(xué)報(bào). 2015(03)
[5]關(guān)于如何用角度信息引入決策者偏好的研究[J]. 鄭金華,謝諄志.  電子學(xué)報(bào). 2014(11)
[6]多目標(biāo)進(jìn)化算法中基于角度偏好的ε-Pareto支配策略[J]. 鄭金華,賴念,郭觀七.  模式識(shí)別與人工智能. 2014(06)
[7]基于蟻群優(yōu)化算法的云計(jì)算資源負(fù)載均衡研究[J]. 孟凡超,張海洲,初佃輝.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(S2)
[8]基于用戶個(gè)性化需求的虛擬機(jī)部署機(jī)制[J]. 彭紅,楊根興,蔡立志.  軟件產(chǎn)業(yè)與工程. 2013(01)
[9]云計(jì)算中調(diào)度問題研究綜述[J]. 左利云,曹志波.  計(jì)算機(jī)應(yīng)用研究. 2012(11)
[10]云計(jì)算資源調(diào)度研究綜述[J]. 林偉偉,齊德昱.  計(jì)算機(jī)科學(xué). 2012(10)

博士論文
[1]面向虛擬機(jī)的云平臺(tái)資源部署與調(diào)度研究[D]. 郭芬.華南理工大學(xué) 2015

碩士論文
[1]CloudStack云平臺(tái)負(fù)載均衡方法的研究和實(shí)現(xiàn)[D]. 高晨曦.哈爾濱工業(yè)大學(xué) 2015
[2]基于cloudstack的虛擬機(jī)部署方案的研究與實(shí)現(xiàn)[D]. 王敏訥.北京郵電大學(xué) 2015
[3]基于CloudStack的IaaS資源調(diào)度策略研究[D]. 苗壯.哈爾濱工業(yè)大學(xué) 2014
[4]基于Xen的虛擬機(jī)動(dòng)態(tài)遷移技術(shù)研究及應(yīng)用[D]. 張井昆.東北大學(xué) 2011
[5]云計(jì)算環(huán)境下一種基于虛擬機(jī)動(dòng)態(tài)遷移的負(fù)載均衡算法[D]. 施楊斌.復(fù)旦大學(xué) 2011



本文編號：3608901