近年來,用戶對于計(jì)算資源的需求越來越高,普通計(jì)算機(jī)的計(jì)算和存儲能力在一定程度上制約了現(xiàn)代化辦公和應(yīng)用。云計(jì)算的出現(xiàn),為用戶的大量計(jì)算需求提供了一種新的解決方法。但是,云計(jì)算數(shù)據(jù)中心不僅消耗著大量電力,還會(huì)產(chǎn)生大量二氧化碳,在一定程度上導(dǎo)致了資源浪費(fèi)和溫室效應(yīng)加劇。因此,降低數(shù)據(jù)中心的能耗是非常重要的。本文主要研究云計(jì)算平臺中的能源消耗問題,通過設(shè)計(jì)合適的資源調(diào)度算法來提高能效。主要工作如下:針對云計(jì)算平臺運(yùn)算過程中,低負(fù)載主機(jī)較多導(dǎo)致數(shù)據(jù)中心能效減低問題,提出一種能效相關(guān)的蟻群算法(Ant Colony Algorithm,ACO),來減少低負(fù)荷主機(jī)數(shù)目,從而提高云計(jì)算中心的能效。首先,通過對能效相關(guān)的云計(jì)算資源調(diào)度問題進(jìn)行建模,將調(diào)度問題與ACO算法進(jìn)行映射;然后,重新定義了遷移概率和信息素濃度更新公式,對空閑主機(jī)和活躍主機(jī)采用不同策略進(jìn)行處理,解決了現(xiàn)有蟻群算法在特定條件下的適用性問題;同時(shí),改良了最適應(yīng)下降(Best Fit Decreasing,BFD)算法,將改良后的BFD算法作為初始化算法,解決了現(xiàn)有蟻群算法收斂速度慢的問題;最后,在CloudSim平臺上進(jìn)行仿真實(shí)驗(yàn),結(jié)果...

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1BFD算法

并安置到主機(jī)上，第二部分是當(dāng)前正在運(yùn)行的虛擬機(jī)的分配優(yōu)化。通過這將資源調(diào)度問題轉(zhuǎn)換為裝箱問題，該問題將主機(jī)視為箱，主機(jī)計(jì)算能力視擬機(jī)視為物品，最終問題是將物品放在盡可能少的箱中。算法的核心思想是：首先把虛擬機(jī)按所需資源大小降序排列，然后依次為機(jī)，對于所有可用主機(jī)，預(yù)估分配后該主....

圖2.2CloudSim仿真通信數(shù)據(jù)流在仿真起始階段，每個(gè)數(shù)據(jù)中心的實(shí)例都會(huì)在CIS的注冊表中進(jìn)行注冊，然后，CIS會(huì)向滿足條件的云服務(wù)提供商匹配合適的服務(wù)，接著，代理器會(huì)以使用者的身份從備選云服務(wù)

業(yè)學(xué)位碩士研究生學(xué)位論文第二章相關(guān)擬仿真的隨時(shí)停止和恢復(fù)。CloudSim能對仿真上下文進(jìn)行保持。以在運(yùn)行過程中創(chuàng)建新的實(shí)例。CloudSim可以隨時(shí)建立和管理獨(dú)同服務(wù)，實(shí)現(xiàn)運(yùn)行時(shí)創(chuàng)建新實(shí)例。用性廣。CloudSim可在各種主流系統(tǒng)平臺上運(yùn)行，并且可以模擬而無需加載外部....

圖3.1數(shù)據(jù)中心資源調(diào)度示意圖

對算法進(jìn)行了性能分析，實(shí)驗(yàn)結(jié)果表明，本算法且有著很好的適用性。資源調(diào)度問題建模資源調(diào)度方式數(shù)據(jù)中心資源調(diào)度過程，就是以數(shù)據(jù)中心總能耗最低為目標(biāo)給虛擬機(jī)，再將虛擬機(jī)分配給合適主機(jī)的過程。圖3.1是數(shù)發(fā)現(xiàn)，一個(gè)任務(wù)可以被拆分到多個(gè)虛擬機(jī)上完成，一個(gè)虛擬臺主機(jī)上可以同時(shí)運(yùn)行多個(gè)虛擬....

圖3.3螞蟻搜尋路徑示意圖

圖3.3螞蟻搜尋路徑示意圖介紹了現(xiàn)有蟻群算法解決資源調(diào)度這類組合優(yōu)化射之后，算法中的關(guān)鍵參數(shù)也需要重新定義。螞蟻轉(zhuǎn)移到下一節(jié)點(diǎn)的概率與螞蟻所處當(dāng)前節(jié)選擇下一位置的概率是獨(dú)立的�，F(xiàn)重新定義遷主機(jī)的概率，即螞蟻經(jīng)過位置(,)的概率，應(yīng)∑=....

本文編號：3963548