本文關(guān)鍵詞：云環(huán)境下的集群負(fù)載分析及調(diào)度策略研究

  更多相關(guān)文章： 云數(shù)據(jù)中心 負(fù)載分析 虛擬機(jī)調(diào)度 降低能耗 SLA

【摘要】：越來(lái)越多的用戶使用了云計(jì)算服務(wù)，云數(shù)據(jù)中心的集群是云服務(wù)的主要提供者。由于云環(huán)境的復(fù)雜性，理解云集群的負(fù)載特征是提高云系統(tǒng)性能、優(yōu)化云集群的關(guān)鍵手段。然而，云數(shù)據(jù)中心下的集群負(fù)載分析，，尤其是在大規(guī)模生產(chǎn)環(huán)境下，目前還沒(méi)有被充分研究。虛擬化技術(shù)是云環(huán)境中的核心技術(shù)，為了提高集群的資源利用率，通常采用虛擬機(jī)動(dòng)態(tài)調(diào)度的辦法，目前該領(lǐng)域仍沒(méi)有標(biāo)準(zhǔn)的算法策略。本文對(duì)云集群進(jìn)行了負(fù)載分析，并從云集群負(fù)載特征的角度出發(fā)，同時(shí)考慮減少云數(shù)據(jù)中心能源消耗和保證用戶服務(wù)等級(jí)協(xié)定（SLA），對(duì)虛擬機(jī)的調(diào)度策略進(jìn)行了研究。 本文首先研究了傳統(tǒng)數(shù)據(jù)中心的特點(diǎn)及其缺點(diǎn)，分析了云數(shù)據(jù)中心的特點(diǎn)，接著研究了云集群的負(fù)載監(jiān)控技術(shù)以及基于libvirt的虛擬機(jī)負(fù)載搜集技術(shù)。介紹了云環(huán)境下調(diào)度的概念和特征，并以O(shè)penStack云平臺(tái)為例詳細(xì)分析了云環(huán)境下的調(diào)度機(jī)制。以CloudSim為例分析了云模擬技術(shù)，并研究了其中的主要模塊。 隨后，為了能深入理解云數(shù)據(jù)中心負(fù)載特征，本文搜集了實(shí)際公有云中生產(chǎn)集群的負(fù)載數(shù)據(jù)，涉及1082個(gè)虛擬機(jī)實(shí)例和100臺(tái)物理機(jī)，時(shí)間跨度為2013年4月11日至4月17日。從不同角度分析了云數(shù)據(jù)中心的負(fù)載特征，包括虛擬機(jī)分布特征與調(diào)度機(jī)制，虛擬機(jī)內(nèi)存分布特征，虛擬機(jī)CPU與I/O特征，物理節(jié)點(diǎn)負(fù)載特征，虛擬機(jī)與物理節(jié)點(diǎn)負(fù)載聯(lián)系。通過(guò)負(fù)載分析，得出了一些觀察結(jié)論并從中提出了一些優(yōu)化云集群的方法。 最后，在云集群負(fù)載分析的基礎(chǔ)上，本文研究了云環(huán)境調(diào)度特點(diǎn)和虛擬機(jī)調(diào)度模型，并提出了優(yōu)化算法ERSG（Energy Reducing and SLA Guarantee）。該算法優(yōu)化了虛擬機(jī)調(diào)度的3個(gè)步驟，針對(duì)虛擬機(jī)調(diào)度時(shí)機(jī)上，引入了負(fù)載預(yù)測(cè)模型；針對(duì)虛擬機(jī)選擇策略，保證了用戶SLA；針對(duì)調(diào)度目標(biāo)節(jié)點(diǎn)選擇上，引入了概率分析方法。最后利用云模擬器模擬了云數(shù)據(jù)中心，并對(duì)ERSG算法進(jìn)行實(shí)現(xiàn)與分析，驗(yàn)證了ERSG算法相比其他算法在降低云數(shù)據(jù)中心能量消耗和保證用戶SLA方面的性能優(yōu)勢(shì)。
【關(guān)鍵詞】：云數(shù)據(jù)中心 負(fù)載分析 虛擬機(jī)調(diào)度 降低能耗 SLA
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP308
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-15
• 1.1 課題及相關(guān)背景10-11
• 1.2 課題相關(guān)領(lǐng)域的國(guó)內(nèi)外研究現(xiàn)狀11-13
• 1.2.1 云環(huán)境負(fù)載分析領(lǐng)域11-12
• 1.2.2 云環(huán)境資源調(diào)度領(lǐng)域12-13
• 1.3 本文研究?jī)?nèi)容13-14
• 1.4 論文的組織與結(jié)構(gòu)14-15
• 第二章 云數(shù)據(jù)中心與資源調(diào)度概述15-27
• 2.1 云服務(wù)分類及云數(shù)據(jù)中心概述15-18
• 2.2 云集群負(fù)載監(jiān)控技術(shù)研究18-20
• 2.2.1 集中式單點(diǎn)負(fù)載監(jiān)控架構(gòu)18
• 2.2.2 分布式多點(diǎn)負(fù)載監(jiān)控架構(gòu)18-19
• 2.2.3 基于 libvirt 的虛擬機(jī)負(fù)載獲取技術(shù)19-20
• 2.3 調(diào)度概述與云環(huán)境調(diào)度技術(shù)研究20-24
• 2.3.1 調(diào)度概念術(shù)語(yǔ)及定義20-21
• 2.3.2 云環(huán)境集群下的調(diào)度特征21
• 2.3.3 相關(guān)云系統(tǒng)中的調(diào)度機(jī)制21-24
• 2.4 云系統(tǒng)模擬技術(shù)研究24-26
• 2.5 本章總結(jié)26-27
• 第三章 云數(shù)據(jù)中心的集群負(fù)載分析27-41
• 3.1 OnCloud 云系統(tǒng)架構(gòu)及虛擬機(jī)狀態(tài)遷移27-29
• 3.2 負(fù)載數(shù)據(jù)描述29
• 3.3 云集群負(fù)載數(shù)據(jù)分析29-38
• 3.3.1 虛擬機(jī)分布與公有云調(diào)度分析29-30
• 3.3.2 虛擬機(jī)運(yùn)行狀態(tài)分析30-34
• 3.3.3 物理節(jié)點(diǎn)資源利用率分析34-37
• 3.3.4 虛擬機(jī)和物理機(jī)關(guān)系分析37-38
• 3.4 負(fù)載分析總結(jié)及優(yōu)化策略38-40
• 3.5 本章總結(jié)40-41
• 第四章 虛擬機(jī)調(diào)度策略研究與模擬實(shí)驗(yàn)41-52
• 4.1 虛擬機(jī)調(diào)度模型41-44
• 4.1.1 多核 CPU 架構(gòu)42
• 4.1.2 物理節(jié)點(diǎn)能耗模型42-43
• 4.1.3 虛擬機(jī)調(diào)度開(kāi)銷43
• 4.1.4 SLA 違約率指標(biāo)43-44
• 4.2 虛擬機(jī)調(diào)度策略優(yōu)化模型44-47
• 4.2.1 調(diào)度時(shí)機(jī)的選擇策略44-45
• 4.2.2 調(diào)度虛擬機(jī)的選擇策略45-46
• 4.2.3 目標(biāo)物理節(jié)點(diǎn)的選擇策略46-47
• 4.3 模擬實(shí)驗(yàn)及結(jié)果分析47-50
• 4.3.1 實(shí)驗(yàn)環(huán)境及配置47-48
• 4.3.2 物理節(jié)點(diǎn)能耗開(kāi)銷測(cè)試48-49
• 4.3.3 虛擬機(jī)調(diào)度次數(shù)測(cè)試49-50
• 4.3.4 租戶 SLA 違反率測(cè)試50
• 4.4 本章總結(jié)50-52
• 第五章 總結(jié)與展望52-54
• 5.1 本文的主要工作52-53
• 5.2 下一步工作53-54
• 致謝54-55
• 參考文獻(xiàn)55-58
• 附錄58-59
• 詳細(xì)摘要59-62

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 李強(qiáng);郝沁汾;肖利民;李舟軍;;云計(jì)算中虛擬機(jī)放置的自適應(yīng)管理與多目標(biāo)優(yōu)化[J];計(jì)算機(jī)學(xué)報(bào);2011年12期

2 錢(qián)瓊芬;李春林;張小慶;李臘元;;云數(shù)據(jù)中心虛擬資源管理研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2012年07期

3 馮琳;付勇;陳康;鄭緯民;;TDDS:基于虛擬集群系統(tǒng)的任務(wù)部署與調(diào)度[J];計(jì)算機(jī)研究與發(fā)展;2013年05期

4 陳康;鄭緯民;;云計(jì)算:系統(tǒng)實(shí)例與研究現(xiàn)狀[J];軟件學(xué)報(bào);2009年05期

5 羅軍舟;金嘉暉;宋愛(ài)波;東方;;云計(jì)算:體系架構(gòu)與關(guān)鍵技術(shù)[J];通信學(xué)報(bào);2011年07期

本文編號(hào)：930815