云數(shù)據(jù)中心具有存儲容量大、計(jì)算能力強(qiáng)等特點(diǎn),眾多大數(shù)據(jù)分析、云盤等高計(jì)算量、高存儲需求的任務(wù)都被提交到云數(shù)據(jù)中心中進(jìn)行處理,由此使得云計(jì)算成為一種備受矚目的計(jì)算模式。但云計(jì)算需要將數(shù)據(jù)發(fā)往遠(yuǎn)端的云數(shù)據(jù)中心進(jìn)行處理,具有較大的延遲,不適宜延遲敏感的應(yīng)用進(jìn)行處理。因而在此之外又提出了霧計(jì)算的模式,在遠(yuǎn)端的云數(shù)據(jù)中心和終端設(shè)備之間引入中間霧層,部署本地化的計(jì)算和存儲資源,為延遲敏感的應(yīng)用提供服務(wù)。不論是云計(jì)算還是霧計(jì)算,服務(wù)提供商希望借助于虛擬化技術(shù)與調(diào)度策略得到更好的效益。而現(xiàn)有的調(diào)度算法主要基于云計(jì)算提出,而且這里面大部分的算法存在對于任務(wù)分布的假設(shè),無法自適應(yīng)地根據(jù)實(shí)際的使用情況進(jìn)行調(diào)整。因此,在本文中將針對云計(jì)算和霧計(jì)算的特點(diǎn),通過強(qiáng)化學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)算法設(shè)計(jì)自適應(yīng)的虛擬機(jī)調(diào)度方案,以達(dá)到最大化效益的目的。相比于前人的工作,我們的主要貢獻(xiàn)如下:1、我們結(jié)合當(dāng)前已經(jīng)提出的云計(jì)算和霧計(jì)算中的虛擬機(jī)調(diào)度算法,對于當(dāng)前云計(jì)算和霧計(jì)算的特點(diǎn)進(jìn)行研究,并基于各自在效益上的特點(diǎn)制定云計(jì)算和霧計(jì)算調(diào)度的目標(biāo)函數(shù);2、我們有別于傳統(tǒng)的裝箱問題建模,也有別于傳統(tǒng)的基于分布假設(shè)的機(jī)器學(xué)習(xí)算法的解決方案... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

霧計(jì)算架構(gòu)圖

上海交通大學(xué)碩士學(xué)位論文-4-務(wù)往往具有著不同的資源需求量分布與不同的任務(wù)處理延遲的要求[19]。而這兩者之間是相關(guān)的，如果云服務(wù)提供商如果不能滿足用戶任務(wù)的資源請求情況，勢必會加大任務(wù)的延遲情況，降低云服務(wù)的質(zhì)量。而對于云服務(wù)提供商來說，對于客戶的服務(wù)質(zhì)量要求的滿足情況會直接影響用戶的滿意程度，進(jìn)而對于云服務(wù)提供商的商業(yè)未來帶來重大影響[20]。圖1-2虛擬機(jī)的資源需求情況Fig.1-2Resourcerequirementsofvirtualmachines但是一味滿足用戶的需求對于云服務(wù)提供商來說并不是最好的商業(yè)策略。在按需租用的大背景下，一般用戶會指定租用的配置（如：CPU、內(nèi)存等配置）與租用的時間。在這段租用的時間內(nèi)，用戶可以將自己的任務(wù)上傳到云數(shù)據(jù)中心，由云數(shù)據(jù)中心劃出相關(guān)的資源進(jìn)行處理。但很多時候用戶的任務(wù)并不需要這么多的資源，從而這造成了云數(shù)據(jù)中心資源極大的浪費(fèi)[21]。圖1-2中展示了由CoMon項(xiàng)目[22]采集得到的2011年3月的某一天下超過1000個裝載有任務(wù)的虛擬機(jī)不同時刻對于服務(wù)器的資源需求情況，并將資源的占用率分成了10%以下、10%~20%、20%~30%、30%~40%、40%~50%與50%以上六級用餅圖的方式進(jìn)行了統(tǒng)計(jì)。而在圖1-3中則展示了其中隨機(jī)挑選的5個任務(wù)隨任務(wù)的執(zhí)行進(jìn)度對于服務(wù)器的資源請求情況。從圖1-2中我們不難看出兩點(diǎn)。首先資源利用情況的差異比較大，資源需求量大的時候可能會占用超過50%的服務(wù)器資源，而當(dāng)資源需求小的時候資源占用率不足10%。這一點(diǎn)在圖1-3中也得到了佐證。從圖1-3中不難看出，任務(wù)的資源占用情況具有一定的波動性，最高的時候可達(dá)50%以上的資源利用率，

上海交通大學(xué)碩士學(xué)位論文-5-而低的時候也在10%左右；其次，大量的虛擬機(jī)中的任務(wù)對于服務(wù)器的資源情況量很小，約為65%的情況下資源占用率不足10%，而只有5%的情況會占用50%以上的資源。從圖1-3中也可以看出平均的資源占用率約在20%左右的特點(diǎn)。圖1-3虛擬機(jī)在不同完成進(jìn)度下的資源需求情況Fig.1-3Resourcerequirementsofvirtualmachinesindifferentprogress從上述的結(jié)論中不難發(fā)現(xiàn)，如果我們按照任務(wù)的最大資源需求量提供服務(wù)器資源勢必會造成很大的資源浪費(fèi)。更進(jìn)一步說，云數(shù)據(jù)中心的服務(wù)一般具有差分化的特點(diǎn)，有些任務(wù)的延遲敏感度高而有些任務(wù)對于延遲不敏感[23]。對于那些延遲不敏感的任務(wù)，如果在云數(shù)據(jù)中心端產(chǎn)生些許的資源需求量不滿足，用戶是可以接受的，并不會對云服務(wù)的滿意程度帶來太大的不利影響。此時如果能夠?qū)⑦@些任務(wù)盡量打包在同一臺物理機(jī)上進(jìn)行運(yùn)行，就可以將一些服務(wù)器空閑出來。此舉不僅使得云服務(wù)提供商可以接受更多的任務(wù)，給他們帶來更高的收入，還能降低服務(wù)器的總功耗和CO2的排放[24]。而據(jù)有關(guān)數(shù)據(jù)顯示，對于一個大型公司來說，3%的功耗節(jié)約可以帶來超過百萬美元的收益[25]。得益于動態(tài)虛擬機(jī)合并技術(shù)，對于服務(wù)提供商來說可以通過虛擬機(jī)的遷移合并權(quán)衡延遲和功耗，已取得盡量大的收益。在圖1-4中展示了HPProLiantML100G3、HPProLiantML100G4、HPProLiantML100G5與IBMServerx3250這四款服務(wù)器在不同的資源利用率下的功耗情況。如圖所示，現(xiàn)有的服務(wù)器的功耗大多是非線性的，即不是使用了X%的資源對應(yīng)的服務(wù)器功耗就是總功耗的X%，而是


本文編號：3463321