獲益驅(qū)動的虛擬機資源動態(tài)管理策略研究.pdf_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、作為一種新興的商業(yè)模式,云計算通過開放的技術(shù)和標(biāo)準把軟硬件虛擬化成動態(tài)的資源,并以按需服務(wù)的形式提供給用戶。云計算不僅能夠大幅降低購買硬件、能源、制冷等成本,還能夠加快應(yīng)用程序的部署。云計算的核心特征為按需服務(wù),而這也使得云計算環(huán)境下資源的管理成為一大難題。由于云資源提供商和云資源使用者之間存在利益上的沖突,現(xiàn)有的大多數(shù)研究都是從單一角色出發(fā),研究如何通過資源管理使單一角色受益。在某種程度上,云資源提供商和云資源使用者之間是利益共同體。

2、如果沒有云資源使用者租用資源,云資源提供商就不能獲取利潤;而如果沒有云資源提供商提供資源,云資源使用者就不能降低成本。因此,在進行資源管理時,必須綜合考慮云資源提供商和云資源使用者的獲益,在提高云資源使用者滿意度的前提下,實現(xiàn)云資源提供商利潤的最大化。
   本文首先研究客戶滿意度驅(qū)動的虛擬機資源分配策略,從合理定價和性能保障兩方面來提高云資源使用者的滿意度。在定價方面,引入了微觀經(jīng)濟學(xué)中的效用理論;在性能保障方面,使用負載預(yù)測

3、和基于排隊論的性能預(yù)測模型。針對現(xiàn)有的負載預(yù)測方法只適用于單層云服務(wù),或只考慮請求總量而忽略其他因素造成預(yù)測不準的問題,提出了多因素感知的負載預(yù)測模型(MAPM),綜合考慮請求總量、服務(wù)時間和最終用戶偏好對負載的影響,以提高預(yù)測準確度。接著,使用排隊論對多層云服務(wù)進行性能建模,計算出客戶所需資源,為資源調(diào)度打下基礎(chǔ)。實驗證明,相對于只考慮請求總量的負載預(yù)測算法,多因素感知的負載預(yù)測模型(MAPM)能提高預(yù)測的準確度。然后,研究利潤驅(qū)動的

4、虛擬機資源調(diào)度策略,最大化云資源提供商的利潤。首先,建立云資源提供商的利潤模型,并根據(jù)微觀經(jīng)濟學(xué)的原理,計算出能夠使云資源提供商利潤最大化的虛擬機資源數(shù)目。接著,以粒子群算法為指導(dǎo),對數(shù)據(jù)中心虛擬機資源的調(diào)度進行建模分析,根據(jù)客戶需求和當(dāng)前數(shù)據(jù)中心的負載狀態(tài),以最大化資源利用率、最小化所占用物理機的數(shù)目及虛擬機遷移次數(shù)三個方面為目標(biāo),提出了基于增強型多目標(biāo)粒子群算法的VM資源調(diào)度策略(EPSO-VM)來實現(xiàn)虛擬機資源的優(yōu)化調(diào)度。實驗證明

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論