云計(jì)算環(huán)境下的虛擬機(jī)資源調(diào)度方法研究.pdf

1、云資源調(diào)度作為云計(jì)算領(lǐng)域的一項(xiàng)重要研究?jī)?nèi)容，對(duì)云計(jì)算調(diào)度系統(tǒng)的性能和用戶服務(wù)質(zhì)量具有重要影響，其調(diào)度主要分為兩個(gè)層次：一是虛擬機(jī)到物理機(jī)的映射調(diào)度；二是任務(wù)到虛擬機(jī)資源的調(diào)度。本文從云資源調(diào)度的兩個(gè)層次展開研究，在總結(jié)前人研究基礎(chǔ)上，針對(duì)當(dāng)前兩個(gè)層次調(diào)度中存在的資源利用率不高等問題，給出了相應(yīng)的解決方法，本文的研究?jī)?nèi)容如下：
　　(1)針對(duì)當(dāng)前物理機(jī)資源是否滿足虛擬機(jī)不確定的情況，提出了一種具有普適性的基于改進(jìn)蟻群算法的虛擬機(jī)資源

2、調(diào)度算法，該算法設(shè)置了一個(gè)剩余資源控制閾值來保證資源的使用安全，設(shè)定了匹配度函數(shù)用于度量虛擬機(jī)到物理機(jī)映射關(guān)系的好壞，最后以剩余資源總量、新開物理機(jī)數(shù)量及剩余資源標(biāo)準(zhǔn)差為優(yōu)化目標(biāo)，將多目標(biāo)優(yōu)化轉(zhuǎn)化為單目標(biāo)優(yōu)化。此外，通過對(duì)蟻群算法的啟發(fā)信息及信息素重要程度因子進(jìn)行修改，改進(jìn)了蟻群算法。通過實(shí)驗(yàn)表明，改進(jìn)蟻群算法具有更快的收斂速度及更強(qiáng)的尋優(yōu)能力，提出的調(diào)度算法能有效提高資源利用率、降低能耗。
　　(2)為提高特殊用戶（即細(xì)粒度的并

3、行多任務(wù)）的調(diào)度服務(wù)質(zhì)量，提出了一種基于新多維QoS優(yōu)化的并行多任務(wù)調(diào)度模型。對(duì)多維QoS的研究，目前多數(shù)成果集中在基于完成時(shí)間、花費(fèi)、可靠性的多目標(biāo)優(yōu)化上，而該模型的新多維QoS優(yōu)化是基于并行多任務(wù)的完成時(shí)間、任務(wù)在虛擬機(jī)上的資源占用耗費(fèi)及能源耗費(fèi)三個(gè)方面，模型提出了QoS“性價(jià)比”函數(shù)作為判斷服務(wù)質(zhì)量高低的依據(jù)，并應(yīng)用遺傳算法實(shí)現(xiàn)模型，最后通過仿真實(shí)驗(yàn)，將本文多QoS優(yōu)化調(diào)度模型與單一的時(shí)間偏好模型、低資源費(fèi)偏好模型及低能耗費(fèi)偏好模

4、型進(jìn)行比較，得出本文調(diào)度模型性價(jià)比（即服務(wù)質(zhì)量）更高的結(jié)論。
　　(3)針對(duì)科學(xué)實(shí)驗(yàn)輸送任務(wù)是階段性的且任務(wù)間具有關(guān)聯(lián)性的問題，提出了一種基于優(yōu)先級(jí)排序的多任務(wù)動(dòng)態(tài)調(diào)度算法。該算法采用了本文第四章提出的綜合QoS思想，根據(jù)綜合QoS模型建立了優(yōu)先級(jí)確定模型；并且提出了“分配隊(duì)列”的概念，用以存儲(chǔ)沒有父級(jí)任務(wù)或父級(jí)任務(wù)已完成的任務(wù)；本算法調(diào)度分為兩個(gè)階段：一是將“分配隊(duì)列”中的任務(wù)實(shí)時(shí)更新并按優(yōu)先級(jí)排序，二是將排序后的任務(wù)以任務(wù)完成