基于蚁群算法及时间序列预测模型的云计算资源调度策略

摘要

作为一种新兴的商业计算模型，云计算实现了计算能力、存储空间和信息服务等像水、电、煤气一样可以由用户按需取用，灵活计费。云计算通过运用虚拟化技术，实现了对大量物理资源的池化，可以简化系统管理、优化资源利用、减少能源消耗。正是由于云计算带来的巨大效益和广阔前景，各大厂商纷纷加入到云计算的开发热潮中，云计算也成为了目前学术研究的热点。
　　任务调度是云计算的关键问题之一。云计算系统面对的是大量用户的多样需求，调度策略的好坏直接关系到系统的运行效率和用户的服务质量；同时，任务调度
　　问题也是NP难题，一般通过启发式算法求解。蚁群算法通过正反馈和分布协作机制寻找最优解，具有很强的并行性和全局搜索能力，用于求解云计算环境下的任务调度问题具有很大优势。
　　本文结合云计算的特点，将蚁群算法应用到云计算环境下的任务调度策略中，提出了一种基于改进蚁群算法的云计算任务调度策略。算法兼顾了任务调度的最短完成时间和负载均衡，同时参考了近年来蚁群算法的各种改进创新的将任务在虚拟机上的一次分配作为蚂蚁的搜索对象。而针对目前云平台中日益增加的能耗问题，本文提出了一种基于时间序列预测模型的云计算资源调度策略，以实现物理机的智能开关机解决物理机频繁的开关机波动从而达到节能的目的。具体设计为通过数据中心负载预测模块预测未来时间数据中心负载变化情况，并将结果上报物理机电源管理模块；电源管理模块通过收集到负载信息进行分析，决定是否关闭物理机或者将其置于休眠态。在此基础上，本文实现了所提出的改进算法，并在Cloudsim平台建立了仿真实验环境，将所提出的改进蚁群算法应用到Cloudsim平台的任务调度中，通过与Cloudsim的顺序轮询分配策略等算法对比分析，验证了本文算法的正确性和有效性。

目录

1 绪 论

1.1 研究背景

1.2 网格计算下的资源调度

1.3 云计算环境下的调度策略

1.4 技术路线

1.5 论文结构

2 云计算概论

2.1 云计算定义与内容

2.2 云计算相关技术

2.3 云平台资源调度策略

2.4 未来研究趋势

2.5 小结

3 蚁群算法概论

3.1 蚁群算法概述

3.2 基本蚁群算法

3.3 本章小结

4 时间序列预测方法

4.1 时间序列相关[23]

4.2 时间序列预测模型

4.3 ARMA模型的建模

4.4 小结

5 云资源调度策略

5.1 问题描述

5.2 调度目标

5.3 云资源调度策略模型

5.4 算法部分伪代码

5.5 小结

6 Cloudsim仿真实验

6.1 Cloudsim简介

6.2 实验环境配置

6.3 仿真实现

6.4 实验结果分析

6.5 本章小结

7 总结与展望

7.1 总结

7.2 展望

致谢

参考文献