获益驱动的虚拟机资源动态管理策略研究

摘要

作为一种新兴的商业模式，云计算通过开放的技术和标准把软硬件虚拟化成动态的资源，并以按需服务的形式提供给用户。云计算不仅能够大幅降低购买硬件、能源、制冷等成本，还能够加快应用程序的部署。云计算的核心特征为按需服务，而这也使得云计算环境下资源的管理成为一大难题。由于云资源提供商和云资源使用者之间存在利益上的冲突，现有的大多数研究都是从单一角色出发，研究如何通过资源管理使单一角色受益。在某种程度上，云资源提供商和云资源使用者之间是利益共同体。如果没有云资源使用者租用资源，云资源提供商就不能获取利润;而如果没有云资源提供商提供资源，云资源使用者就不能降低成本。因此，在进行资源管理时，必须综合考虑云资源提供商和云资源使用者的获益，在提高云资源使用者满意度的前提下，实现云资源提供商利润的最大化。
　　 本文首先研究客户满意度驱动的虚拟机资源分配策略，从合理定价和性能保障两方面来提高云资源使用者的满意度。在定价方面，引入了微观经济学中的效用理论;在性能保障方面，使用负载预测和基于排队论的性能预测模型。针对现有的负载预测方法只适用于单层云服务，或只考虑请求总量而忽略其他因素造成预测不准的问题，提出了多因素感知的负载预测模型(MAPM)，综合考虑请求总量、服务时间和最终用户偏好对负载的影响，以提高预测准确度。接着，使用排队论对多层云服务进行性能建模，计算出客户所需资源，为资源调度打下基础。实验证明，相对于只考虑请求总量的负载预测算法，多因素感知的负载预测模型(MAPM)能提高预测的准确度。然后，研究利润驱动的虚拟机资源调度策略，最大化云资源提供商的利润。首先，建立云资源提供商的利润模型，并根据微观经济学的原理，计算出能够使云资源提供商利润最大化的虚拟机资源数目。接着，以粒子群算法为指导，对数据中心虚拟机资源的调度进行建模分析，根据客户需求和当前数据中心的负载状态，以最大化资源利用率、最小化所占用物理机的数目及虚拟机迁移次数三个方面为目标，提出了基于增强型多目标粒子群算法的VM资源调度策略(EPSO-VM)来实现虚拟机资源的优化调度。实验证明，相对于标准粒子群算法以及贪婪算法，该策略能提高资源的利用率和云资源提供商的利润，同时降低占用物理机的数目和虚拟机迁移次数。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．1．1 云计算概述

1．1．2 云计算市场行为分析

1．1．3 研究意义

1．2 研究目标和内容

1．3 论文组织结构

第二章 云计算中虚拟机资源管理的相关研究

2．1 以IP为中心的VM资源管理策略

2．1．1 性能优先的VM资源管理策略

2．1．2 成本优先的VM资源管理策略

2．2 以SP为中心的VM资源管理策略

2．3 性能预测模型的研究现状

2．4 本章小结

第三章 SP满意度驱动的VM资源分配策略

3．1 需求分析

3．2 SP的效用模型

3．3 VM资源分配策略

3．3．1 负载预测模型

3．3．2 性能预测模型

3．4 实验及分析

3．5 本章小结

第四章 IP利润驱动的VM资源调度策略

4．1 问题分析

4．2 利润模型的建立

4．3 基于增强型多目标粒子群算法的VM资源调度

4．3．1 粒子群算法概述

4．3．2 VM资源调度策略的实现

4．4 实验及分析

4．5 本章小结

第五章 结束语

5．1 工作总结

5．2 下一步的工作

参考文献

致谢

攻读硕士学位期间已发表的学术论文和参加科研情况