基于群智能算法的云数据迁移策略研究

摘要

云计算这个研究方向越来越受到广泛的关注。随着集群规模和数据量的爆发式增长，各行各业都先后出现了规模庞大的云数据中心。在云数据中心中，数据传输的需求涌现出爆炸性的增长趋势，对带宽的要求也愈来愈高。猛增的信息量使得网络带宽成为了严重的瓶颈问题。而数据迁移是保证云数据中心高效运行、平滑升级以及更新系统的关键部分，在云计算领域中也占据着举足轻重的地位。数据迁移的效率以及可靠性能够直接影响云数据中心的性能。而数据迁移策略是数据实现迁移的重要前提，更为今后系统稳定高效运行的有力保障。良好的迁移策略，不仅能够节省迁移成本还能够更好地维护和管理云数据中心。当某个服务器负载过大时，可根据动态迁移策略将数据流量分担到合适的节点设备上分别处理以实现负载均衡。当某些数据基于某种原因访问量过大时，网络带宽拥挤会导致云数据中心无法提供高效的服务。此时为解决该问题设计出一个高效的动态数据迁移策略就显得尤为重要。
　　部分研究者通过动态数据迁移策略寻找合适的目的位置满足迁移需求，实现负载均衡或者优化云数据中心的运行成本。而在迁移过程中，对于目的迁移位置的选择一般都是随机的，只要该服务器容纳得下待迁移的数据，就可以实现迁移，该策略虽然迁移速度快，但是效率不高，并且从长远角度来看，造成的迁移花销也可能很大。为保证迁移的高效性，还有一部分研究人员通过最优选择策略选择了更加高效的目的位置实现数据迁移，但只是以性能这一个方面作为目标，对于云数据中心来说，虽然能暂时实现负载均衡，可是没有考虑迁移成本和带宽压力，所以依然没能从根本上解决带宽瓶颈问题。
　　本文所要研究的重点是在最大化性能和节约迁移成本的基础上以节省带宽为目标，通过动态数据迁移策略寻找一个目的服务器实现数据的迁移。为此，提出了一个新颖的启发式算法IB-FA，它基于萤火虫算法实现了数据动态迁移策略。将实现负载均衡的动态数据迁移策略问题转化成一个受性能、迁移成本和带宽约束的多目标优化问题。为解决该多目标优化问题，提出了一个适应动态变化的云环境的IB-FA架构。在与随机数据迁移策略和最优数据迁移策略的实验对比结果中表明:本文提出的IB-FA算法能够找到一个更加适合数据的迁移位置。在分散I/O操作的同时明显优化了数据访问速度，并且有效提高带宽利用率，从而解决云数据中心的带宽瓶颈问题。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1 .1 课题的研究背景及意义

1.2 国内外研究现状

1.3 全文研究内容及章节安排

第二章 云计算的相关知识概述

2.1 云计算的概念

2.2 云计算的特点

2.3 云计算的体系框架

2.4 云计算的分类

2.5 云计算关键性技术

2.6 本章小结

第三章 云数据中心及资源调度策略概述

3.1 云数据中心体系结构

3.2 云数据中心的特点

3.3 云资源管理

3.4 云数据中心任务部署模型

3.5 数据迁移放置策略

3.6 数据迁移位置选择策略的构模型架

3.7 本章小结

第四章 IB-FA算法及数据迁移策略的研究

4.1 萤火虫算法

4.2 I B-FA算法

4.3本章小结

第五章 实验结果与分析

5.1 H DFS存储解析

5.2 实验环境

5.3 实验结果与分析

5.4 本章小结

第六章 总结与展望

6.1 本文总结

6.2 展望

致谢

参考文献

作者简介

攻读硕士学位期间研究成果