面向收益最大化的数据中心资源分配算法研究

摘要

云计算的高速发展趋势，得益于数据中心能够提供高性能的计算能力和存储能力作为支撑。数据中心将虚拟化后的资源租用给用户以便让用户构建自己的集群计算设施并在该设施上运行自己的任务。与此同时，数据中心通过租用资源获取相应的收益。随着数据中心规模的不管扩大，对数据中心中资源的管理分配问题也成为了研究的热点。
　　在本文中，我们主要研究了在多租户数据中心中，数据中心如何分配虚拟化资源给用户的任务需求并最大化其收益的问题。在计算收益时，我们同时引入了数据中心资源租用价格模型和能量消耗模型，以便能够更加准确的描述数据中心的真实收益。同时，通过已有的虚拟网络集群模型来刻画用户的任务需求，有利于更加准确的将任务需求与数据中心资源的刻画相统一。根据对数据中心资源和任务需求的建模，我们提出了面向收益的资源分配问题，并使用动态规划框架将该问题转化成带约束的优化问题。该优化问题的目标函数是最大化数据中心的收益，约束是确保用户的任务能够有保证的完成。为了解决该优化问题，我们提出了4种算法从不同的角度来解决该优化问题，其中包括了基准算法Leftmost-Fit算法（LFA），基于动态规划框架下的短视策略（MYOPIC）并利用任务网络需求与服务器剩余网络带宽之间相关系数的Correlation-Maximization算法（CMA）和Enhanced Correlation-Maximization算法（E-CMA），还有使用近似动态规划解法框架下lookahead策略的LookAhead算法（LAA）。最后，我们实现了数据中心资源分配的模拟仿真实验，在现有的真实数据基础上，我们对数据进行合理的扩展，对比了提出的四种算法在6种设定的性能指标下的表现。实验结果表明拥有最大计算时间复杂度的E-CMA算法的性能居4种算法之首，LAA算法和CMA算法有其个自己的优势，在大多数场景下都比基准算法LFA算法强。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 本文研究课题内容

1.2 主要工作和创新

1.3 本章小结

第二章 研究背景及相关工作

2.1 数据中心

2.2 数据中心的虚拟化

2.3 相关工作

2.4 本章小结

第三章 数据中心资源和任务需求建模

3.1 多用户数据中心

3.2 系统建模

3.3 本章小结

第四章 资源调度问题

4.1 Dynamic Programming框架

4.2 资源调度问题定义

4.3 本章小结

第五章 高效资源调度算法

5.1 动态规划解法

5.2 MYOPIC调度策略

5.3 Lookahead调度策略

5.4 本章小节

第六章 仿真实验及算法评估

6.1 实验环境

6.2 实验参数设置

6.3 实验结果

6.4 本章小节

全文总结

参考文献

致谢

攻读学位期间发表的学术论文目录