面向云计算弹性扩展的规则自动生成与优化

摘要

云计算的相关课题是近几年的研究热点,作为一种新型的计算范式,她倡导将计算能力以服务的形式加以传递。随着相关技术的进步和成熟,这种理念变得越来越实际,不少行业巨头都相继投入大量资本展开相关实践。
　　弹性扩展能力是云计算的重要特性之一,它也是保证云服务能否成功实施的关键。正是因为它,云平台能根据目标系统的运行特征动态为其调配资源,以确保系统的服务质量符合契约(SLA)规定,并保证资源利用率在较高的水平。实现云平台弹性扩展机制的重要步骤是为目标系统构建准确的资源需求模型,以便根据系统运行特征参数值估算其所需的资源数目,从而为其增添资源或从中释放回收资源。目前的研究工作主要采用实时在线的方法为目标系统微调相关配置参数或调整虚拟资源的配额,本文认为这些方法各自存在一定局限性,容易出现“抖动”现象。本文提出了一种基于神经网络相关知识体系来实现云平台弹性扩展机制的方法框架。该方法借助神经网络构建目标系统的资源需求模型,由此生成弹性扩展规则,并进一步指示云平台为目标系统执行相应的资源调配操作。同时,本文发现单一固定的弹性扩展规则,其作用效果很难得到持续的保证,本文为此设计了一套扩展规则的优化机制和方法。
　　为验证本文所提方法框架的实效性,文章设计实现了一系列模拟实验,并通过对比静态扩展规则来分析生成的弹性扩展规则的作用效果。实验结果表明,本文提出的扩展规则生成方法行之有效,由此生成的弹性扩展规则能保证目标系统的服务质量(系统响应时间)在至少93％的时间里符合SLA规定,相比静态扩展规则只能保证系统服务质量在86%甚至更少的时间里符合要求。此外,文章设计的实验也证明了本文提出的弹性扩展规则优化方法的可用性。
　　本文工作以IaaS的视角展开,并以多层架构的web系统作为目标系统的代表性案例,以此展开相关分析和研究。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 研究内容

1.4 论文组织结构

1.5 本章小结

第二章 弹性扩展方法分析

2.1 扩展操作需要考虑的问题

2.2 基于控制论调配资源

2.3 基于队列理论调配资源

2.4 基于机器学习调配资源

2.5 本章小结

第三章 基于神经网络的弹性扩展规则生成和优化

3.1 弹性扩展规则生成的理论基础

3.2 问题定义及形式化

3.3 借助神经网络建模系统

3.4 神经网络的设计

3.5 神经网络模型的具体化

3.6 弹性扩展规则的优化过程

3.7 本章小结

第四章 系统设计与实现

4.1 相关构件设计

4.2 基于Matlab训练神经网络

4.3 本章小结

第五章 实验验证

5.1 实验准备

5.2 实验结果

5.3 本章小结

第六章 总结与展望

6.1 全文总结

6.2 研究展望

参 考 文 献

致谢

攻读硕士学位期间已发表或录用的论文