云环境下虚拟机部署算法的研究

摘要

在云数据中心虚拟机的部署策略已成为一个重要的研究课题，也是当前研究领域的一个热点和难点问题。在云数据中心设有大量拥有的计算资源量是各不相同的物理服务器，如果不对这些服务器和携带任务的虚拟机进行分析直接将虚拟机随机部署到服务器上会导致云计算系统的负载平衡性能差、虚拟机执行效率低，而且会大量地浪费物理资源。
　　本文首次提出了一种基于贝叶斯分类并结合首次自适应的思想进行虚拟机部署的策略。该策略算法通过对虚拟机需求以及物理服务器的剩余资源进行分析，利用贝叶斯公式及标准化的阈值找出能达到长期负载平衡适合部署虚拟机的物理服务器，将虚拟机的需求量进行降序排序后以首次适应算法部署到物理服务器上不仅降低了虚拟机部署的失败次数，也减少启动了不必要开启的物理服务器从而降低了整个系统的能耗。仿真实验结果表明，新的任务部署策略不仅更好地实现了长期负载平衡，缩短了任务的完成时间，而且在降低能耗和任务部署失败率方面都有明显的效果。
　　本文首次提出了利用朴素贝叶斯公式将虚拟机进行进一步地分类工作后，以先来先服务的方式进行虚拟机的部署。首先通过对虚拟机需求以及物理服务器的剩余资源进行分析，利用贝叶斯公式筛选出具有高效性能的服务器集群，再将这些服务器集群作为统计朴素贝叶斯所需概率的资源池，当后续再对虚拟机进行分配时，则根据朴素贝叶斯的分类策略就可以快速的找出可部署虚拟机的服务器集，将虚拟机以先来先服务的算法部署到分类后的服务器上，既可以达到负载平衡的效果也能使得服务器集里的服务器负载均衡，同时也提高了整个系统的执行效率。仿真实验结果表明，该任务部署策略不仅很好地实现了系统的长期负载平衡，缩短了任务的完成时间，而且在降低任务部署失败率方面也有明显的效果。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景

1．2 国内外研究现状

1．3 论文的主要工作

1．4 论文组织结构

第二章 相关理论知识

2．1 云计算相关理论知识简介

2．2 虚拟机相关理论知识简介

2．2．1 虚拟机基础理论简介

2．2．2 虚拟机部署理论简介

2．3 机器学习分类策略简介

2．4 贝叶斯分类算法简介

2．4．1 贝叶斯定理的推导

2．4．2 贝叶斯问题的求解方法

2．5 朴素贝叶斯分类算法简介

2．5．1 朴素贝叶斯定的推导

2．5．2 朴素贝叶斯分类问题求解方法

2．6 本章小结

第三章 基于贝叶斯分类策略的虚拟机部署算法研究

3．1 贝叶斯分类策略模型

3．2 首次自适应部署策略

3．3 基于贝叶斯分类虚拟机部署算法

3．3．1 部署算法步骤

3．3．2 算法伪代码

3．4 仿真实验环境

3．4．1 CloudSim概述

3．4．2 CloudSim体系结构

3．4．3 CloudSim仿真流程

3．4．4 仿真实验参数

3．5 实验结果比较与分析

3．5．1 虚拟机执行完成时间

3．5．2 服务器负载平衡效果

3．5．3 虚拟机部署失败次数

3．5．4 服务器能源消耗

3．6 本章小结

第四章 基于朴素贝叶斯分类策略的虚拟机部署算法研究

4．1 朴素贝叶斯分类策略模型

4．2 先来先服务部署策略

4．3 基于朴素贝叶斯分类虚拟机部署算法

4．3．1 部署算法步骤

4．3．2 算法伪代码

4．4 实验结果比较与分析

4．4．1 仿真实验参数

4．4．2 虚拟机执行完成时间

4．4．3 虚拟机部署失败次数

4．4．4 服务器负载方差值

4．5 本章小结

第五章 总结与展望

5．1 本文总结

5．2 工作展望

参考文献

发表论文和参加科研情况说明

致谢