云平台资源调度算法的研究与仿真实现

论文摘要

云服务商整合计算机系统资源,通过资源共享的方式将数据中心的资源,以一定的规则对外提供。用户在云平台上,按照自己的需要支付一定的费用给服务商,用于购买资源,而无需关注底层基础设施的实现。良好的资源调度算法能够提高资源利用率,降低能耗,减少企业的运营成本,因此研究云平台资源调度算法具有重要的意义。本文介绍了云平台的体系结构、服务模式、部署模型、关键技术以及常见的调度算法,研究了云平台下资源调度问题并进行分析建模,以降低数据中心物理服务器的资源闲置率以及数据中心整体单位时间内能耗等多目标为主要优化目标,针对此类多目标优化问题,选择智能算法中遗传算法去解决。本文研究了遗传算法与模拟退火算法的原理、特点与不足,由于遗传算法在搜索空间搜索时会在某一空间收敛过快,因此借鉴模拟退火算法的思想对遗传算法进行改进以控制算法的收敛速度,使算法专注于搜索优秀的解。云平台下资源调度问题可以抽象为多目标优化问题,因此设计了遗传算法中的评价函数,并在仿真平台CloudSim中实现了基于遗传算法、改进后遗传算法、首次适应算法、最佳适应算法、最差适应算法等算法的资源调度策略,以标准性能评估公司提供的真实能耗数据作为物理服务器的能耗模型,设计了实验方案并进行了仿真。实验结果显示,在降低数据中心资源闲置率与单位时间内功耗等两个方面,改进后的遗传算法具有一定的优越性。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
•   1.1 课题背景
•   1.2 课题任务
•     1.2.1 课题内容
•     1.2.2 本人承担任务
•   1.3 论文结构
• 第二章 云计算相关技术分析
•   2.1 云计算
•     2.1.1 定义
•     2.1.2 特性
•     2.1.3 服务模式
•     2.1.4 部署模型
•     2.1.5 体系结构
•   2.2 关键技术
•     2.2.1 虚拟化技术
•     2.2.2 大型分布式存储
•     2.2.3 并行计算模型
•     2.2.4 数据管理
•   2.3 云计算中的调度
•     2.3.1 特性
•     2.3.2 调度目标
•     2.3.3 任务调度算法
•     2.3.4 资源调度算法
•   2.4 本章小结
• 第三章 云平台资源调度的分析建模与算法改进
•   3.1 遗传算法分析
•     3.1.1 遗传算法
•     3.1.2 原理
•     3.1.3 特点与不足
•   3.2 模拟退火算法分析
•     3.2.1 模拟退火算法
•     3.2.2 原理
•   3.3 云平台调度问题分析与建模
•     3.3.1 问题分析
•     3.3.2 问题建模
•   3.4 遗传算法的改进
•     3.4.1 算法改进
•     3.4.2 编码设计
•     3.4.3 评价函数设计
•     3.4.4 选择方式设计
•     3.4.5 交叉变异方式
•     3.4.6 精英主义策略
•   3.5 本章小结
• 第四章 仿真实验与结果分析
•   4.1 仿真平台
•     4.1.1 概述
•     4.1.2 体系结构
•     4.1.3 实验环境搭建
•     4.1.4 仿真流程
•   4.2 仿真与分析
•     4.2.1 实验方案
•     4.2.2 结果分析
•   4.3 本章小结
• 第五章 结束语
•   5.1 论文工作总结
•   5.2 问题和展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文

文章来源

类型: 硕士论文

作者: 申子凯

导师: 张笑燕

关键词: 云计算,遗传算法,模拟退火算法,资源调度,多目标优化

来源: 北京邮电大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,自动化技术

单位: 北京邮电大学

分类号: TP18;O221.6

总页数: 64

文件大小: 5722K

下载量: 351