云计算中自适应虚拟化资源管理研究

admin

题目：


雅宝题库答案：

****此区域为收费内容****    需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
云计算作为一种新兴的共享整合IT基础架构的计算模式，希望能以即付即用的方式向众多网络用户提供廉价、动态灵活和应用服务级目标保证的服务，具有非常广泛和重要的应用前景。如何根据应用负载的变化来有效地控制和管理虚拟化资源，从而能在满足多个应用的服务级目标的情况下节省硬件和操作管理的开销，是虚拟化云计算面临的一个关键题目。然而，当前针对虚拟化系统乃至云计算系统的资源管理的研究尚面临着以下的挑战：理解Web应用负载的模式和特征，确定应用的负载、服务级目标和虚拟化资源之间的复杂动态关系，以及云计算基础设施中大规模虚拟机的放置题目。本文在深入分析当前云计算中虚拟化资源的自适应管理需求的基础上，给出了一个系统的综合解决方案，以提高云计算系统控制和管理的自主性。相对于已有的研究工作，本文将致力于提供合理有效与多层次的综合解决方案，进一步提高虚拟化云计算资源管理的有效性，保障云应用服务的性能。本文的主要研究工作和创新点概述如下：一、提出云计算中自适应虚拟化资源管理的综合架构。针对云计算基础设施的超大规模和复杂性，基于典型Web应用服务的负载模式，设计并实现了在不同时间范围和空间规模下的四种控制器和四层控制循环，构成虚拟化资源的反馈控制综合架构。定义了各层之间的接口，从而使得不同层之间能相互协调工作，分层次地解决大规模复杂云资源的控制和管理题目。使用不同的方法和技术，包括反馈控制，系统辨识，统计机器学习和遗传算法等，构建多层次的资源控制器。二、提出基于反馈控制的自适应虚拟化资源管理方法。针对短期内不可预见的、突发性的负载变化，基于带各态经历输入（ARX模型）的多变量自动回归方法，建立资源性能模型，周期性地描述被控制的虚拟化系统的动态性，刻画负载变化下应用的性能（被控制变量）和多种虚拟化资源分配（控制变量）之间的关系。基于资源性能模型和动态状态空间反馈方法，设计并实现了虚拟机控制器，用于计算与分配满足应用的服务级目标的多种虚拟化资源。结点控制器接收来自同一结点上的虚拟机控制器的资源请求，并根据服务区分为应用分配资源。实验结果表明，在短期内不可预见的、突发性的负载变化下，资源性能模型能够准确地估计不同虚拟化资源分配下的应用的性能；当结点满足所有应用的资源需求时，结点控制循环能够实现所有应用的服务级目标，当结点资源不足时，提供基于优先级的区分服务。三、提出基于最佳配合降序算法的虚拟机到结点的映射和放置策略。大规模的虚拟机迁移会导致极大的系统开销和较长的迁移时延，在整个云计算基础设施规模下频繁的进行虚拟机重放置实践上很难有好的效果。将虚拟机放置的范围分为迁移域和全局两种。通过将相互距离比较近的一些结点组成一个迁移域，把云计算基础设施划分为多个迁移域。提出的策略描述了负载变化下虚拟机和结点之间的映射关系，基于该策略设计并实现了迁移域控制器和控制循环。实验结果表明，迁移域控制循环能够在迁移域内合理地动态调整和重组虚拟机，满足多个应用的服务级目标。四、提出全局虚拟机放置的自适应管理框架和带应用服务级目标约束的虚拟机放置多目标优化算法。云计算的一个关键需求是其基础设施中大规模虚拟机的放置题目。虚拟机和物理结点之间的映射决定了如何将云计算中虚拟化资源分配给多个Web应用，对云计算系统的性能、能耗和QoS保证有重要影响。虚拟机放置通常需要在满足一定约束的条件下考虑多个目标的优化，包括最小化物理结点使用数量和虚拟机迁移次数。对于长期内可预测的、周期性的负载采取主动方式，使用统计和机器学习方法分析大量的负载变化统计数据和系统日志，建立长期负载模式下的性能模型，为实现大规模虚拟机放置的多目标优化提供决策支持。基于长期负载性能模型，多目标优化算法采用组方式和三空间分割方法分别对染色体进行编码和译码，根据不同染色体长度的变化设计交叉和变异遗传算子。算法对解空间内的多个区域同时搜索，具有群体和自我进化的优势，优化一次就能获得对不同目标的权值运算多次才能得到的最优解。实验结果表明，与传统的启发式和单目标优化算法相比，本文提出的框架和算法使得多个应用的服务级目标的违背率最低，且能有效减少虚拟机迁移次数和物理结点的使用数量。