论文部分内容阅读
借助于系统虚拟化技术和虚拟机实时迁移技术,云计算实现计算资源的动态按需配置,极大提高了资源的有效使用,在资源配置过程中如何较好的平衡物理节点的稳定性和能源消耗之间的关系是一个基本且复杂的问题。但是现有的云平台资源配置策略大多通过减少激活物理节点的数量来实现绿色计算,这些资源调度方案没有针对应用负载的动态性而考虑物理节点的稳定性,同时只考虑当前状态下的资源分布方式的稳定性或对单个目标的优化,容易获得局部最优解。基于此,本文综合考虑云平台的稳定时间、物理节点的激活数量和虚拟机的迁移次数等几个因素,针对应用负载的动态变化特征,将虚拟机在物理节点上的分布问题转化为一个多目标优化问题,利用基于改进NSGA-II的多目标优化遗传算法(Multi-Objective Genetic Algorithm Based On Improved NSGA-II,MOGAINS)来寻求该问题的近似最优解。仿真结果表明,MOGAINS采用类型匹配规则(TypeMatching Rule,TMR)较好的实现了资源的均衡利用,通过Pareto前沿的预筛选操作增加了进化种群的分布性,对进化过程的分析验证了遗传算法的有效性。经过多次实验发现,MOGAINS中会出现大量个体分布在同一个Pareto前沿的情况,且个体周围的密度信息不能较好的通过同一级非支配个体集反映出来。后续本文在MOGAINS的基础上实现了基于改进SPEA-II的多目标优化遗传算法(MultiObjective Genetic Algorithm Based On Improved SPEA-II,MOGAISP)来寻求最佳资源配置方案。仿真结果表明,MOGAISP的性能略优于MOGAINS,相对于MOGAINS,MOGAISP在保证物理节点稳定性的前提下,使得新虚拟机分布方式具有更低的功耗,较大的提高了云服务提供商的收益,在云计算需求日益增长的背景下,本文具有一定的实际意义和经济价值。