论文部分内容阅读
当前,全球信息技术产业正着一场声势浩大的“云计算”浪潮。云计算的资源存储在云供应商的虚拟机集群上,本地计算机只需要通过互联网发送一个任务请求,云端就能够根据用户的需求信息通过资源的组合和优化构成不同形式的云应用。云计算秉承“按需服务”的理念,是继个人计算机、互联网之后的第三次信息技术浪潮。要实现按需服务的目标,云供应商要通过虚拟化、并行计算、分布式存储等关键技术将传统模式的应用资源迁移到云端,通过虚拟化技术形成各种功能的虚拟资源池使用户能够根据需求访问的计算资源。在按需付费的商业模式下,用户更关心的是如何以最小的花费来完成更多的任务需求。而服务组合优化技术能够通过动态封装云端资源,不断形成各种形式和功能的新服务来满足多样化的用户需求。因此,云环境下的服务组合执行优化问题一直是研究的热点之一。在云环境下,服务商需要向用户提供虚拟机租用服务,同时提供多种经过优化,形成适用于不同用户类型的服务案例以供选择。本文通过抽象云环境建模,得到用户最为关心的两个目标函数,即完成任务所花费的运行时间和费用,将NSGAⅡ算法和MOEA/D算法应用于该模型之上,进行服务组合执行的优化,在不同规模的任务量下,均获得了较好的优化解集。本文的主要工作如下:(1)介绍了云服务体系结构和服务模型,阐述了云环境下任务调度相关问题,分析了服务组合执行优化问题的数学模型。(2)讨论了云环境下服务组合执行优化建模,通过对用户任务和服务资源的研究将服务组合执行优化问题建模为图映射问题,建立基于运行时间和运行费用的目标函数。(3)建立以用户任务的运行执行时间、运行费用为约束条件的优化模型,讨论云环境下基于NSGAⅡ算法和MOEA/D算法的服务组合执行优化方法和算法实现流程。在此基础上,改进了MOEA/D算法中的切比雪夫分解方法以及增加偏好区域后,再次求解该问题,以达到更好的优化效果。最后,通过C++仿真平台对其进行仿真,获得最优Pareto解集,并使用超体积性能指标对两算法的性能进行了更直观的量化比较,表明改进的MOEA/D算法能够更好地满足用户任务的需要,更快地确定最优的服务组合方案,验证了本文提出的服务组合优化方法在时间跨度以及费用成本方面有良好的表现。