论文部分内容阅读
云计算能够使用户通过互联网实现泛在、按需、便捷地访问各种共享的计算资源,如服务器、网络、存储、应用程序等。作为一种商业模式,云计算为用户提供按需定制、按用付费的资源获取方式,受到了越来越多用户的欢迎,成为当前信息通信技术领域的研究热点之一。云数据中心计算节点资源的异构性、用户提交任务请求的动态性和海量性、以及云数据中心的规模越来越大等因素,对云计算环境下的任务调度与虚拟机整合带来了挑战,得到了工业界和学术界的广泛关注。目前,针对云计算环境下的任务调度问题和虚拟机整合问题,国内外学者已经开展了一些研究,但仍然存在一些关键问题有待进一步解决,主要体现在以下四点:第一,现有针对云计算环境下任务调度的研究,往往是从用户或云供应商单方角度的激励目标出发而设计调度算法,无法保证用户和云供应商双方的激励目标同时得到满足。第二,现有针对云计算环境下工作流调度的研究,大多没有考虑计算节点故障等因素的影响,所提出的模型和调度算法也往往不能反映云数据中心的实际情况。第三,负载均衡是云数据中心在进行资源管理时需要考虑的关键因素之一,然而现有针对虚拟机整合的研究大多没有考虑负载均衡这一因素。第四,现有针对虚拟机整合的研究,通常是按照虚拟机占用的资源、迁移次数等因素来选择待迁移的虚拟机,而忽略了虚拟机迁移开销这一重要因素,导致所提出的虚拟机整合算法虽然能在一定程度上降低云数据中心的能耗,但同时也造成了较高的迁移开销。针对现有研究存在的以上问题,本文对云计算环境下的任务调度与虚拟机整合开展了较为深入的研究,提出了相应的模型和算法。本文的主要工作如下:1.针对现有研究存在的上述第一个问题,本文开展了考虑用户和云供应商双方激励目标的任务调度研究。首先,提出了一种考虑用户和云供应商双方激励目标的任务调度模型。其次,提出了一种基于贪心机制的动态价格调度算法,该算法采用一种动态价格机制,使云供应商提供的计算节点资源的价格满足商品的市场价格规律。实验结果表明,在大部分情况下,所提出的算法能够更好地满足双方的激励目标。2.针对现有研究存在的上述第二个问题,本文开展了考虑计算节点故障情况下的工作流调度研究。首先,推导出了在考虑计算节点故障的情况下,工作流完成时间的期望和工作流执行开销的期望的计算方法。其次,提出了一种工作流调度的多目标优化模型,该模型同时优化工作流完成时间的期望和工作流任务执行开销的期望。最后,提出了一种基于Min-Min的开销和时间加权算法。实验结果表明,在实际中存在的计算节点故障及故障恢复确实影响了工作流的执行性能,所提出的算法更加符合云数据中心的实际情况。3.针对现有研究存在的上述第三个问题,本文开展了考虑负载均衡的虚拟机整合研究。首先,提出了一种考虑负载均衡的虚拟机整合模型,该模型同时优化云数据中心使用的计算节点个数和这些使用的计算节点之间的负载均衡。其次,提出了一种基于贪婪机制的虚拟机整合算法。实验结果表明,所提出的算法都能以少量地增加虚拟机迁移次数为代价,在更大程度上降低云数据中心的能耗。4.针对现有研究存在的上述第四个问题,本文进一步开展了迁移开销感知的虚拟机整合研究。首先,提出了一种多限制条件下的虚拟机整合模型。其次,提出了一种迁移开销感知的虚拟机整合算法,该算法每次通过选择开销因子最小的虚拟机进行迁移,来减少虚拟机整合过程中的迁移开销。实验结果表明,所提出的算法能够在降低云数据中心能耗的同时,在一定程度上减少虚拟机的迁移开销。