基于强化学习的云计算资源调度策略研究

提出了一种基于强化学习的云计算虚拟机资源调度问题的解决方案和策略。构建了虚拟机的动态负载调度模型,将虚拟机资源调度问题描述为马尔可夫决策过程。根据虚拟机系统调度模型构建状态空间和虚拟机数量增减空间,并设计了动作的奖励函数。采用Q值强化学习机制,实现了虚拟机资源调度策略。在云平台的虚拟机模型中,对按需增减虚拟机数量和虚拟机动态迁移两种场景下的学习调度策略进行了仿真,验证了该方法的有效性。     

云数据中心基于异构工作负载的负载均衡调度方案

针对目前云数据中心的负载均衡调度方案没有研究将不同工作负载的应用程序进行整合的问题,提出了基于异构工作负载的静态和动态负载均衡调度算法。当放置新的虚拟机的时候,通过静态负载均衡调度算法,将虚拟机分配给物理机。云数据中心运行过程中,采用动态负载均衡调度算法将负载高的物理机上的虚拟机迁移到负载低的物理机上。仿真实验结果表明,新的调度方案不仅能够降低云数据中心的不均衡率,而且使节点内的多维度资源得到了合理地利用。     

基于改进人工蜂群算法的负载均衡感知研究

云计算的并行计算能力是实现大数据高效处理的基础,多任务部署策略对云计算下高效并行计算有重要影响。提出一种新的任务部署方案LB-BC,将聚类分析与贝叶斯定理相结合,实现了长时间的负载均衡。为了提高节能优化的强度,接着提出了一种具有节能感知功能的启发式虚拟机动态迁移位置选取方案,以人工蜂群算法为基础与动态虚拟机迁移资源的调度过程相配合,有效地解决了当前虚拟机动态迁移方案的问题,同时还能对虚拟机的动态迁移性能提供保障。     

负载均衡优先的改进优先级表调度算法

针对当前云计算环境下DAG任务调度时存在的负载失衡、任务调度效率不高的问题,提出了一种负载均衡优先的改进优先级表调度算法(LS-IPLB).算法将云计算集群中虚拟机的状态参数变化抽象成空间中的参数向量变化,给出实时衡量云计算集群的负载均衡性方法,并作为虚拟机选择权值的重要参数.同时以任务执行代价、任务的出度和任务间的通信代价作为参数计算任务优先级,并在任务调度时采用任务复制策略进一步优化调度过程.结果表明,LS-IPLB算法能有效缩短DAG任务图的完成时间,并实现了良好的负载均衡性.     

基于流量感知的虚拟机迁移调度算法

针对数据中心的虚拟机迁移调度问题,提出了一种新的启发式解决方案。该方案在充分考虑虚拟机生命周期的同时,对虚拟机进行联网以尽可能减少主干网的流量负载。仿真实验结果表明:与经典的调度算法相比,该算法具有较少的迁移次数和计算资源消耗,在保持系统稳定性方面也有较好的表现。     

云数据中心面向实时任务的节能调度算法

针对云计算环境下的独立实时任务的节能调度问题进行了研究,设计了一种基于松弛时间的任务调度算法,该算法由实时任务的分配、虚拟机资源的动态扩展以及虚拟机的动态整合3个部分组成,通过计算任务的松弛时间保证任务在截止期限内完成,保证任务的时效性. 同时提出了一种基于多阈值的虚拟机整合策略,以平衡系统负载并降低系统完成任务集合的能耗. 实验表明,与其他算法相比,该算法在保证了任务能够按时完成的基础上,有效降低了系统的整体能耗.     

基于遗传算法的云任务调度改进算法

云计算环境下任务的调度是目前研究的热点,针对任务完成时间和虚拟机资源负载的均衡情况,对云任务调度遗传算法作出改进.根据云环境下虚拟机资源的性能引入虚拟机相对适应度的概念;将标准遗传算法的随机变异操作改进为有目标的变异操作,使虚拟机相对适应度大的虚拟机资源获得更大的变异可能,加快算法的收敛.仿真实验表明,该算法在降低任务完成时间的同时提高了虚拟机资源的负载均衡,是一种有效的云任务调度算法.     

云数据中心虚拟机管理研究综述

云中心的虚拟资源管理是云计算提供者提供快速有效服务的重要保障,虚拟机管理是云中心资源管理的主要研究方向之一。该文首先对云中心虚拟资源相关研究现状进行深入调查和分析;讨论了云数据中心虚拟机放置调度方法(预留分配、即需分配、现货分配);综述了虚拟机动态在线迁移技术、服务器整合技术。最后指出云中心虚拟机管理的未来重要研究方向:分布式的虚拟机放置算法、虚拟机网络的拓扑结构、虚拟机资源使用模式探索和热能相关的动态虚拟机整合策略,以便为云数据中心虚拟机管理及研究提供有益的参考。     

基于SLA的云数据中心负载均衡理论研究

以市场驱动为出发点,设计了资源负载状态获取指标和虚拟机迁移效用分析指标,提出了基于时间序列的负载预测算法和基于SLA的虚拟机均衡迁移机制,通过在CloudSim仿真环境下的分析和比较,该负载均衡机制能够以最大化收益为目标实现系统负载均衡。     

数据中心环境下能耗性能感知的优化方法

针对云计算环境下数据中心高能耗问题,提出了一种能耗性能感知的虚拟机动态整合方法,以优化能耗性能. 首先通过局部回归分析判定主机是否过载,利用均值法检测主机是否轻载,然后根据虚拟机最小迁移时间、最大和最小CPU利用率策略选择要迁移的虚拟机加入到迁移队列,最后运用能耗性能感知的虚拟机部署优化算法对虚拟机进行优化部署. 仿真结果显示,该算法不但提高了系统性能,而且也降低了系统能耗.     

数据中心环境下能耗性能感知的优化方法

针对云计算环境下数据中心高能耗问题,提出了一种能耗性能感知的虚拟机动态整合方法,以优化能耗性能.首先通过局部回归分析判定主机是否过载,利用均值法检测主机是否轻载,然后根据虚拟机最小迁移时间、最大和最小CPU利用率策略选择要迁移的虚拟机加入到迁移队列,最后运用能耗性能感知的虚拟机部署优化算法对虚拟机进行优化部署.仿真结果显示,该算法不但提高了系统性能,而且也降低了系统能耗.     

基于负载均衡度的云计算任务调度算法

针对当前云计算环境中用户群与数据量庞大的特点,如何设计高效的负载均衡调度算法是云计算领域一直探索的重要课题.提出一种基于负载均衡度的云计算任务调度算法(TS-CCLB),该算法首先依据空间案投影分析计算了集群的负载均衡度,以此给出调度决策变量,并依据任务的执行代价完成时限赋予任务不同的优先级别.任务调度时将任务按优先级调度到最大决策变量值所对应的虚拟机上.实验结果表明,该算法可有效提高云计算集群的负载均衡性,缩短总任务的完成时间,尤其当任务数与节点规模较大时,优势更为明显.     

一种面向感知数据托管的虚拟机调度策略

以虚拟化为主要特征的IaaS(基础设施即服务)云服务,可实现资源的池化管理和灵活配置.现有虚拟化方案下物联网的感知数据托管,由于在数据规模、更新速度以及应用需求的不同特征,往往会发生负载倾斜和负载不均的现象.针对这类问题,本文提出一种面向感知数据托管的虚拟机调度策略,基于贪心技术实现了2种模式下的调度算法.实验表明,本文方法可以动态调度虚拟机,达到物理集群负载均衡和优化节能的效果.     

基于优先排队论网络延迟云计算资源调度算法

针对虚拟机在实际应用环境中,对于不同数据在不同情况下需要不同优先级输出的问题,采用运筹学优先制Ｍ／Ｍ／１排队模型,对虚拟机请求作出网络延迟分析并对传统的顺序输出方法加以改进。结合数据资源在云计算环境下的Ｍａｐ Ｒｅｄｕｃｅ模型,提出新的调度算法以及不同于传统算法的度量指标。经过ＣｌｏｕｄＳｉｍ仿真软件进行模拟实验,结果表明,新的算法将网络延迟以及物理机和虚拟机的ＣＰＵ、内存等资源综合考虑,在性能上要优于随机算法、转轮算法等传统算法,大大改善了负载均衡度,缩短任务调度总时间,并使总调度时间的负载效率得以提高。     

基于模糊聚类的云计算集群资源调度算法

针对现有的云计算集群资源调度算法具有的负载不均衡和在线动态适应能力不强的缺点,提出了一种基于模糊聚类的云计算动态集群资源调度算法。首先,构建了云计算环境下的资源调度模型。然后采用模糊聚类对云计算集群资源进行聚类,根据节点与所有聚类中心的距离判断是否需要增减聚类数量。当新任务到来时,自动计算其到各个聚类中心的距离,将具有最小聚类距离的聚类中心分配给该任务。在Cloudsim环境下进行仿真试验,结果表明该方法能有效地实现云计算集群资源的动态调度,且较其它方法相比,具有反应实时和负载均衡的优点,是一种适合云计算环境的可行任务调度方法。     

基于新型休眠模式的云虚拟机分簇调度策略及性能优化

针对云数据中心数量增加与规模扩张中存在的云计算能耗控制问题,引入了唤醒阈值与休眠定时器双重控制的周期性休眠模式,提出了一种云虚拟机分簇调度策略。云数据中心的虚拟机分为2个模块:模块Ⅰ中的虚拟机时刻保持唤醒;模块Ⅱ中的虚拟机则根据云数据中心的工作负载轻重在休眠状态与唤醒状态间切换。通过构建具有双速率与部分服务台异步(N,T)策略多重休假的排队模型,运用矩阵几何解方法,从云请求平均时延与系统能量节省率等方面评估云虚拟机分簇调度策略的系统性能。综合理论分析结果与仿真统计结果,验证了云虚拟机分簇调度策略的有效性。从经济学角度出发,构建了系统成本函数,引入了An混沌映射机制与非线性递减惯性权值策略,改进了粒子群智能优化算法,给出了策略参数的优化方案,实现了系统响应性能与节能效果之间的合理平衡。     

基于云计算的弹性负载均衡方案

针对云环境下大量并行计算易导致节点负载不均影响云平台服务质量的问题,提出一种基于云环境的弹性负载均衡方案。该方案构造了负载均衡模型框架,对虚拟机负载状况和虚拟机集群资源利用率进行量化评估,并为实现虚拟机集群负载的均衡和弹性伸缩,设计了负载均衡模型和弹性伸缩算法。测试结果表明在该负载均衡机制下,新方案的用户响应时间有所改善,可相应提高资源利用率。     

基于DPB+-Tree的数据迁移策略研究

提出了一种适合于数据迁移、又能保证分布并行特性的树结构DPB+-Tree,讨论了基于DPB+-Tree的数据迁移策略,其中数据节点迁移采用分布式提交协议来保证原子性,索引重构通过对溢出链的hash重排来实现,迁移算法则通过设置负载系数的两个阈值来对负载倾斜进行判断。经模拟实验结果表明,该数据迁移策略能够有效改善系统的负载均衡和吞吐率特性。     

综合迁移成本和通信成本的云计算节能策略

云计算数据中心将分散在不同物理服务器上的虚拟机通过迁移进行聚集,从而关停或休眠迁空的物理服务器以实现节能.针对当前虚拟机迁移方法仅考虑了迁移成本或者仅考虑了由应用相关性带来的虚拟机之间的通信成本,提出一种虚拟机迁移策略,以实现数据中心节能的目标,并且综合考虑了迁移成本和通信成本.仿真结果表明,该策略有效降低了数据中心的能耗和迁移成本及迁移后虚拟机间的通信成本.     

基于免疫优化策略的副本放置算法

副本放置问题在云计算环境分布式存储系统中是一个关键问题。针对现有副本放置算法存在的数据副本访问开销较大，节点负载不均衡的问题，提出了一种基于免疫优化策略的副本放置算法。通过计算节点的亲和度，并借助免疫优化系统特有的克隆选择和免疫记忆机制，对副本节点的评价和选择更加合理。基于Matlab的仿真实验证实该算法能够降低分布式存储系统的副本访问开销，均衡节点负载。