一种云环境下的虚拟机负载均衡算法

针对多数负载均衡算法都以虚拟机的CPU、内存等资源的利用率作为优化目标,而未考虑虚拟机上总任务工作时长不均衡导致任务总等待时长增加的问题,提出一种结合随机森林分类器的粒子群优化算法用于解决虚拟机的负载均衡问题.该算法不仅均衡了虚拟机的CPU利用率和内存利用率,也将虚拟机上总任务工作时长作为优化目标,以达到均衡虚拟机资源利用率,同时减少任务总等待时间的目的.仿真实验结果表明,该算法能有效解决虚拟机的负载均衡问题.     

云计算环境下基于改进GSO的目标主机选择算法

目标主机的选择是虚拟机动态迁移过程中的重要阶段,是实现负载均衡的关键。针对基本萤火虫算法存在的精度不高、收敛较慢的问题,提出了一种改进的萤火虫优化算法,用于解决虚拟机迁移时虚拟机和目标物理主机的映射问题,实现多目标最优求解。该算法通过引入步长调整因子,能够动态调整移动步长,克服了步长过大或过小导致的精度不高、后期收敛较慢的缺点。全面考虑物理主机负载指标,建立负载均衡模型,将萤火虫算法中个体与节点资源相对应,利用萤火虫发光机制寻优求解,以实现目标主机的优化选择。仿真实验表明,该算法能够快速完成目标主机的选择,有效平衡系统资源,实现数据中心负载均衡。     

基于BP神经网络负载预测的虚拟机部署策略

针对传统基于择优选择的虚拟机部署机制忽略了业务对负载指标要求的差异,并且对目标服务器的负载缺乏有效预测,易导致负载不均衡和虚拟机过度迁移等问题,提出一种优化的虚拟机部署策略.首先设计一种改进的BP神经网络算法对服务器节点的负载进行预测,然后实施虚拟机加权部署,使虚拟机部署在合适的服务器上.实验结果显示:该策略在基于时间序列的负载预测上具有较高的拟合精度,可提升虚拟机部署的稳定性.     

基于人工蜂群的云计算负载均衡算法

针对云计算负载均衡问题,基于人工蜂群的思想设计负载均衡算法。首先建立了云计算系统中计算负载的数学模型;在此模型基础上,分三步实现负载均衡:①负载均衡决策,计算云系统整体的负载,在云系统整体上尚未过载且负载不均衡的前提下,启动后续步骤;②虚拟机分组,将云系统中的全体虚拟机分别归入过载、低负载、负载均衡三个分组。后续步骤中需要被迁移的计算任务通常处在过载虚拟机之上,而迁移目的地通常是一个低负载虚拟机;③计算任务调度,将过载虚拟机上的任务向外迁移,并设计规则来选择恰当的低负载虚拟机作为迁移目的地。实验验证了所提算法的有效性。     

基于虚拟机迁移的虚拟机集群资源调度

针对虚拟机集群资源负载不平衡的问题,基于虚拟机迁移技术,提出了一种虚拟机集群资源调度策略,将虚拟机的资源进行了分类并用向量表示,描述了每一类资源的数量和负载的计量方法,用最佳适应算法寻找虚拟机迁移的目标主机,通过使用上限阈值和下限阈值约束资源利用率的方法,使负载平衡目标与节能目标相统一,引入最小迁移周期避免了虚拟机资源利用率不稳定带来的频繁迁移.该调度策略能为虚拟机中的应用提供透明的资源调度,并使虚拟机集群达到负载平衡和节能的双重目标.     

云计算中虚拟机脏页实时迁移的改进策略

虚拟机的实时迁移是实现虚拟机负载均衡的关键技术.当前基于预拷贝(Pre-Copy)方式的内存迁移机制被广泛的采用,该机制在高负载状态下会造成高脏页的反复传送,导致迁移效率严重下降.有效地减少迁移过程中的数据传输量和缩短迁移时间成为亟待解决的问题.本文提出一种迁移过程脏页率预测优化算法,利用马尔科夫模型预测脏页被传送后再次变脏的概率,并结合预测概率时脏页的变化情况,避免了迭代过程中高脏页频繁重传.实验结果表明,本文算法在高负载环境下能明显减少高脏页的无效传送,同时缩短了10%的迁移时间,提高虚拟机迁移性能.     

基于改进萤火虫算法的虚拟机迁移策略研究

为降低数据中心能耗同时保证其服务质量,提出了一种基于改进萤火虫算法的虚拟机迁移调度策略。综合考虑CPU、内存和带宽等因素对能耗的影响,将虚拟机迁移过程模拟为萤火虫的生物行为,并引入模拟退火机制,选择出待迁源主机,将该主机上负载最大的虚拟机迁移到能耗最低的节点。经实验表明,该方法在降低能耗和保证服务质量方面都具有良好的优化效果。     

基于猫群优化算法的云计算虚拟机资源负载均衡调度

为了提高虚拟机资源调度的利用率, 实现虚拟机资源合理调度, 提出一种基于猫群优化算法的虚拟机资源调度优化方法. 首先根据虚拟机资源调度优化目标构建数学模型; 然后综合考虑最短时间与最优负载构建猫群优化算法的适应度函数, 并通过模拟猫的日常行为实现虚拟机资源调度最优方案的寻优; 最后在CloudSim平台上对该算法的有效性进行测试. 测试结果表明, 该算法能获得更优的虚拟机资源调度方案, 保证了虚拟机资源的负载均衡, 可以满足用户需求的偏好性.     

虚拟机集群自适应负载均衡策略

针对虚拟机集群资源负载不平衡的问题,为提高资源利用率,提出一种集群自适应调度策略。首先将虚拟机资源按类别进行划分,然后通过量化各类资源对系统性能的影响,采用随机概率选择算法,完成对拟迁移的虚拟主机和目标迁移节点的选择,从而解决系统负载不平衡问题。实验结果表明,该方法能有效改善系统性能和提升资源利用率。     

数据中心多目标虚拟机管理研究

通过建立起资源使用、服务器热点与电源能耗三者的统一优化模型,设计多目标虚拟机动态管理系统,协同优化资源使用、服务器热点和电源能耗,以使得数据中心的效益达到最优.鉴于数据中心负载流量的动态波动性,采用基于滑动窗口的两级状态检测策略来决策迁移虚拟机时刻,基于多目标统一优化模型设计相应算法来解决迁移虚拟机和目的主机的选择问题.最后在Xen虚拟机平台上测试该系统,实验结果表明:本文设计的虚拟机动态管理方法能够较好地协同优化数据中心的资源使用、服务器热点和电源能耗,使得数据中心的效益达到最优.     

基于个性化的云平台虚拟机部署机制的研究

云平台中传统虚拟机部署策略通常是依据单一性能指标来选择目标宿主机,而忽略了承担不同业务的虚拟机对不同资源依赖性的差异,从而导致因资源得不到合理分配而引起的过度迁移现象。针对以上问题,提出了云平台下一种虚拟机的个性化部署机制,该机制通过时间序列预测机制对宿主机的负载进行预测,并结合虚拟机的个性化负载需求,选择并部署在适当的宿主机上。实验结果显示,利用该机制部署虚拟机,在一定程度上能够有效降低虚拟机迁移频率,延长发生首次迁移的时间。     

WDM网状网中基于负载平衡的动态波带保护算法

为解决WDM网状网的波带保护问题,提出一种基于多层OXC结构的动态专用波带保护(DDWP)算法.该算法以最小化可选路径对端口占用总数为第一优化目标,以路径对所经链路总数最小为第二优化目标.在不同负载动态业务下对DDWP算法进行了仿真研究.结果表明:DDWP算法有利于网络负载均衡和提高端口利用率,降低了全网阻塞率.     

云计算下均衡负载的差异性资源调度算法优化

随着云计算的逐渐发展,云计算下容易出现虚拟机负载不均衡和差异性资源调度时间长的问题。当前调度算法大多无法有效解决均衡负载问题,影响调度性能。为此,提出一种新的云计算下均衡负载的差异性资源调度算法,对云计算下资源调度问题进行描述,针对云计算下虚拟机差异性资源负载问题设定参数。设计蚁群优化算法,蚂蚁爬行的每一步代表指派的一个差异性资源任务,引入挥发因子对信息素更新规则进行改进,获取全局信息素。利用蚁群优化算法对云计算下负载的差异性资源进行均衡调度,给出详细实现过程。实验结果表明,所提算法有较好的收敛性,均衡负载效果好,且时间复杂度低。     

云计算下均衡负载的差异性资源调度算法优化研究

随着云计算的逐渐发展,云计算下容易出现虚拟机负载不均衡和差异性资源调度时间长的问题,当前调度算法大多无法有效解决均衡负载问题,影响调度性能。为此,提出一种新的云计算下均衡负载的差异性资源调度算法,对云计算下资源调度问题进行描述,针对云计算下虚拟机差异性资源负载问题设定参数。设计蚁群优化算法,蚂蚁爬行的每一步代表指派的一个差异性资源任务,引入挥发因子对信息素更新规则进行改进,获取全局信息素。利用蚁群优化算法对云计算下负载的差异性资源进行均衡调度,给出详细实现过程。实验结果表明,所提算法有较好的收敛性,均衡负载效果好,且时间复杂度低。     

C-RAN架构下一种基于分形定理的载波迁移预测算法

作为C-RAN关键技术之一的实时虚拟化技术要求实现硬件处理资源的虚拟化管理,实现物理资源的动态分配和负载均衡,保证虚拟基站的实时性,处理时延和抖动可控。为提高物理资源的动态分配和负载均衡的效率,在传统虚拟机迁移策略基础上结合分形理论,提出一种动态载波迁移预测算法,避免了因瞬时负载峰值触发载波迁移而带来不必要的迁移开销。该算法通过对物理资源负载离散历史数据进行分形拼贴拟合出完整负载曲线,然后根据分形维度不变性实现对未来数据的预测。为实现对该算法的仿真,结合C-RAN的系统架构搭建了一个基于并行离散事件仿真(parallel discrete event simulation PDES)的验证平台,仿真结果表明该算法能在有效减少虚拟基站迁移次数的同时确保达到负载均衡的目的。     

时延和可靠性感知的多控制器均衡部署策略

当前的软件定义网络多控制器部署问题研究,大多针对控制网络时延、可靠性和负载均衡等指标中的部分进行优化,对上述因素的整体考虑较少.针对该问题,首先分析了控制器部署对网络时延、可靠性和负载均衡的影响;其次,提出了以全网平均时延、控制路径可靠性和负载均衡度为参数,以网络综合性能为目标的控制器部署优化评价模型;最后,基于模拟退火-遗传算法提出一种时延和可靠性感知的控制器均衡部署方法,在考虑网络综合性能的同时,增强了解空间的全局搜索能力,得出了控制器部署的全局非劣最优解集.仿真结果表明,提出的部署策略在保证负载均衡的前提下,提高了控制网络的可靠性,降低了网络时延,进而提高了网络整体性能.     

云计算中运营商效益最优的资源分配机制

针对传统的虚拟机调度方法中虚拟机申请时,调用相应负载均衡算法将虚拟机调度到相应的物理服务器上,不能达到整体效益最优的问题,提出了一种实时满足运营商资源最高效益的动态调度方法.每次新加入用户时,新加入的用户资源和先前分配的资源一起重新在所有服务器上规划,进行全局虚拟机调度,迁移那些能给系统带来足够效益部分虚拟机,完成全局最优的虚拟机部署.该方法对云中资源进行了合理的高效益规划,大大节约运营商成本,提高了云中资源利用率,降低了能耗.     

车辆路径优化问题的均衡性

研究车辆路径优化问题中配送线路之间的均衡性可以提高配送服务质量。利用C larke-W righ t算法,结合打包原则和装配线线均衡算法的思想,设计出一种称为θRC的启发式算法来处理两个目标的车辆路径优化问题:一是最小化总距离,二是均衡各条线路间负载。该算法包括3个主要部分:θ约束,R运算和C运算。将该算法应用于一个有38个用户的物流配送公司的配送路线求解,结果显示该算法在总路径增长12%的情况下,实现均衡值降低85%。该算法能较好实现车辆路径优化求解中的负载均衡。     

一种基于进程迁移的自适应双阈值动态负载平衡系统

为了实现机群系统内负载的均衡分布 ,提高资源利用率和系统的吞吐率 ,论文设计并实现了基于并行虚拟机环境的可迁移动态负载平衡系统。该系统采用集中式任务调度 ,定义了负载向量的计算方法 ,同时设计了“自适应双阈值算法”实时监测系统下各结点的负载信息 ,并实现了同构机群系统下进程的动态迁移。该算法有效保证了负载信息的及时性和准确性 ,避免了进程迁移的颠簸现象。实验结果表明 ,由于采用了自适应算法 ,本系统额外开销较小 ,能有效改善动态任务的分配和调度 ,提高系统的并行运行性能。     

基于多目标优化的虚拟机部署策略

为解决虚拟机部署过程中对虚拟机性能、资源利用率、负载均衡值等多个目标的优化问题,提出一种基于强化学习的改进部署算法.首先,用多个目标组成的多维奖励代替原来的单一奖励;然后将资源状态、优化目标及目标占比输入所提的预测器中来预测每个部署方案对应的多维奖励值,并通过反馈结果调节不同优化目标的占比以达到动态多目标优化的目的;最后,为了减少部署时间,用改进的均值聚类算法对服务器资源进行聚类加快部署.通过CloudsimPy平台对算法进行验证,结果表明本文算法可以在相同资源下完成更多的虚拟机请求且具有较高的部署成功率和较低的时延消耗.