IaaS云环境下一种基于综合满意度的虚拟机放置策略

基础设施即服务(IaaS)环境下的一个关键需求是对租户申请的虚拟机进行合理放置。当前虚拟机放置策略的研究大都集中在数据中心能耗、资源损耗以及负载均衡等方面,很少有工作关注其对租户虚拟机启动时间的影响。为了减少虚拟机请求的周转时间,降低数据中心的资源损耗,本文首先建立了云服务租户满意度模型,给出了虚拟机请求到达云端后周转时间的量化方法;然后基于数据中心的资源损耗建立了云服务提供商满意度模型;最后,基于租户虚拟机启动时间与系统资源损耗建立了多目标约束优化模型,并提出了一种基于综合满意度(Comprehensive Satisfaction Based,CS-B)的虚拟机放置策略,该策略综合考虑了云服务租户与云服务提供商的需求,将租户所申请的虚拟机放置到综合满意度最高的服务器中运行。在OpenStack云平台上的仿真实验表明,CS-B虚拟机放置策略能够有效减少租户虚拟机在云端的部署时间,降低数据中心的资源损耗,有效提高了云服务商及租户的满意度。     

基于三支队列的实时云任务节能调度算法

利用三支决策的基本思想,提出了面向实时云任务的细粒度任务合并调度算法.其主要思想是利用客户提交的实时任务的截止时间来计算松弛时间,按照松弛时间将任务放入紧急调度队列、正常调度队列和松弛调度队列.结合虚拟机的实际负载情况,对这三个队列提交任务进行调度.与ETC、ESTC、MTC、ETCMQS、ESTCMQS算法进行对比,结果表明,所提出的算法在满足用户SLA的前提下,能够有效降低云能耗.     

基于蚁群优化的云任务调度策略的研究

为了解决云任务调度过程中虚拟机资源使用不合理导致任务完成时间长的问题,提出一种基于蚁群优化的任务调度算法。采用集团资产管理模式管理虚拟机资源,同时确定云任务优先级,根据任务优先级与虚拟机的实时情况确立启发因子,增强算法的搜索能力;改进信息素更新规则,提高任务求解率;建立云任务调度过程模型。通过Cloud Sim模拟仿真器实验仿真,结果表明改进算法在任务平均完成时间上比ACO算法减少了,负载均衡值上降低了。     

基于改进Simhash的虚拟机镜像去重方法

在云环境中,传统意义上的物理服务器正在逐渐被各式虚拟机所取代,云数据中心中托管的虚拟机镜像所占用的存储空间急剧增长,如何高效地管理这些镜像文件已成为云计算研究热点之一.由于虚拟机镜像内部存在大量空白重复数据块,这在一定程度上导致了镜像内部冗余率较高.其次,不同的虚拟机镜像可能运行了相同的操作系统和应用程序,使得镜像之间同样存在较多的重复数据.针对海量虚拟机镜像,传统的去重策略将产生巨大的时间开销,同时会消耗巨大的内存空间和CPU资源,影响数据中心的性能.提出一种基于改进Simhash算法的海量虚拟机镜像多级去重方法,将一个完整的镜像文件分割为操作系统镜像段和应用数据镜像段,同时提取各部分的特征值,利用DBSCAN(density-based spatial clustering of applications with noise)聚类算法完成对镜像段的分组,将相似度较高的镜像段聚为一类,从而将全局去重分解为规模较小且重复率较高的分组内部去重,实现了指纹索引数据完全存放于内存中的重复数据删除,大幅减少了磁盘I/O次数,达到缩短去重时间的目的.     

分布式系统的实时容错任务调度算法设计

提出一种分布式实时容错调度算法,并研究了该算法的时间复杂度,这种容错调度算法称为“副版本后调度（ＢＫＣＬ）算法”,该实时容错调度算法可以同时调度具有容错需求的实时任务和无容错需求的实时任务,所产生的调度可保证在分布式系统中一个节点机失效的情况下,具有容错需求的实时任务仍然可在截止时限内完成。     

基于蚁群优化算法的云计算资源负载均衡研究

针对云数据中心虚拟机分配物理机时存在负载不均衡的问题,提出了一种基于蚁群优化算法的资源调度算法.对问题场景进行了分析,提出了数据中心负载不均衡度以及物理机与虚拟机之间不匹配度的概念,并给出了问题的形式化描述.在蚁群算法选择概率规则中参考了用户对虚拟机资源的需求,尽量避免对相同类型虚拟机部署在一台物理机上,同时对信息素的初始化、信息素的更新进行了改进.通过CloudSim模拟平台进行仿真实验,并与其他的分配算法进行了比较,实验结果表明:该调度算法能够快速地完成虚拟机的放置,并且使云数据中心的物理机具有较低负载不均衡度,提高了资源的利用率.     

分布式系统的实时容错任务调度算法设计

提出一种分布式实时容错调度算法,并研究了该算法的时间复杂度．这种容错调度算法称为“副版本后调度（ＢＫＣＬ）算法”,该实时容错调度算法可以同时调度具有容错需求的实时任务和无容错需求的实时任务,所产生的调度可保证在分布式系统中一个节点机失效的情况下,具有容错需求的实时任务仍然可在截止时限内完成．     

星载计算机系统高优先级恢复容错调度算法

为了在星载异构容错计算机上调度星载任务，在给出了星载计算机系统的容错调度模型的基础上，提出了一种星载计算机系统高优先级恢复容错调度算法（OHFSA），该算法通过引进可靠性代价量化了容错系统在维护容错调度时所需要的开销，并在调度过程中充分考虑了容错调度的实时性和低可靠性代价．同时，采用高优先级恢复机制可及时响应紧急时限下的恢复任务，从而提高了星载任务的整体实时性能．实验验证表明，OHFSA随着计算时间的增加，其所需的可靠性代价也相应增大．仿真结果表明，在任务负载不断增加的情况下，OHFSA的执行时间比目前算法减少20%～30%，特别是在恢复任务优先级比其主任务提高1个级别时，响应时间可减少近8．7%．     

基于副本的跨数据中心虚拟机快速迁移算法

跨广域网的虚拟机动态迁移是多数据中心云计算环境的重要技术支撑。与局域网上相比,跨广域网的动态迁移由于受到带宽的限制而面临更多的技术挑战。基于跨数据中心虚拟机迁移的特性,提出了多数据中心虚拟机快速动态迁移架构和跨数据中心快速动态镜像迁移(FlimCD)算法。FlimCD算法利用脏块去冗、缺块预取和热区排序传输等优化方法,减少了虚拟机整体迁移时间,并降低了迁移对性能的影响。实验表明:对于中等I/O强度工作流,FlimCD算法的迁移时间比前拷贝方法的减少64.3%;FlimCD的优化机制使后拷贝阶段的缺块率下降49%以上。     

融合唤醒阈值与半休眠模式的云虚拟机调度策略

为了满足云用户请求响应要求的同时进一步提高云平台能量效率,融合唤醒阈值与半休眠模式,提出一种新型的云虚拟机调度策略。在一个半休眠周期结束时刻,如果缓冲区中等待的云用户请求数达到阈值N,虚拟机则由半休眠状态转入唤醒状态,以正常速率为云用户请求提供服务;否则,虚拟机将重新开始一次新的半休眠周期,持续为云用户请求提供低速服务。根据云虚拟机调度策略的原理,建立一个具有N策略和多重异步工作休假的多服务台排队模型。利用拟生灭过程和矩阵几何解方法,推导云用户请求平均逗留时间与系统节能率等性能指标。综合数值分析实验和系统仿真实验,评估云虚拟机调度策略的系统性能。构造成本函数,利用蚁群智能寻优算法,给出云虚拟机调度策略的优化方案。     

云数据中心基于负载预测的物理主机状态检测策略

针对云数据中心现有物理主机状态检测算法对提高云数据中心物理资源的利用率效果不明显问题,提出了基于负载预测的物理主机状态检测策略(load prediction based physical host status detection,LP-PHSD),LP-PHSD利用时间序列和二次指数平滑法预测出物理主机在未来一段时间内的资源利用率情况,同时结合绝对中位差方法,确定资源利用率动态阈值边界,选择适当的时刻进行迁移,提高物理资源的利用效率,降低能量消耗.LP-PHSD包括源物理主机状态检测和目标物理主机状态检测2个部分,可以很好地判断出虚拟机迁移的时刻.实验表明,经LP-PHSD策略优化后的新虚拟机迁移方法与近几年的BenchMark迁移模型比较起来,云数据中心的总体能量消耗降低,虚拟机迁移次数减少,云服务质量明显提高.     

一种基于资源使用阈值边界的虚拟机分配策略

虚拟机分配策略是提高云数据中心的物理主机利用率和降低能量消耗的关键技术。提出一种基于资源使用阈值边界的虚拟机(resource utilization thresholds virtual machine,RUT-VM)分配算法,建立了资源使用效率阈值边界和性能参数的数学模型; RUT-VM算法可以根据云端当前工作负载的状态来获得资源的使用效率情况,在工作负载高于或者低于设置的阈值上界与阈值下界时,将物理主机上的虚拟机进行迁移,放置到新的物理主机上。利用CloudSim3.0作为云数据中心的云端RUT-VM分配策略的测试环境。测试结果表明,RUT-VM分配算法可以减少云数据中心的服务等级协议(service level agreement,SLA)违规,保证云计算的服务质量, 与其它的虚拟机分配算法比较起来,可以明显的降低能量消耗。     

多处理机系统的高效实时容错调度算法

在容错调度算法副版本后调度算法的基础上,提出一种高效实时容错调度算法。对于具有容错需求的实时任务而言,由实进容错调度算法所产生的调度可保证在多处理机实时系统中一个处理机失效时,实时任务仍然可在截止时限内完成。在ＥＢＫＣＬ算法中,如何两个实时任务的基版本分配在不同的处理机Ｐｉ和Ｐｊ上,且这两个实时任务的副版本被调度到同一个处理机Ｐ’上,则两个副版本之间允许有时间上的重叠。     

支持优先级约束任务的容错调度算法

为了解决异构分布式系统中可靠调度问题,提出一种考虑处理机链路通信竞争的,支持优先级约束任务的容错调度(FSPCT)算法。该算法使用通信竞争模型描述处理机之间通信,在备份成本最小化和备份任务最早完成之间寻求平衡点。对主副版本任务的最早开始时间进行分析,并限定了所执行的处理机,在处理机出现故障后任务可以顺利执行。实验结果表明FSPCT算法的综合性能优于现有一些算法。     

云数据中心虚拟机调度研究综述

现代云数据中心为减少计算成本和能源预算,常使用虚拟化技术来实现对资源高效的管理,而虚拟机调度的优化往往会对资源管理方面有着巨大的影响。文章旨在以一种较为全面的方式来调研分析当前虚拟机调度的发展情况,从虚拟机调度相关技术出发,再从虚拟机调度优化方法维度、虚拟机调度优化目标维度两个角度进行分析,最后对虚拟机调度的研究趋势以及方向进行分析和总结。     

基于副版本零调整策略的实时任务主副版本容错调度

为了降低硬实时周期性任务主副版本容错调度的副版本调整开销,提出了一种BEDFNENF容错调度算法.采用反向最早截止期优先(BEDF)策略为副版本预分配处理器时间,运行时则采用零调整最早通知时间优先(NENF)策略调度主版本.结果表明,BEDF-NENF算法能够按照最后机会策略调度副版本.当主版本错误概率不大于0.05时,BEDF-NENF算法的副版本调整平均比较次数和副版本调整时间比率均为0,与BEDF-RM算法、BEDF-EDF算法、BEDF-ENF算法的主版本完成率之差约为1%.BEDF-NENF算法不仅能够取得与同类调度算法接近的主版本完成率,而且能够通过省略副版本重新调整操作来降低调度的复杂性,节省调度时间.     

多处理机系统的高效实时容错调度算法

在容错调度算法副版本后调度算法（ＢＫＣＬ）的基础上,提出一种高效实时容错调度算法（ＥＢＫＣＬ）．对于具有容错需求的实时任务而言,由实时容错调度算法所产生的调度可保证在多处理机实时系统中一个处理机失效时,实时任务仍然可在截止时限内完成．在ＥＢＫＣＬ算法中,如果两个实时任务的基版本分配在不同的处理机Ｐｉ和Ｐｊ上,且这两个实时任务的副版本被调度到同一个处理机Ｐ上,则两个副版本之间允许有时间上的重叠．模拟实验证明,使用多个实时任务副版本之间的时间重叠技术,ＥＢＫＣＬ大大提高了调度的性能     

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...     

基于多目标优化的虚拟机放置方法

在虚拟机放置问题中,传统启发式方法不能完全适用于复杂的云计算环境,采用智能算法的研究又缺乏对时间开销的考虑。针对上述问题,提出一种基于Memetic算法的虚拟机放置(Memetic algorithm-based virtual machine placement MAVMP)方法。MAVMP方法针对云数据中心运营情况建立了最小化能耗、最小化运行时服务等级协议违例率(service level agreement violation time per active host, SLATAH)以及最大化资源利用率的多目标优化模型,将虚拟机按照资源请求情况进行分类,并利用该分类方法改进了Memetic算法,利用改进后的Memetic算法求解多目标优化模型,得到虚拟机放置方案。仿真实验结果表明,仿真数据中心利用MAVMP方法进行虚拟机放置后,其在能耗、资源利用率以及服务质量的评价指标上都有着良好表现。并且,MAVMP方法与已有的基于智能算法的虚拟机放置方法相比计算时间也大幅下降。     

可负载均衡的实时虚拟机VCPU调度算法

针对多核环境下的现有实时虚拟机VCPU(virtual CPU)调度算法不能在保证任务可调度的基础上高效地使用CPU资源的问题,提出一种改进的实时虚拟机VCPU调度算法LBP-EDF(基于独立队列的可负载均衡的最早截止时间优先调度算法).该算法采用了独立队列的方式,以避免共享队列带来的竞争开销.同时算法能够识别紧急任务,并通过负载均衡的机制及时地将紧急任务迁移到负载较轻的CPU上执行,在保证任务可调度的基础上,同时达到充分使用CPU资源的目的.实验结果表明:在保证任务可调度的基础上,LBPEDF较其他算法有更高的CPU利用率.