基于资源分配的云计算数据中心的节能算法研究

【摘要】：云计算技术的发展使得无论是公有、私有还是混合云计算中心都可以提供良好的性能,因此云计算技术已被不同的运营商广泛地应用。虽然云计算技术对运营商和用户来说都具有优势,但其仍面临维护和管理的挑战,其中一个关键的挑战就是云计算数据中心的能源消耗的效率问题。云计算数据中心要消耗很多能源,但是其中一些能源根本没有用在计算上。 云计算数据中心能源效率低的一个主要原因是低效率的资源配置。在云计算环境中有几个因素导致不当的资源分配,使得资源分配仍然是面临的一个问题。因此,必须要研究有效的方法来克服这个问题。在近几年中,虚拟机迁移方法已被作为一种有效的资源利用方法广泛地加以应用,因此对虚拟机(VM)迁移策略和资源分配算法的研究已经成为热点课题。 论文重点研究两个主要内容：第一部分是提出一种虚拟机迁移时的VM选择策略,即阈值最大利用率(ThrMaxU)策略。在这一策略中,我们设置了固定的主机利用率的上、下门限,在规定的时间内,我们动态地检查上限和下限是否被超越。当一台主机的利用率低于下限时,在该主机上的所有虚拟机应该迁移出去并关闭该主机。在一些主机的利用率高于上限的情况下,我们就对这些主机按递减顺序排序,以超越上限最多的主机开头,然后选择这些主机中占用CPU使用率比较多的VM进行迁移。我们将提出的这种选择策略与现有的一种分配策略(改进的功率配置降序MBFD策略)结合起来,以评估功耗和性能的折中。我们使用仿真软件CloudSim对我们的研究进行了仿真,并且将所提策略与其他的策略进行了功耗、SLA比例、关闭的主机数和迁移的VM数等几个参数的对比。仿真结果表明,所提出的ThrMaxU策略具有更低的功耗、更少的关闭的主机数和更少的VM迁移数,并且其SLA性能也与其他策略相当。 论文第二部分提出了一种改进的最优功率配置(MPBF)算法,可进行全局的资源配置,即在每一次的分配过程中,该算法找到一个这样的服务器,使得一个请求分配到它上面以后,系统增加的功耗最小,因此整个数据中心达到最低的功耗。MPBF算法的基础是所有的服务器具有相同的资源和计算能力,即所有的服务器对用户的请求具有相同的接收、执行和分配资源的能力。我们使用MATLAB对MPBF算法进行了仿真,在不同类型的CPU下,与其他算法进行了功耗、使用的主机数和运行时间等性能的对比。仿真结果表明,所提出的MPBF算法可以获得更低的功耗和更少的主机数,但是其分配用户请求所需的运算时间分别是PBF算法和不使用DVFS算法的2-3倍。 【关键词】：云计算 节能 资源配置 虚拟机迁移 SLA 功耗
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP308
【目录】：

• 摘要5-7
• ABSTRACT7-12
• LIST OF FIGURES AND TABLES12-15
• CHAPTER 1 INTRODUCTION15-21
• 1.1 Background15-16
• 1.2 Motivation16
• 1.3 Research Objective16-17
• 1.4 Deliverables17
• 1.5 Research Methodology17
• 1.6 Issues with Energy and Power consumption17-19
• 1.7 Thesis structure19-21
• CHAPTER 2 ARCHITECTURE OF CLOUD COMPUTING21-33
• 2.1 Overview of cloud computing21-27
• 2.1.1 Types of cloud computing services21-23
• 2.1.2 Cloud computing model architecture23-24
• 2.1.3 Type of cloud computing deployment models24-26
• 2.1.4 Characteristics of cloud computing26-27
• 2.2 CloudSim toolkit27-30
• 2.2.1 CloudSim architecture27-28
• 2.2.2 CloudSim capability and usability28-29
• 2.2.3 CloudSim main classes and entities29
• 2.2.4 CloudSim limitations29-30
• 2.3 Virtualization30-32
• 2.3.1 Server Virtualization30
• 2.3.2 Network Virtualization30-31
• 2.3.3 Storage virtualization31
• 2.3.4 Desktop Virtualization31-32
• 2.3.5 Application Virtualization32
• 2.4 Chapter summary32-33
• CHAPTER 3 VIRTUAL MACHINE SELECTION POLICY33-53
• 3.1 Power model based on Utilization concept33
• 3.2 Concept of Service Level Agreements(SLA)33-35
• 3.2.1 Calculation of SLA violation34-35
• 3.2.2 SLA violation Time per Active Host(SLATAH)35
• 3.3 Virtual machines selection policy35-38
• 3.3.1 Threshold Minimum migration time(ThrMmt)Policy36
• 3.3.2 Threshold Maximum correlation(ThrMc)Policy36-37
• 3.3.3 Threshold Random selection(ThrRs)Policy37-38
• 3.3.4 Threshold Minimum Utilization(ThrMu)Policy38
• 3.4 Threshold Maximum Utilization(ThrMaxU)policy38-42
• 3.4.1 The steps of ThrMaxu algorithm38-41
• 3.4.2 Threshold Maximum Utilization(ThrMaxu)requirements41-42
• 3.4.3 Threshold Maximum Utilization(ThrMaxu)specification42
• 3.5 Simulation Scenarios on VMs selection methods42-43
• 3.6 Performance of Threshold Maximum Utilization(ThrMaXU)Policy43-52
• 3.6.1 Performance in-term of Power consumption44-46
• 3.6.2 Performance in-term of SLA violation46-48
• 3.6.3 Performance in-term of number of host shutdown48-50
• 3.6.4 Performance in-term of virtual machine migration50-52
• 3.7 Chapter Summary52-53
• CHAPTER 4 MODIFIED POWER BEST FIT(MPBF)ALGORITHM53-66
• 4.1 Power model based on DVFS concept53
• 4.2 Power Best Fit(PBF)based on DVFS53-55
• 4.3 Proposed Modified Power Best Fit based on DVFS55-59
• 4.3.1 Some assumption on DVFS method56
• 4.3.2 Power optimization problem56-59
• 4.4 Simulation scenarios for allocation of resources59
• 4.5 Performance of MPBF based on DVFS59-65
• 4.5.1 Performance in term of Power consumption60-61
• 4.5.2 Performance in term of execution time61-63
• 4.5.3 Performance on number of hosts used63-65
• 4.6 Chapter summary65-66
• CHAPTER 5 ConCLUSIONS AND FUTURE WORKS66-68
• 5.1 Thesis contribution66
• 5.2 Future directions66-67
• 5.3 Research difficulties67
• 5.4 Chapter summary67-68
• REFERENCES68-72
• APPENDIX A72-75
• APPENDIX B75-77
• ACKNOWLEDGEMENTS77-79
• PRESENTATIONS AND PUBLICATIONS79-80
• LIST OF ACRONYMS80-81

您可以在本站搜索以下学术论文文献来了解更多相关内容

云计算能耗资源调度优化关键技术研究    郝亮;崔刚;曲明成;柯文德;

基于互联网的工业设计云数据统计分析研究    景广超;姜立军;邓学雄;李哲林;杨强;

计算系统电源管理研究现状    朱振华;高宏;

虚拟化云计算平台的能耗管理    叶可江;吴朝晖;姜晓红;何钦铭;

云计算环境中绿色服务级目标的分析、量化、建模及评价    孙大为;常桂然;陈东;王兴伟;

虚拟化云计算数据中心能量感知资源分配机制    李小六;张曦煌;

高校教学中桌面虚拟化的分配优化方法设计    李力;

Review:Data center network architecture in cloud computing:review, taxonomy, and open research issues    Han QI;Muhammad SHIRAZ;Jie-yao LIU;Abdullah GANI;Zulkanain ABDUL RAHMAN;Torki A.ALTAMEEM;

基于蚁群算法的遥感影像传输资源调度方法    刘万军;王晓宇;曲海成;孟煜;姜庆玲;

异构云平台中能源有效的虚拟机部署研究    周东清;佀庆乾;

云计算带来的数据中心变革    高巍;

云计算数据中心建设运营分析    曹鲁;

数据中心节能减排措施探讨    秦婷;张高记;

数据中心探讨    张秋华

建什么样的数据中心    梅玖红

数据中心亮起来    

工商银行举行数据中心(北京)基建工程奠基仪式    

数据中心集中——商业银行电子化建设的里程碑    高军 ,李强

安莱将在重点城市兴建数据中心    周卫军

开源节流从简化架构开始    江南

欧洲数据中心节能新技术    姚贇;

云计算环境下的数据中心网络发展初探    郭英鹏;

莱钢数据中心高可用性网络的研究与应用    杨伟强;赵冰;牛风喜;邢建厂;

基于云计算模型的绿色IT数据中心构建方案研究    郭捷夫;

构建企业级虚拟数据中心    张赪军;黄红梅;白小霞;朱靖;

财经传媒数据中心的发展趋势    关亚东;

云计算数据中心的节能结构及评测    沈洁;王浩;

论数据中心在烟草商业企业的应用    刘涛;

以信息化促进体院管理改革——构建数据中心的设想    谢信耐;

环保信息数据中心建设中的几个关键技术初探    罗彤;吴蕾;江宝东;

数据中心的五维度评估法    杨青峰

构建下一代数据中心生态圈    闻声

让数据中心不再是“电老虎”    冷文生

冷却你的数据中心    张敏

数据中心绿了    宋家雨

数据中心 如何迈向“新的彼岸”？    本报记者 祁金华

数据中心也可“移动”    祁金华

数据中心设计师：很酷的职业    

数据中心设计者分享绿色秘诀    

数据中心绿化 未被注意的秘诀    

云计算数据中心结构及其调度机制研究    刘晓茜

面向绿色虚拟数据中心资源管理的若干关键技术研究    敬思远

基于虚拟化环境的数据中心节能管理技术研究    陈辉

数据中心网络的流量管理和优化问题研究    张鹏

云数据中心资源调度机制研究    王智明

面向云环境数据中心的高效资源调度机制研究    孙鑫

数据中心中的一种可扩展和高效的可靠组数据传输方法    曹家鑫

云计算数据中心的网络带宽隔离技术研究    冯振乾

跨数据中心大规模云数据部署和传输机制研究    王艺文

面向云数据中心的高效能调度及资源管理研究    敬超

烟草贸易数据中心系统研究    董凤江

分布式层次化网络平台及数据中心的分析与设计    杜刚

电信企业数据中心的设计与实现    张琦

面向能耗优化的数据中心资源动态调度模型与方法    齐文艳

云环境下数据中心自动部署系统    谢涛

因特网数据中心技术研究    王之伟

数据中心虚拟化技术研究与实现    曹巍巍

银行数据集中环境下数据中心网络的设计与实现    李凯

农业农村数据中心的设计与实现    张娜

数据中心网络结构的研究    谢佩博