基于ARMA模型预测的云计算资源调度策略研究.pdf基于ARMA模型预测的云计算资源调度策略研究，重

文件名称: 基于ARMA模型预测的云计算资源调度策略研究.pdf

所属分类: 平台管理

开发工具:

文件大小: 1mb

下载次数: 0

上传时间: 2019-07-14

提供者: jay****

下载 (1mb)

不能下载？报告错误

详细说明：基于ARMA模型预测的云计算资源调度策略研究，重庆大学，硕士学位论文，2016年重庆大学硕士学位论文中文摘要摘要现阶段,云计算作为一种新型髙效且价柊低廉的计算模式受到越来越多企业的青睐,而云计算瓷源调度算法作为云计算研究的核心内容,对于它的研究从未间断,当前科研工作者对于云资源调度算法己经进行了大量深入的研究,本文将首先对当前主流的一些云计算资源调度策略进行简要的介绍,并对这些略的优点和不足进行了分析,针对当前云计算资源调度策略中存在的宿主机开关机波动、虚拟机迁移带有盲目性以及任务响应时间过长的问题,木文提出了一种基于时间序列预测的云计算资源调度策略,该策略从功能上可以划分为两个模块,即云资源负载预测模垬和云资源调度控制模块。其中,云资源负载预测模块主要负责基于云计算数据中心的历史负载数据建立相应的时间序列预测模型,进而利用建立好的时间序列预测模型对云计算数据中心或指定宿主机未来一段时间内的负载变化趋势进行实时的预测;而云资源调度控制模块则是基于云资源负毂预测模块提供的云资源负毂预测值,实现资源的预先分配以及对虚拟机迁移过程和宿主机开关机过程的优化,通过对当前时刻云资源实际负载值与下一时刻云资源负载预测值之间的资源变化量进行分析,进而推断出从当前时刻到下一时刻之间的资源供求关系,从而实现对云讣算数据中心资源负载的动态调整。最后,在开源云计算仿真平台以及商业数学软件中对本文中提出的基于时间序列预测的云计算资源调度算法进行分块实现,具休实现过程为:在商业数学软件中对算法中的云资源负载预测模块进行实现,在开源云计算仿真平台中对算法中的云资源调度控制模块进行实现,并最终采用混合编程的方式实现算法中两个模块的整合。通过对中的多种原始资源调度算法以及添加了本文算法后的改进算法分别进行仿真实验,并对实验结果进行对比分析,从而验证本文中提岀旳基于时间序列预测的云计算资源调度策略的有效性以及通用性。关键字:云计算,时间序列,预测,资源凋度重庆大学硕士学位论文英文摘要重庆大学硕士学位论文英文摘要重庆大学硕士学位论文目录目录中文摘要英文摘要绪论研究背景及意义囡内外云资源调度策略研究现状研究内容和技术路线研究内容技术路线论文结构本章小结云计算资源调度云计算的定义与内容云计算服务模式云计算部署模式云计算的基本特征公计算的特点云计算安全云平台任务调度算法介绍云计算资源调度现阶段云计算资源调度簧略研究成果未来研究趋势小结时间序列预测方法时间序列时间序列预测方法预测法小结基于时间序列预测的云资源调度策略问题描述算法目标算法基本思想重庆大学硕士学位论文目录算法描述宿主机管理策略虚拟机迁移策略算法部分伪代码小结实验仿真与结果分析实验平台介绍实验环境配置仿真流程实验结果分析小结总结与展望总结展望致谢参考文献重庆大学硕士学位论文绪论研究背景及意义当前,云计算作为一种新型高效且价格低廉的计算模式受到诸多企业的青睐,很多企业都争先将白己的企业级应用迁移到云中,这在大幅度降低企业运营成本的同时极大的促进了云讣算技术的发展,但同样值得注意的是现阶段云计算应用中尚且存在一些问题亟待解决。其中,能耗问题、资源负载不均衡问题以及资源利用※低的问题尤为突出。能耗问题,据一份绿色和平组织的报告预测,到年,苹果公司数据中心的耗电量就将超过加拿大、德国、巴西和法国年全年消耗电能的总和,这在增加云服务提供商运营成本的同时加重了环境保护的压力。负载不均衡问题,负载不均衡问题往往表现为数据中心中尚有空闲主机或负载较轻的主杋的情况下,部分主机由于负载过重而导致任务整体运行速度缓慢的现象。资源利用率低,文献中提出数据中心的服务器利用率一般在大量资源处于闲置状态。为了实现动态调整资源负载的目标,云資源负载预测算法往往是必不冂少的而现阶段,基于预测的云计算资源调度算法的研究更多的是基于一元线性回归模型及其改进模型来对云讣算数据中心的负载变化趋势进行预测,一元线性回归模型及其改进模型是一类实用性较强的分析模型,其具冇建模简便、预测速度快的优点,但也正是由于一元线性回归模型及其改进模型自身过于简单的形式决定了元线性回归模型及其改进模型不能够对云计算薮据中心复杂多变的负载情况进行有效的拟合,从而预测精度往往不能满足要求。例如,文献中提出了一种基于预测及蚁群算法的云计算资源调度策略,通过引入改进蚁群算法与负载预测算法,该策略在避兔频繁开关宿主杋以及提髙数据中心利用率两个方面体现岀算法的优势,但同时也应注意到算法中存在一定的不足,例如,文中提出的动态趋势预测算法在对数据中心下一时刻的负载进行预测时仅仅考虑到当前时刻和上一时刻的负载情况,致使预测误差偏大,于是寻找一种能够替代一元线性回归模型及其改进模型来对云计算数据中心负载变化曲线进行有效拟合的时间序列模型成为改进基于预测的云计算资源调度算法的当务之急,通过对当前主流的时间序列预测算法进行分析,发现广泛应用于经济数据分析的基于时间序列模型的预测机制采用了包括最小二乘法、最小方差预测法在内的一系列的约束机制保证了基于时间序列模型的预测机制在预测精度方面要优于传统的一元线性回归模型及其改进模型。所以,本文中引入基于时间序列模型的预测机制以实现对云计算数据中心负载变化趋势的实时预测。多组实验结果表明,本文提出的重庆大学硕士学位论文基于时间序列预测的云资源调度策略在主机开关机次数、能耗、违反率等诸多方面均表现出良好的性能国内外云资源调度策略研究现状当前,国内外学者对于云资源调度策略的研究更多的集中在以下四个方面 ①降低能耗出于云计算数据中心通常是由几百、甚至成千上万的物理主机组成,这就造成云计算数据中心的能耗往往是非常惊人的。出于降低云服务提供商运营成本的考虑,当前,已有云计算研宄者提出了一些切实可行的降低能耗的方法,这些方法主要是集中于如何将尽量多任务迁移到尽量少且相对节能的主机上,并将闲置的主机关闭或转入低功耗的休眠状态以实现对于能耗的降低 ②缩短任务执行时间缩短仼务执行时间不仅能带来更加良好的用户体验,而且能保证数据中心在资源总量不变的前提下为更多的用户提供服务,因而缩短仼务执行时间成为现阶段云计算资源调度策略研究中的一个热点,但同时也应注意到,刈于缩短任务执行时间方面的研究相对于其他方问而言硏究进度铰为缓慢,尚有较大的研究空间减少违反率用户服务等级协议是指服务提供商与用户就性能指标、计费模式等内容在协商后制定的约束协议。一方面,违反率的居高不下势必会降低云计算服务提供商的服务质量,从而造成质量较差的用户体验。另一方面,较高的违反率还公导致云服务提供商由于违约而支付相应的违约赔偿 ④降低服务成本在保证服务质量的同时做到最大限度的降低服务成本一直以来都是云计算服务提供茼的诉求。服务成本往往涉及到能耗、任务执行时间、违反率等诸多方面。当前,以基于经济学的云计算资源调度算法为代表以降低服务成本为目标的云计算资源调度算法相继被提出。研究内容和技术路线研究内容由于缺乏相应的云计算资源负载变化预测机制,现阶段主流的一些云资源调度策略仍属于一种被动提供资源的方式,即当且仅当任务在执行过程中出现资源不足时,数据中心才会从休眠队列中唤醒资源或开启新的资源,这种被动的资源重庆大学硕士学位论文调度方式往往会造成一系列诸如响应时间延长、任务执行超时违反率高的问题,所以,云计算瓷源管理程序有必要预知应用负载的变化趋势,从而为其动态的分配瓷源。在本文中,我们的工作就是提出一种基于预测的云资源调度策略, 从而达到动态调节资源负载的目的。技术路线对于木课题的研究可以从整伓上划分为两个模块,即云资源负载预测模块和云资源调度控制模块。云资源负毂预测模块负责基于云计算数据中心的历史负载数据建立时间序列预测模型并利用建立好的时间序列预测模型来对未来一段时间内的云计算数据中心的负载变化情况进行实时的预测,考虑到商业数学软件提供了大量可用于时间序列处理的函数,为时间序列分析工作的开展提供了极大的便利,所以在本文的实验环节将采用作为云资源负载预测模块的实现平台,对于云资源負载预测模块而言,云资源调度控制模块的存在为其建立预测模型提供了必要的数据中心历史负载数据;对于云资源调度控制模块而言云资源负载预测模块的存在为其提供了瓷源调度的依据,二者相互依存。云资湶调度控制模块通过对云资源负载预测模块提供的预测值与当前时刻厶资源负载实际值之间的数值差异进行分析,进而判断岀云资源负载变化的趋势,并根据负载趋势提出具有针对性的资源调度方案。论文结构本文研究的主要内容是对云计算数据中心以及指定宿主机未来一段时间内的负载变化趋势做岀实时的预测,并将预测值作汋云资源调度控制模块进行资源管理的依据,从而达到动态调整数据中心资源负载和优化虚拟机迁移操作的目的论文共包括六个章节,各章节的内容安排如下第一章绪论介绍了本文研究的背景和意义、国内外研究现状、研究内容以及技术路线,最后对论文的主要工作及组织结构进行了介绍第二章主要是对云计算以及云计算资源调度所涉及的相关知识进行介绍,其中包括云计算的定义和组成、云平台任务调度算法介绍、云计算资源调度的基本概念、硏究成果以及木来研宄的趋势,在这一章节中将把工作的重心放在对于现阶段主流的云调度算法的介绍和分析上。第三章首先引入了时间序列的概念,而后对当前常用的时间序列预测方法进行了详细的讲解,其中包括滑动平均法、趋势外推法、指数平滑法、灰色模型神经网络以及自回归移动平均模型,基于对这些常用的时间序列预测方法的研究基础之上,提出将基于时间序列模型的预测机制应用到云计算数据中

(系统自动生成,下载前可以参看下载内容)