基于双层规划的容器云资源动态配置算法

本文分析容器云资源动态配置决策问题,通过定义容器云资源的调度任务,求解得到容器云资源调度时间;利用容器云资源调度任务的最短时间矩阵,获取容器云资源调度所需的条件。在双层规划条件下,求解容器云资源调度的目标函数和约束函数;考虑到用户的任务情况和云数据中心的云资源状况,在虚拟机上构建一个到物理主机的矩阵,通过构建容器云资源动态配置结果在优化时的目标函数,结合约束条件,实现容器云资源的动态配置。实验结果表明,资源动态配置算法不仅可以提高容器云资源的利用率,还可以减少配置完成时间,具有更好的动态配置性能。     

云联盟环境下跨数据中心的资源调度系统构建

为解决云联盟环境下跨数据中心的资源调度问题,在满足数据中心负载率达到均衡的前提下,实现供应商利益的最大化,使得用户的任务能够在最短的时间内完成部署,提出云联盟环境下跨数据中心的资源调度系统框架。介绍系统的结构和功能,分4个层次描述系统详细设计,给出系统采用的核心算法——蚁群算法,实现了该系统的开发。该系统能够整合云供应商的现有资源信息,为云用户提供便利服务,满足大规模复杂的用户需求,提高云联盟之间的资源调度效率和收益。     

双层虚拟化云架构下任务调度能耗优化算法

虚拟机上部署容器的双层虚拟化云架构在云数据中心中的使用越来越广泛。为了解决该架构下云数据中心的能耗问题,提出了一种工作流任务调度算法TUMS-RTC。针对有截止时间约束的并行工作流,算法将调度过程划分为时间利用率最大化调度和运行时间压缩两个阶段。时间利用率最大化调度通过充分使用给定的时间范围减少完成工作流所需的虚拟机和服务器数量;运行时间压缩阶段通过压缩虚拟机空闲时间以缩短虚拟机和服务器的工作时间,最终达到降低能耗的目标。使用大量特征可控的随机工作流对TUMS-RTC算法的性能进行了测试。实验结果表明,TUMS-RTC算法相较于对比算法有更高的资源利用率,虚拟机数量减少率和能耗节省率,并且可以很好地处理云计算中规模大且并行度高的工作流。     

弹性光数据中心网络中收益最大化的带宽分配算法

弹性光数据中心网络中的带宽分配需要兼顾云服务提供商收益和用户连接请求性能,对此提出收益最大化的带宽分配算法,其以子载波为基本单位将光纤带宽有效地分配给多个用户连接请求。首先,基于收益模型和虚拟子载波的概念建立带宽分配问题的整数线性规划模型;接着提出一种基于动态规划的带宽分配算法以及一种启发式的带宽分配算法,前者致力于获得最大的分配收益,后者则力求获得更好的时间效率;最后,通过仿真实验对所设计的带宽算法的性能进行验证。实验结果表明,相较于已有的弹性光数据中心网络中的带宽分配算法,设计的两种算法均能在带宽分配中获得更高的系统收益。     

基于资源权重最大资源利用率的动态资源调度算法

对于在云环境下虚拟机放置问题,资源调度管理是其中一项关键技术,因而提出了一种基于最大综合利用率为标准的动态资源调度算法。首先,在云系统调度中心缓存用户的资源请求,将此请求当做一个任务,然后利用负载均衡调度算法,调度中心针对不同任务来分配适当的物理机,最后在物理机上建立虚拟等待队列,充分考虑云系统中计算资源权重比,利用基于权重最大资源利用率的算法进行虚拟机配置。仿真实验结果证明,该算法可以实现有效负载均衡,并在保证一定的QoS的情况下,能有效提高系统的综合利用率。     

基于拍卖的数据中心资源匹配算法

云平台数据中心主机与负载均具有异构性,导致任务负载无法均衡利用主机各项资源。主机资源的非均衡利用最终造成总体资源利用率低,主机资源浪费,提高运营成本。针对云平台数据中心任务分配中各项资源无法均衡利用的问题,提出一种基于连续双向拍卖的虚拟机分配与迁移算法。该算法一方面利用多种启发式策略对数据中心主机和虚拟机进行筛选,将过载主机与欠载主机放入数据中心拍卖中;另一方面,构建买卖双方定价策略以及交易策略,形成完整的拍卖流程。同时,为解决多资源情况下的交易问题,提出基于资源匹配度的交易策略。仿真实验表明,文中方法通过引入资源匹配度,能够有效地匹配数据中心主机与虚拟机的各项资源,平衡各类资源利用率,提高整体资源利用率。     

云环境中基于分解的多目标工作流调度算法

云服务提供商在给用户提供海量虚拟资源的同时,也面临着一个现实的问题,即怎样调度这些资源,以最小的代价(完工时间、执行费用、资源利用率等)完成工作流的执行。针对IaaS环境下的工作流调度问题,以完工时间和执行费用作为目标,提出了一种基于分解的多目标工作流调度算法。该算法结合了基于列表的启发式算法和多目标进化算法的选择过程,采用一种分解方法,将多目标优化问题分解为一组单目标优化子问题,然后同时求解这些单目标子问题,使得调度过程更为简单有效。算法利用天马项目发布的现实世界中的工作流进行实验,结果表明,和MOHEFT算法以及NSGA-II*算法相比较,所提出的算法能得到更优的Pareto解集,同时具有更低的时间复杂度。     

基于组合双向拍卖的云资源调度方法

针对跨数据中心的资源调度问题，提出了一种基于组合双向拍卖（PCDA）的资源调度方案。首先，将云资源拍卖分为三个部分：云用户代理报价、云资源提供商要价、拍卖代理组织拍卖；其次，在定义用户的优先级及任务紧迫度的基础上，在拍卖过程中估算每一个工作发生的服务等级协议（SLA）违规并以此计算云提供商的收益，同时每轮竞拍允许成交多项交易；最终达到根据用户等级合理分配云资源调度的效果。仿真实验结果表明该算法保证了竞拍成功率，与传统一次拍卖成交一项的组合双向拍卖方案相比，PCDA在竞拍时间段产生的能耗降低了35.00%，拍卖云提供商的利润提高了约38.84%。     

IaaS云服务定价机制的仿真研究

定价机制是影响云计算用户利益和云服务提供商收益的关键因素。本文以IaaS云服务定价机制为研究对象,首先将IaaS云服务定价机制分为固定定价和动态定价2大类,其中固定定价细分为即用即付费和预订定价2种,从理论上分析2类定价机制对IaaS云服务提供商收益的影响;然后,分别建立即用即付费和预订定价机制下IaaS云服务提供商的收益模型,并用启发式算法构建动态定价机制下IaaS云服务提供商的收益模型;最后,基于Repast Simphony建立多主体仿真模型,比较分析3种不同定价机制下IaaS云服务提供商的收益。研究结果表明,随着服务时长和顾客数量的增加,动态定价机制更能为IaaS云服务提供商带来更多收益,同时IaaS云服务提供商可以通过改变服务等级和资源价格等相关参数,改变顾客行为,使顾客数量增加,从而提高收益。     

基于迁移技术的云资源动态调度策略研究

现有云资源管理平台存在着瞬时资源利用率峰值易引发迁移、动态负载效果不佳等问题。依据云资源动态调度模型,提出了有效的基于迁移技术的虚拟机动态调度算法。算法将物理节点负载与虚拟机迁移损耗评估、多次触发控制、目标节点定位三者有机结合,实现云计算数据中心高效的动态负载均衡。实验结果表明,该算法优于CloudSim的DVFS调度策略,在保证应用服务水平的同时能减少虚拟机迁移次数和物理机启用数量。