云环境下基于虚拟机动态迁移的调度策略研究

针对目前云环境资源调度采用静态负载均衡策略易于导致资源浪费的问题,提出了一种双限定值的虚拟机动态迁移的调度策略.该策略将当前负载状况与负载过重或过轻时两个限定值比较,选择介于二者之间能耗较低的虚拟机迁移至目标节点.仿真实验表明,该策略能够减少迁移次数,降低虚拟机迁移能耗,从而尽可能达到负载均衡和满足服务等级协议的需求.     

基于虚拟机迁移的虚拟机集群负载均衡策略研究

针对虚拟机集群资源负载不均衡的问题,提出了一种多策略与预测机制相结合的、基于虚拟机迁移的负载均衡方案.对导致系统过载的不同类型的资源采用不同的均衡策略,能够更加有效地使系统恢复正常.采用预测机制,消除瞬时峰值导致的不必要的迁移,可以减少传统的基于单阈值策略中虚拟机的迁移频率.在触发迁移后采用概率转发方式选择目的节点,能够有效解决群聚冲突问题.实验结果表明,本方案能够有效地实现系统的负载均衡.     

云数据中心面向低能源消耗的虚拟机分配策略

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源消耗的关键技术。文中提出云数据中心面向低能源消耗的虚拟机分配策略LEC-VM。LEC-VM包括2个组成部分:虚拟机放置策略和虚拟机迁移优化策略。通过放置策略将云数据中心的虚拟机分配到最合适的物理节点之上,保证整个系统的CPU利用率低于一个给定的阈值;通过迁移优化策略,根据系统的当前状态动态迁移虚拟机,对物理主机的资源进行优化。利用CloudSim作为云数据中心的云端测试环境。测试结果表明,LEC-VM可以减少云数据中心的SLA违规,保证云计算的服务质量,与其他的虚拟机分配策略比较起来,可以降低能源消耗。     

云数据中心高能效的虚拟机迁移整合算法研究

基于多资源能效模型,通过改进CPU双阈值法提出了多资源双阈值法触发虚拟机迁移,并将基于粒子群算法的虚拟机放置算法应用于虚拟机的能效整合.仿真实验结果表明,与传统的启发式算法相比,该算法有效地减少了物理节点的启用数量和虚拟机迁移次数,使系统资源利用率更加均衡.     

基于用户个性化需求的虚拟机部署机制

在云环境中,虚拟机作为一个大粒度的资源,用户通常要求其运行具有稳定性,不希望出现虚拟机频繁迁移的现象。本文提出了一种基于用户个性化需求的虚拟机优化部署方案：根据用户请求的应用背景,在对四类资源（CPU、内存、硬盘和带宽）赋值后比较资源请求值和云平台中宿主机的可用资源值,选出候选目标主机,再根据目标函数计算选择出目标主机。该方案为用户选择较优的宿主机部署虚拟机,既可以科学合理地利用资源,有效地改善了负载不均衡现象,更能获得更好的用户体验。     

一个基于弹性云的负载均衡方法

提出了一种基于弹性云的负载均衡方法.这一方法构造了负载均衡模型框架,建立了模型对于虚拟机负载状况和虚拟机集群资源利用率进行量化评估,为实现任务的分发和虚拟机集群的弹性伸缩,设计了任务调度算法和弹性伸缩算法.实验结果表明基于弹性云的负载均衡方法在实现负载均衡的同时,有效提高了资源利用率.     

网络资源的均衡化调度算法研究

针对传统轮询算法对网络资源的均衡化调度存在负载均衡性差、网络资源浪费严重以及资源调度效果差的问题,提出一种新的网络资源均衡化调度算法。基于网络资源的均衡化算法运行过程,设计异构集群的并行计算熵的计算矩阵,实现虚拟机的调度,对调度目标的物理节点进行分析,完成网络资源多线程负载均衡调度。采用基于处理时间的网络资源负载动态均衡算法,对每个物理节点建立负载调度机制,使物理节点按照内部最优调度方式实施均衡调度,实现对网络资源的均衡化调度。实验结果表明,所提算法的调度效率高,且具有较高的负载均衡稳定性,可以减少网络资源的浪费,增强网络资源的调度效果。     

延时触发的虚拟机调度策略研究

虚拟机在不同物理节点间的有效调度是云环境下充分利用服务器资源,降低能耗的有效手段。在对虚拟机调度策略的研究中,传统对负载阈值进行优化的方法有所不足,对于节点负载瞬时峰值所触发的虚拟机迁移未加考虑。这种迁移会导致额外的迁移开销,并增大了服务等级协议(SLA)的违反几率。针对此问题,文中提出了一种延时触发的虚拟机调度策略。仿真实验表明,延时触发策略能够减少虚拟机迁移次数,并降低迁移开销。     

基于累积点播概率的负载均衡算法研究

为了提高集群系统的资源利用率,降低对用户请求的拒绝率,需要对集群系统中的各个服务器节点进行负载均衡.文章在对一些主流的负载均衡算法进行了详细分析,对比了它们的优缺点,并在此基础上提出了基于累积点播概率的负载均衡算法.该算法包含三个部分:最优副本生成、贪婪的副本放置和动态贪婪副本调整.仿真实验验证了所提算法的有效性.     

云计算环境下资源评级的虚拟机部署算法

针对虚拟机(VM)大范围集群部署时容易引发数据中心(DC)总体负载不均衡、VM部署拒绝率居高不下等问题。提出一种基于资源评级的VM部署算法,根据构建VNF的VM之间的亲和关系、物理机之间的拓扑关系及链路的带宽,选择出最适合部署VNF的一台或多台物理机(PM)。仿真结果表明,在资源相同的情况下,该算法较已有算法具有更高的资源均衡度和更低的部署拒绝率。     

云计算中基于Shapley值改进遗传算法的虚拟机调度模型

云计算系统具有服务器规模大、用户范围广的特点,但同时也消耗了大量的能源,导致云供应商的高运营成本和高碳排放等问题。云计算高度虚拟化,如何分配和管理其虚拟资源,从而保证高效的物理资源利用和能耗控制,是一个多参数博弈过程,同时也是该领域的一个研究热点。提出了一种虚拟机调度模型及基于Shapley 值的遗传算法（SV-GA）,可通过经济学概念Shapley 值计算出参与工作的物理机贡献值,并通过该贡献值修正遗传算法中变异步骤的概率参数,从而完成虚拟机调度的任务。实验结果表明,与Max-Min、LrMmt及DE算法相比,SV-GA在虚拟机调度过程中的迁移时间、次数、SLA违背率、能耗等多参数博弈中具有优异的表现。     

云计算虚拟化技术研究

本文对云计算虚拟化技术的概念及其发展现状进行了阐述,并对虚拟化技术在云计算中的应用进行了具体分析。虚拟化技术包括虚拟整合、虚拟拆分和虚拟迁移。云计算使用虚拟整合技术将云平台中异构的物理资源整合成一个资源池,方便对资源的管理和分配;虚拟拆分将每台服务器拆分为多个虚拟机,通过虚拟桌面技术,每个用户能独占一个虚拟机,运行自己的应用,互不影响;虚拟迁移技术能够帮助云平台进行负载均衡和节约运行成本。最后对几种虚拟软件的性能进行了测试对比,分析了虚拟化带来的资源损耗问题。     

一种基于联邦学习资源需求预测的虚拟网络功能迁移算法

针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题,该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法。该算法首先建立系统能耗和负载均衡的VNF迁移模型,然后提出一种基于分布式联邦学习框架协作训练预测模型,并在此框架的基础上设计基于在线训练的双向门控循环单元(Bi-GRU)算法预测VNF的资源需求。基于资源预测结果,联合系统能耗优化和负载均衡,提出一种分布式近端策略优化(DPPO)的迁移算法提前制定VNF迁移策略。仿真结果表明,两种算法的结合有效地降低了网络系统能耗并保证负载均衡。     

A Lion‐Whale optimization‐based migration of virtual machines for data centers in cloud computing

The scalability, reliability, and flexibility in the cloud computing services are the obligations in the growing demand of computation power. To sustain the scalability, a proper virtual machine migration (VMM) approach is needed with apt balance on quality of service and service‐level agreement violation. In this paper, a novel VMM algorithm based on Lion‐Whale optimization is developed by integrating the Lion optimization algorithm and the Whale optimization algorithm. The optimal virtual machine (VM) migration is performed by the Lion‐Whale VMM based on a new fitness function in the regulation of the resource use, migration cost, and energy consumption of VM placement. The experimentation of the proposed VM migration strategy is performed over 4 cloud setups with a different configuration which are simulated using CloudSim toolkit. The performance of the proposed method is validated over existing optimization‐based VMM algorithms, such as particle swarm optimization and genetic algorithm, using the performance measures, such as energy consumption, migration cost, and resource use. Simulation results reveal the fact that the proposed Lion‐Whale VMM effectively outperforms other existing approaches in optimal VM placement for cloud computing environment with reduced migration cost of 0.01, maximal resource use of 0.36, and minimal energy consumption of 0.09.     

Dynamic inter-SLA resource sharing in path-oriented differentiated services networks

This paper proposes novel resource sharing schemes for differentiated services (DiffServ) networks, to achieve both high resource utilization and quality of service (QoS) guarantee. Service level agreements (SLAs) are negotiated at network boundaries and supported by path-oriented resource mapping within the network. The recently proposed SLA management scheme based on virtual partitioning (Bouillet et al., 2002) allows overloaded SLAs to exploit the spare capacity of underloaded SLAs for efficient resource utilization, however, at the the cost of possible SLA violation of the underloaders. In the bandwidth borrowing scheme proposed here, the dedicated bandwidth for underloaded SLAs is determined and adaptively adjusted at network boundaries according to the actual traffic load and QoS policies; the available spare capacity is then properly distributed to related links for lending to others. On the other hand, the traffic flows admitted with borrowed bandwidth are tagged and may be preempted later when the original bandwidth owner needs to claim back the resources. Through a detailed implementation design and extensive computer simulation results we show that, by bandwidth borrowing, both SLA compliance and high resource utilization can be achieved in various load conditions, with some side benefits such as call-level service differentiation, small admission overhead, and convenience for policy-based management. In addition, we propose a distributed bandwidth pushing scheme that can dynamically adjust the spare bandwidth distribution over the network. Combining bandwidth pushing with bandwidth borrowing, the resource utilization can be further improved.     

LTE网络中多目标优化的动态负载均衡算法

小区间动态负载均衡算法的优劣对网络性能有很大的影响,现有算法大都顾此失彼,难以保证网络关键性能指标(如呼叫阻塞率等)达到最佳。为解决这个问题,该文将负载均衡问题建模为多目标优化问题,分别对不同服务质量要求用户建模其相应目标优化函数,对有服务质量要求用户的目标函数是负载均衡指示函数和网络平均负载函数的联合优化函数,而对没有服务质量要求用户(BE用户)的目标函数是所有BE用户吞吐量的总效用函数,并将小区可用资源数和用户服务质量要求作为约束条件。另外,考虑到在实际系统中运行的计算复杂度问题,提出一种复杂度较低的分布式负载均衡算法。包括资源调度策略,用户切换条件和呼叫接入控制。仿真结果表明,该文算法可达到较好的负载均衡效果,能有效降低有服务质量要求用户的呼叫阻塞率,提高网络资源利用率。     

联合能耗与负载均衡的虚拟网络映射方法

为解决弹性光网络中虚拟网络映射时能耗严重、资源分配不均的问题,该文提出一种联合能耗与负载均衡的虚拟网络映射（PC-LB-VONE）方法.在虚拟节点映射时,选择相邻链路长度短、光节点计算资源多与相邻链路带宽资源多的光节点映射.在虚拟链路映射时,提出一种基于极大团的候选光路资源匹配度单路径映射策略.当单路径映射失败时,设计基于链路负载均值的多路径映射策略.仿真结果表明,所提方法能在减少弹性光网络能耗的同时均衡网络负载.     

基于干扰协调的主动负载均衡

为了解决负载均衡后分流的有实时业务需求的用户因受到严重的小区间干扰和因传统被动式方法固有的接入延迟所导致的用户体验下降的问题,本文提出了一种基于干扰协调的主动负载均衡算法。为了协调干扰,通过部分频率重用为小区边缘用户分配正交的资源;为了在满足用户数据率需求和均衡网络负载的前提下使系统总资源开销最小,通过预测用户的大尺度信道信息进行主动负载均衡。仿真结果表明,与现有的负载均衡方法相比,所提出的算法不仅提高了资源利用率,还降低了用户掉线概率。      

Shamir-based virtual machine placement policy

In order to alleviate the harm of co-location attack in cloud environment,a virtual machine placement strategy based on Shamir was proposed,and a virtual machine placement framework was designed.The security of key data was ensured by the blockchain in the proposed placement strategy.The virtual machine placement policy could effectively improve the security of the virtual machine and the load balancing capability of the cloud environment,and reduce resource waste.Finally,the effectiveness of the scheme is proved by simulation experiments.