云计算中基于多目标优化的动态资源配置方法

被引：6

作者：

邓莉 ^{[1
,2
]}

姚力 ^{[1
]}

金瑜 ^{[1
,2
]}

机构：

[1] 武汉科技大学计算机科学与技术学院

[2] 智能信息处理与实时工业系统湖北省重点实验室

来源：

计算机应用 | 2016年 / 36卷 / 09期

关键词：

云计算; 多目标优化; 遗传算法; 动态资源分配; 虚拟机迁移;

D O I：

暂无

中图分类号：

TP302 [设计与性能分析]; TP18 [人工智能理论];

学科分类号：

081201 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

目前,云平台的大多数动态资源分配策略只考虑如何减少激活物理节点的数量来达到节能的目的,以实现绿色计算,但这些资源再配置方案很少考虑到虚拟机放置的稳定性。针对应用负载的动态变化特征,提出一种新的面向多虚拟机分布稳定性的基于多目标优化的动态资源配置方法,结合各应用负载的当前状态和未来的预测数据,综合考虑虚拟机重新放置的开销以及新虚拟机放置状态的稳定性,并设计了面向虚拟机分布稳定性的基于多目标优化的遗传算法(MOGANS)进行求解。仿真实验结果表明,相对于面向节能和多虚拟机重分布开销的遗传算法(GA-NN),MOGANS得到的虚拟机分布方式的稳定时间是GA-NN的10.42倍;同时,MOGANS也较好权衡了多虚拟机分布的稳定性和新旧状态转换所需的虚拟机迁移开销之间的关系。

引用

页码：2396 / 2401+2408 +2408

页数：7

共 21 条

[1]

Consolidating complementary VMs with spatial/temporal-awareness in cloud datacenters. CHEN L,SHEN H. Proceedings of the2014 IEEE Conference on Computer Communications . 2014

[2]

Above the clouds:a Berkeley view of cloud computing. ARMBRUST M,FOX A,GRIFFITH R,et al. http://www.csc.villanova.edu/-nadi/csc8580/S11/CloudC omputing.pdf . 2016

[3]

基于遗传算法的多目标优化问题的研究与应用[D]. 徐磊.中南大学 2007

[4] 云计算中虚拟机放置的自适应管理与多目标优化 [J].

李强 ;

郝沁汾 ;

肖利民 ;

李舟军 .

计算机学报, 2011, 34 (12) :2253-2264

[5] 多实例云计算资源市场下超额预订决策方法 [J].

陈冬林 ;

姚梦迪 ;

邓国华 .

计算机应用, 2016, 36 (01) :113-116

[6] 基于离散人工蜂群算法的云任务调度优化 [J].

倪志伟 ;

李蓉蓉 ;

方清华 ;

庞闪闪 .

计算机应用, 2016, 36 (01) :107-112+121

[7] 基于多目标免疫系统算法的云任务调度策略 [J].

段凯蓉 ;

张功萱 .

计算机应用, 2016, 36 (02) :324-329

[8]

A comparison of software and hardware techniques for x86 virtualization. Adams, Keith,Agesen, Ole. ACM SIGPLAN Notices . 2006

[9]

A Genetic Algorithmfor Bin Packing and Line Balancing. Falkenauer E,Delchambre A. Proceedings of theIEEE 1992 International Conference on Robotics and Au-tomation . 1992

[10]

Managing performance overhead of virtual machines in cloud computing:A survey,state of the art,and future directions. F.Xu,F.Liu,H.Jin,A.Vasilakos. Proceedings of Tricomm . 2014

← 1 2 3 →