你好,游客 登录 注册 发布搜索
背景:
阅读新闻

[CAJ]获益驱动的虚拟机资源动态管理策略研究

[日期:2014-03-01] 来源:  作者: [字体: ]

获益驱动的虚拟机资源动态管理策略研究

广西大学  胡丹丹  

在进行资源管理时,必须综合考虑云资源提供商和云资源使用者的获益,在提高云资源使用者满意度的前提下,实现云资源提供商利润的最大化。 首先,研究客户满意度驱动的虚拟机资源分配策略,从合理定价和性能保障两方面来提高云资源使用者的满意度。在定价方面,引入了微观经济学中的效用理论;在性能保障方面,使用负载预测和基于排队论的性能预测模型。针对现有的负载预测方法只适用于单层云服务,或只考虑请求总量而忽略其他因素造成预测不准的问题,提出了多因素感知的负载预测模型(MAPM),综合考虑请求总量、服务时间和最终用户偏好对负载的影响,以提高预测准确度。接着,使用排队论对多层云服务进行性能建模,计算出客户所需资源,为资源调度打下基础。实验证明,相对于只考虑请求总量的负载预测算法,多因素感知的负载预测模型(MAPM)能提高预测的准确度。 然后,研究利润驱动的虚拟机资源调度策略,最大化云资源提供商的利润。首先,建立云资源提供商的利润模型,并根据微观经济学的原理,计算出能够使云资源提供商利润最大化的虚拟机资源数目。接着,以粒子群算法为指导,对数据中心虚拟机资源的调度进行建模分析,根据客户需求和当前数据中心的负载状态,以最大化资源利用率、最小化所占用物理机的数目及虚拟机迁移次数三个方面为目标,提出了基于增强型多目标粒子群算法的VM资源调度策略(EPSO-VM)来实现虚拟机资源的优化调度。


获益驱动的虚拟机资源动态管理策略研究

收藏 推荐 打印 | 录入:574107552 | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款