基于負(fù)載預(yù)測的OpenStack虛擬機智能管理.pdf

1、在云計算應(yīng)用日益廣泛的今天，提高云服務(wù)的質(zhì)量與數(shù)據(jù)中心的資源利用率，減少云服務(wù)商的運營成本與客戶的開銷具有及其重要的應(yīng)用價值。論文在國家863計劃支持下，針對虛擬機管理這一問題，研究基于負(fù)載預(yù)測的OpenStack虛擬機智能管理方法。
　　云環(huán)境下負(fù)載變化較大，帶來云服務(wù)質(zhì)量的下降，論文研究了基于短期負(fù)載預(yù)測的虛擬機動態(tài)配置算法。通過提出對虛擬機資源利用率的預(yù)測方法，根據(jù)預(yù)測值結(jié)合機器學(xué)習(xí)的方法計算虛擬機資源包括CPU、RAM、B

2、andWidth的瓶頸因子，找出影響服務(wù)質(zhì)量的瓶頸資源，并使用輕量級的虛擬機運行時動態(tài)配置來擴展瓶頸資源，提高服務(wù)質(zhì)量。實驗數(shù)據(jù)表明該算法能大大提高云環(huán)境下應(yīng)用的服務(wù)質(zhì)量，減少服務(wù)的響應(yīng)時間，提高吞吐率。
　　針對云用戶請求負(fù)載呈現(xiàn)規(guī)律性變化的應(yīng)用場景，論文研究基于長期負(fù)載規(guī)律的虛擬機管理方法，通過預(yù)測用戶的請求數(shù)，在滿足用戶資源需求的前提下，動態(tài)改變用戶的虛擬機分配從而最小化用戶的開銷?？紤]服務(wù)器的整合過程，提出了針對物理服務(wù)器

3、的數(shù)量、虛擬機遷移數(shù)、數(shù)據(jù)中心的電能消耗三個方面多目標(biāo)優(yōu)化的算法LBVMM(Load Based Virtual Machine Management)來決策整合的過程，使物理服務(wù)器數(shù)量、虛擬機的遷移數(shù)以及數(shù)據(jù)中心的電能消耗都維持在一個較低的水平內(nèi)。算法從云服務(wù)商和客戶兩方面進行了綜合考慮，同時優(yōu)化了云服務(wù)商的運營成本，提高服務(wù)質(zhì)量，并且減少了客戶的開銷。實驗數(shù)據(jù)表明該算法在減少包括物理服務(wù)器的數(shù)量，虛擬機的遷移數(shù)，數(shù)據(jù)中心的電能消耗，