云計算中負載均衡的虛擬機調(diào)度方法研究.pdf

1、負載均衡作為云計算的關鍵技術之一，能夠把負載動態(tài)均衡地分配到云系統(tǒng)中所有節(jié)點。高效的負載均衡算法在提高用戶滿意度、提高資源利用率、縮短響應時間和避免虛擬機的頻繁遷移上起到了至關重要的作用。
　　本文基于對云計算現(xiàn)有的負載均衡方法（包括基于任務調(diào)度和資源調(diào)度的負載均衡方法）進行了詳細深入的研究，總結各種方法的優(yōu)缺點并與本文提出的方法進行對比分析。本文研究的主要目的是在主機之間遷移虛擬機來提高系統(tǒng)負載均衡度（包括兩方面：CPU和dis

2、k IO）同時盡可能降低遷移代價。因此，目標是尋找主機和虛擬機之間盡可能好的映射方案。較好的映射方案包括兩部分：較低的遷移代價和較小的系統(tǒng)負載標準差。這兩部分共同組成調(diào)度的成本因子。由于局部調(diào)度和無效遷移問題，首次適應和輪轉(zhuǎn)算法及NABM算法的負載均衡效果不佳。本文提出的虛擬機均衡調(diào)度算法選取最終映射方案解空間 S中的最優(yōu)解，做到了從全局角度考慮負載均衡問題；該算法得到最優(yōu)遷移方案后才進行實質(zhì)性遷移，降低了遷移代價；該算法使用MTALB

3、算法將多類型任務均勻地分配給虛擬機，系統(tǒng)的負載均衡效果更佳。本文的主要研究工作包括以下幾方面內(nèi)容：
　　(1)研究基于遺傳算法的虛擬機調(diào)度模型。本文提出了虛擬機的親和力概念，定義了親和力指數(shù)的計算方法。遺傳算法使用生成樹作為種群編碼方案。驅(qū)動性交叉使得整個生成樹的親和力指數(shù)盡可能地增大；個體變異使得主機的DH值趨于收斂；最后分組選擇將適應度最高的個體遺傳到下一代，從而確保每一代種群中個體的適應度不斷提高。
　　(2)研究多類

4、型任務分配負載均衡算法（MTALB）。不同類型的任務被均勻分配到虛擬機，使得虛擬機之間的CPU利用率和disk IO利用率相近。任務的響應時間進一步縮短，主機的不同類型資源得到充分利用，主機之間的負載均衡程度進一步提升，從而提高任務處理效率并減少虛擬機遷移數(shù)量。
　　(3)研究虛擬機均衡調(diào)度算法。對于初始映射方案S，首先執(zhí)行MTALB算法將任務均勻地分配給虛擬機；接著，我們計算vc(j,T)和vd(j,T)?的值并使用遺傳算法得到