基于ARMA模型云平台资源调度策略探究及实现.docVIP

基于ARMA模型云平台资源调度策略探究及实现 　　【摘 要】云平台的诞生，大幅降低了计算成本。目前，企业通过搭建各类应用云为企业内部员工和外部客户提供大量具有弹性的计算资源。虚拟化技术则是云平台的核心和基础技术要点。将不同的物理计算设备集中形成云平台中单个的虚拟主机，这样能够有效发挥硬件平台计算能力。不过，随着用户对各类计算资源需求的增加，导致了云平台中的虚拟主机数量日益庞大，如何高效合理地对这些虚拟主机资源进行分配，成为云平台管理员亟待解决的问题。本文从对预测模型研究入手，结合云平台虚拟主机的特点，提出一种基于预测模型面向库存管理的虚拟主机调度算法 【关键词】虚拟主机资源调度 预测 云计算平台 【Abstract】 The birth of the cloud computing takes a significant reduction in the cost of computing. At present， the enterprise can provide a large number of flexible computing resources for internal employees and external customers by cloud computing platform. Virtualization technology is the core and basic technical points of the cloud platform. It can enhance computing ability of hardware to focus different physical devices on the formation of a single cloud platform. However， with the increase of all kinds of computing demands， it cause a large number of virtual hosts being created on cloud platform， and it also become a problem that needs to be solved urgently in the cloud platform by administrator to how to distribute virtual hosts efficiently and reasonably. In this paper， we will give a virtual hosts schedule strategy on cloud platform based on prediction model. 【Keywords】 Virtual Host Resource Schedule； Prediction ； Cloud Computing Platform 1 引? 随着云平台的推广和应用，目前国内很多企事业单位都通过搭建IaaS平台[1][2]和虚拟主机平台实现对计算资源的扩容，从而起到集中化管理和降低硬件采购成本的目的。特别在一些员工数量庞大的大型企业里，业务和组织结构十分复杂，通过平台能够有效降低企业信息化基础设施建设和管理成本 但是，云平台虚拟主机也给企业信息基础设施管理带来新的问题。由于每个企业的云平台中运行着各种各样不同类型、不同业务用途的虚拟主机，这些虚拟主机数目庞大；同时，业务部门根据自身业务发展要求，不断发起新的计算资源使用请求。这就导致了企业内部云平台中出现大量不同层次不同种类的虚拟主机，因此对于这些虚拟主机自动调度和计算资源优化分配是十分有必要的 本文利用自回归移动平均预测模型[3]（Auto-Regressive and Moving Average Model，ARMA），通过用户对虚拟主机访问使用量的预测，从而建立起虚拟主机池，来应对用户对虚拟主机访问的需求，进而形成对云平台虚拟主机的自动化调度和分配 2 问题描述 假设某一云平台在某一时间段里的对某一类型的虚拟主机调用访问请求量为集合，并对集合Q中的元素进行检验，发现集合Q中的元素在时间序列中是平稳的，且元素两两之间不具有相关性，因此可以认为集合Q中的元素满足泊松分布的条件。平台中可用的某种虚拟主机资源数量为S，用户平均占用平台虚拟主机进行业务计算的时间花费为T，该问题就可描述成一个单请求队列多服务台的排队系统（M/M/S）。另外，在整个计算资源匹配过程中，我们以先发起请求的用户先享受计算服务，这样该问题便可描述为一个单请求队列多服务台按先到先服务的随机队列系统（M/M/S/