基于CloudStack的IaaS资源调度策略研究-计算机科学与技术专业论文.docxVIP

万方数据 万方数据 Classified Index: TP301.6 U.D.C: 621.3 Dissertation for the Master Degree in Engineering RESEARCH ON IAAS RESOURCE SCHEDULING STRATEGY BASED ON CLOUDSTACK Candidate： Miao Zhuang Supervisor： Prof. Zhang Tingbin Academic Degree Applied for： Master of Engineering Specialty： Computer Science and Technology Affiliation： School of Computer Science and Technology Date of Defence： June 20, 2014 Degree-Conferring-Institution： Harbin Institute of Technology 哈尔滨工业大学工学硕士学位论文 哈尔滨工业大学工学硕士学位论文 摘 要 对于互联网来说，云计算是一场变革。它以其大规模、虚拟化、可靠性、 廉价等特点被广泛应用。云计算可以提供 IaaS、PaaS、SaaS 三种服务类型， 其中 IaaS 是其他两种服务的基础. 本文针对 IaaS 进行研究，旨在优化 IaaS 提 供的服务性能，更好的为其他两层提供支持。 IaaS 服务可以通过搭建开源云 平 台 实 现 。 其中 CloudStack 平 台 技 术 在 使 用 方 式 、 部 署 容 易 度 、 研 究 方便 性、调度策略优良等方面比其他平台略胜一筹，因此本文选择该平台作为研究 对象。 本文通过对 CloudStack 内部的资源调度机制的分析，发现资源的两级调 度在任务最优跨度、负载均衡方面起着至关重要的作用。第一级，虚拟机到物 理机的部署策略决定了资源利用率和负载不均衡度；第二级，任务到虚拟机的 分配策略决定了任务执行时间的最优跨度。本文采用粒子群优化算法（PSO） 对这两级资源调度进行优化，由于粒子群算法具有精度高、收敛速度快的优 势，可以在满足调度要求的情况下缩短调度时间，是云计算环境下比较理想的 调度算法。针对粒子群算法的“早熟”问题，本文还提出使用模拟退火算法对 传统粒子群算法进行优化。针对两级资源调度，本文分别提出了基于改进粒子 群的虚拟机部署算法和基于 改进粒子群的双适应度任务调度算法，并通过在 CloudSim 仿真工具中进行模拟仿真，仿真结果表明提出的算法能够有效提高 最优跨度和优化负载均衡。 为了使所研究的算法能够具有实际的用途，本文通过研究 CloudStack 的 源码，找到了该开源云平台框架中对虚拟机部署和任务调度的代码结构。在此 基础上提出了改进 CloudStack 内部资源调度策略的方法。对于 CloudStack 内 部的任务调度功能，本文使用了新的任务调度工具 升级了原始的任务调度方 式，在不改变 CloudStack 原始任务调度功能的前提下增加了新的功能。 本文提出了改进 IaaS 中的资源调度策略的算法，将模拟退火算法优化的 粒 子 群 算 法 应 用 于 资 源 调 度 ， 且 对 CloudStack 开 源 云 平 台 进 行 了 介 绍 与 分 析，为使用 CloudStack 云平台的研究人员或企业提供了一定的技术支持。 关键词：云计算、IaaS、资源调度、粒子群算法、CloudStack I - Abstract For the Internet, cloud computing appears to be a revolution. It is widely used because of its characteristics of large-scale, virtualization, reliability, cheapness, and so on. Cloud computing can provide three services of IaaS, PaaS and SaaS. Of which, IaaS is the basis of the other two services. We study IaaS to provide better service for the others. IaaS service can be provided by building open-source platforms, among them CloudStack is better in many aspects such as usa