基于混合预测的云平台自适应资源分配方法研究-计算机技术专业论文.docxVIP

万方数据 万方数据 分类号： 密级： U D C ： 编号： 专业硕士学位论文 （工程硕士） 基于混合预测的云平台自适应资源分配方 法研究 硕士研究生 ：高 瑞 指 导 教 师 ：冯光升 讲师 学 位 级 别 ：工程硕士 工 程 领 域 ：计算机技术 所 在 单 位 ：计算机科学与技术学院 论文提交日期 ：2014 年 4 月 论文答辩日期 ：2014 年 6 月 学位授予单位 ：哈尔滨工程大学 Classified Index: U.D.C: A Dissertation for Professional Degree of Master (Master of Engineering) Research on the cloud platform self-adaptive resource allocation method based on mixed prediction Candidate: Gao Rui Supervisor: Lecturer Feng Guangsheng Academic Degree Applied for: Master of Engineering Specialty: Computer Technology Date of Submission: Apr. , 2014 Date of Oral Examination: Jun., 2014 University: Harbin Engineering University 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人 独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参 考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人 或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本 人承担。 作者（签字）： 日期： 年 月 日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位 期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留 并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将 论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫 描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本 人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名 单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文（□在授予学位后即可 □在授予学位12个月后 □解密后）由哈 尔滨工程大学送交有关部门进行保存、汇编等。 作者（签字）： 导师（签字）： 日期： 年 月 日 年 月 日 基于混 基于混合预测的云平台自适应资源分配方法研究 摘 要 随着云计算的发展，按需付费的使用模式逐渐成为趋势。在按需付费的模式下，云 计算平台为了提高经济效益就必须具备按用户需求自适应资源分配的能力。基于预测的 云平台自适应资源分配技术能够根据云平台中应用的历史运行数据对其未来的资源需 求做出预测，从而准确的对该应用的资源做出动态调整。目前，对云平台应用资源需求 预测的研究主要集中在单一预测模型或者方法上，缺乏对预测样本的分类，导致预测结 果不够精确；对自适应资源分配的研究着重于虚拟机自适应资源配置，没有将虚拟机资 源调整与虚拟机重置结合起来。据此本文提出一种基于混合预测的云平台自适应资源分 配方法，通过混合预测模型和多粒度自适应资源分配，获得更高的云平台资源利用效率 并保障用户的 SLA(Service-Level Agreement)。 本文首先对当前云平台的资源分配现状进行研究与分析，在其基础上研究了虚拟机 放置问题的建模方法和虚拟机重置问题成本分析方法，并且通过对现有预测模型的分析 研究，选择了更适合当前云平台应用特点的 Markov Chain 预测方法和 FFT 预测方法作 为混合预测模型的基础，讨论了这两种算法相结合进行混合资源需求预测的方法。 所提出的基于混合预测的云平台自适应资源分配方法，按照应用资源需求变化的周 期性特点进行分类，对周期性或非周期性应用采用不同的预测模型；以预测结果为基础， 分别采用基于混合预测的虚拟机资源动态分配策略，基于混合预测的虚拟机在线迁移策 略，基于混合预测的虚拟机动态重置策略三种策略进行多粒度的云平台自适应资源分 配，以有效适应应用需求变化，减少虚拟机迁移的数量，降低违反 SLA 概率，减少虚 拟机占用的物理机数量，最终达到提高云平台系统资源利用效率的目的。 最后通过实验证明，基于混合预测的云平台自适应资源分配方法可以有效的进行应 用资源需求的预测