基于多维装箱算法的云资源利用率提升方法研究

为了解决云资源利用率低、功耗高、资源利用不平衡、资源碎片化严重等问题,通过优化资源分配提高云资源利用率,将资源分配问题看作装箱问题。设计了基于多维装箱算法的云资源利用率提升方法,通过提出资源检索、计算整合、预测监控三阶云资源利用率提升法达到削峰填谷、提升资源利用率并节电、降低成本的效果。应用效果显示,基于多维装箱算法的三阶云资源利用率提升方法成果显著。

基于遗传算法的大数据资源分配算法

针对云计算数据中心资源分配算法的资源利用率较低的问题,提出了一种基于改进遗传算法的云计算数据中心资源分配算法。首先,遍历每个服务器与虚拟机的需求,使用启发式贪婪算法,按照遗传算法搜索的最优虚拟机顺序将虚拟机分配至物理服务器;然后,将染色体对应的虚拟机顺序转化为装箱问题的装箱解,根据适应度值搜索资源池的最优顺序;最终,最小化云计算物理服务器的数量,减少了物理服务器的资源浪费量。基于不同虚拟机规模进行了仿真实验,结果显示:本算法对于多维装箱问题具有较好的性能,在云计算资源分配方面也获得了较好的资源利用率。

基于负载分时分析的虚拟服务整合建模分析

介绍了一种面向下一代绿色数据中心的虚拟服务整合方案。基于服务负载高峰处于不同时段的原理,提出了基于负载分时分析的建模方法,在保证QoS的前提下能够达到资源利用率最大化。考虑了服务之间的联系性和互斥性,以及服务与服务器之间的兼容性,提出了5项整合原则,使该方案具有更强的实际应用价值。将建立的模型看作是有约束的多维装箱问题,提出了基于分组遗传算法(GGA)的智能优化算法搜索全局最优解。通过实验表明,该方案与之前的模型相比具有更高的整合率。

容器云中基于改进遗传算法的资源分配策略

容器很容易针对Web应用程序提供包装、迁移和配置等服务,近年来已成为研究热点;提出了容器云中基于改进遗传算法的资源分配策略Double-GA;Double-GA是一种包括两个层次的资源分配策略:容器到虚拟机的资源分配和虚拟机到物理主机的资源分配;设计了容器云的两层资源分配的数学模型,以容器云中的整体物理主机能量消耗作为Double-GA策略的目标函数;Double-GA以遗传算法为基础,设计了双染色体的表达方式并处理好了遗传算法的初始化、进化、交叉、变异等操作;真实的实验实例数据结果表明:Double-GA双染色体算法明显优于普通遗传算法GA和递减最好适用算法。

一种能量感知的虚拟机放置智能优化算法

针对数据中心的虚拟机放置优化问题,首先对异构数据中心的能耗进行建模,然后提出了一种基于离散粒子群优化的能量感知的虚拟机放置智能优化算法.重新定义了粒子的参数及算子,提出了一种二维编码方法,引入了一种自适应权重机制和一种能耗感知的局部适应优先机制以分别更新粒子的速度和位置,有效地提高了求解质量.仿真实验对比表明,本算法大大提高了数据中心服务器资源的平均利用率,减少了能耗,降低了数据中心的运营成本.