基于改进粒子群算法的云计算虚拟机资源配置优化研究

如何将虚拟机合理地放置到云服务器上是云计算数据中心提高系统性能的关键技术之一。首先建立了虚拟机配置模型,综合考虑负载均衡,虚拟机分配性能等因素形成了虚拟机配置优化模型。在此基础上提出基于改进粒子群的虚拟机优化配置算法(LB-DPSO),利用此优化算法,实现了目标问题的优化。对比实验结果表明,算法能有效降低负载不均衡度,同时能较好地提高虚拟机分配性能,具有一定的理论和现实意义。

云计算网络下虚拟机负载均衡方法仿真

由于不能合理协调网络运行资源,导致通信拥挤、安全性能下降,为此,提出基于逻辑分区的云虚拟机负载均衡优化算法。采用逻辑分区方式划分各分区虚拟机负载情况与业务形式,并以平均任务完成时长当作优化目标,搭建资源调度数学模型,根据虚拟机配置数组情况把多维资源协调问题变换成单维协调问题;利用遗传算法对单维虚拟机资源编码与解码,生成新的资源,运用基因突变原理自适应调节资源,完成负载均衡优化。实验结果表明,所提算法负载均衡效果较好,资源调度时间最短,并具有良好的收敛性。

基于虚拟机的研究

随着计算机硬件价格的大幅下降,越来越多的计算机都具有1GB以上的内存和160GB以上的硬盘,目前看来性能已经不存在问题.越来越多的人开始对多操作系统和复杂网络环境很感兴趣,但是由于计算机硬件和人员操作水平的局限,仍然很难让每个人都在自己的系统上安装多个操作系统,这使得实现这些复杂环境的实验变得非常困难.文章提出利用虚拟机来解决安装多操作系统和复杂网络实验的困难问题.

试析合理分配虚拟机资源,降低整合风险

为虚拟机配置过多的资源,会浪费了其他虚拟机可能要用到的资源,而资源分配过少又势必导致虚拟机性能低下,因此,了解哪些资源会对虚拟机稳定性产生影响、合理配置虚拟机资源,降低整合风险成为了一项重要的工作。

基于云平台的任务性能采集和分类方法

由于用户在实际使用云平台时,很难确定云平台的云主机类型,所以造成了云平台资源利用率低下的问题。许多典型的解决资源利用率低下的方法,都是从云提供商的角度优化放置算法,而用户选择将限制资源利用率增加;也有一些方法采用云平台下的任务性能短时间采集并预测,但会降低任务分类的准确性。为了达到提高云平台资源利用率、简化用户操作的目的,首先提出一种多属性的任务性能采集工具Lbenchmark,全面采集任务的性能特征,和Ganglia相比负载降低了50%以上。然后,利用该性能数据,提出一种基于权值可配的多KD树-K最近邻(KNN)应用性能分类算法,挑选适合参数建立多个基于KD树的KNN分类器,通过交叉验证方法调整每个属性在不同分类器的权重,进行选举分类。实验结果表明,所提算法与传统的KNN相比,计算量明显提高了约10倍以上,而准确性平均提高约10%。该算法可利用数据特征映射将资源建议提供给用户和云提供商,进而提高云平台整体的利用率。

实现SQL故障转移群集

SQL群集故障转移是SQL群集的一个非常有用的功能，它可以在群集中的一台SQL服务器发生故障时，自动启用群集中另外的服务器接管服务，从而保证系统的正常运行。那么，出于学习的目的，在单机情况下能否模拟SQL群集故障转移呢，答案是肯定的。

应用于云中MapReduce计算的动态资源调度算法

越来越多的MapReduce计算由运行在云中虚拟机组成的虚拟集群完成,为增强虚拟MapReduce集群计算中任务的数据本地性,充分利用云计算的资源可动态配置的优势,提出了一种基于队列的动态资源调度算法,并模拟了云计算平台进行测试,实验结果表明动态资源调度算法提高了虚拟MapReduce集群的计算性能.

A hardware-based algorithm for virtual machine provisioning in a private cloud

Cloud computing is becoming a key factor in the market day by day. Therefore, many companies are investing or going to invest in this sector for development of large data centers. These data centers not only consume more energy but also produce greenhouse gases. Because of large amount of power consumption, data center providers go for different types of power generator to increase the profit margin which indirectly affects the environment. Several studies are carried out to reduce the power consumption of a data center. One of the techniques to reduce power consumption is virtualization. After several studies, it is stated that hardware plays a very important role. As the load increases, the power consumption of the CPU is also increased. Therefore, by extending the study of virtualization to reduce the power consumption, a hardware-based algorithm for virtual machine provisioning in a private cloud can significantly improve the performance by considering hardware as one of the important factors.