基于OpenStack的调度系统设计与实现

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:christopherq
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着IT技术的发展,近几年云计算技术逐渐成熟。由于数据中心的数量和规模急速增长,如何合理地利用资源同时有效节省数据中心能耗成为热门的课题。作为云计算底层的IaaS层,是整个云计算架构的基础,而IaaS层最重要技术便是虚拟化。虚拟化中典型的技术是服务器虚拟化,即在一台物理服务器上运行多台虚拟机。随之出现的虚拟机迁移技术不仅解决了系统故障、升级时候的困难,而且在提高服务质量和节省数据中心能耗方面也发挥了作用。目前比较流行的开源云计算平台OpenStack也引入了虚拟机迁移的策略,但是在OpenStack中的虚拟机迁移需要管理员权限使用命令行或者在OpenStack管理页面手动的触发虚拟机迁移工作。不能动态的进行虚拟机的调度显然是不尽人意的,而且OpenStack虚拟机迁移的目的主机选取算法仅仅是依据主机内存剩余量的大小,指标过于单一,因此需要一套完整的动态虚拟机调度算法。本文在详细研究了OpenStack平台现有的调度策略之后,参考现有的虚拟机迁移技术,设计了基于OpenStack的调度系统。该系统使用监控历史数据建模,预测主机未来m个时刻的性能,使用多重阈值判定虚拟机迁移时机;对目标虚拟机选取,提出迁移体积的概念,按照迁移体积由小到大进行选取;对目的主机的选取,一次只为一台虚拟机选取目的主机,首先过滤掉不符合要求的主机,为每台主机的物理资源赋予不同的权值系数,计算总的权重来排序候选目的主机,并且使用随机选取的方式选取。本文在使用CloudSim仿真软件对本文提出的算法进行了仿真,验证了该系列算法能够有效减少数据中心的能量、提高资源的利用率并维持系统的稳定。最后,本文对系统进行了实现,通过几组实验数据,观察系统运行的日志,证明了算法运用到系统的可行性。结合仿真算法的实验数据,证明了系统的有效性。
其他文献
近些年来,机器人开始走进人们的日常生活中,日益改善着人们的生活方式。而目前机器人与人的人机交互却没有与之相应发展起来。目前人与机器人交互方式仍然是鼠标、键盘、遥控
近年来,社会各界对云计算的关注度不断攀升,各种规模的商业云平台不断被建立起来,为远在千里之外的用户提供服务。为了保证服务质量,企业不惜投入大量资金在购买带宽上。然而
随着互联网的迅速发展和普及,网络已经成为人们获取信息的一个重要途径。由于网络信息资源飞速增长,如何有效地处理这些海量信息,并检索出用户所需信息成为一个非常重要的研
论文以数字图像处理为理论基础,借助了一些信号处理和计算机视觉上的一些思路来研究古碑文图像的处理,通过对大量的古碑文图像进行分析,针对不同的碑文图像特点,对不同的碑文
云存储作为一种新兴的存储模式,以其低成本、高可靠、弹性和按需付费的特点,吸引了越来越多的企业和用户将数据放在云端。如何降低云存储中海量数据的存储开销成为一个重要的
人体姿势估计是实现图像理解和行为识别的关键技术。但是,自身的遮挡,衣着的变化,面内和面外旋转等情况,导致了人体姿势估计问题一直没有得到很好的解决。近年来,深度学习技
随着计算机技术的不断发展,网络技术和应用软件开发技术的应用越来越广泛。随着检察院系统事业的发展,对规范行政管理流程、提高办公效率、加强决策支持的要求越来越高。所以
随着社会的不断进步,计算机技术、互联网技术等不断发展,数据也越来越丰富和复杂,针对丰富且复杂的数据进行聚类分析的重要方向也越来越受到人们的关注,高维数据聚类更是重点
本文根据发电企业的特点,结合电厂机组综合评优的实际需求,对数据仓库、ETL、OLAP、数据挖掘等基础理论和关键技术,进行了深入有效的研究。文章重点讨论了系统构建过程中数据
随着空间信息应用需求的不断增长,人们对地观测数据需要更高的分辨率、更快的获取速度和更大的信息量,随之对空间信息的服务和共享提出了更高的要求。G/S模式是继目前网络软