面向IaaS云計算自適應資源管理機制.pdf

1、云計算(Cloud Computing)能通過虛擬化的方式，將系統(tǒng)內部多樣化的異構資源封裝成統(tǒng)一的計算資源池，并按需為用戶提供所需的計算資源，是一種面向服務的計算模式。其中，基礎設施即服務(Infrastructure as a Service,IaaS)作為云計算服務中的基礎服務，主要是為用戶提供按需的底層基礎設施資源(計算資源、存儲空間和網(wǎng)絡帶寬等）。而作為IaaS研究核心的資源管理和調度策略，對系統(tǒng)的穩(wěn)定性和服務的可靠性起著非常重

2、要的作用。
　　本文著重對IaaS中的虛擬資源管理機制，以及其在高性能應用集群、Web服務集群中的自適應資源分配及調度機制等方面進行了深入研究。首先通過現(xiàn)有流行的集群、虛擬化技術、云計算平臺等相關研究，針對其資源的特點及現(xiàn)有資源管理策略中的不足，結合面向市場(Marketing-Oriented)的資源調度策略、資源協(xié)商(Negotiating)機制、資源預留(Advance Reservation)機制及自適應機制，側重研究Ia

3、aS自適應資源管理機制；其次，針對現(xiàn)有集群資源管理機制在網(wǎng)格應用集群、高性能計算集群、電子商務應用中大量使用的Web集群，對于自適應資源協(xié)調機制所存在的不足，研究了基于云計算IaaS服務的資源分配及調度自適應彈性管理機制。最后，由于系統(tǒng)識別部分是自適應控制的關鍵，鑒于最小成分分析算法在自適應系統(tǒng)識別領域有顯著的成效，因此本文結合目前最小成分分析算法在系統(tǒng)識別方面的特點及存在問題，研究IaaS服務的資源自適應識別算法。
　　本文所論

4、述的研究內容，都是本文作者在Platform公司參與網(wǎng)格和云計算方面的合作課題中所取得的研究成果，這些成果不僅納入市場上某些主流的商業(yè)項目，而且被成功、廣泛應用到歐洲原子能(CERN)、美國國家航空航天局(NASA)等研究中心，可以保證研究具有高效性及高可用性。主要研究工作及創(chuàng)新點如下：
　　1)為了有效地管理虛擬資源，使資源使用率最大化，并能保證用戶對資源使用的有效性，本文通過對虛擬資源的劃分、預留及調度策略等方面的研究，提出了

5、一種面向虛擬資源的IaaS資源管理機制。該機制實現(xiàn)了資源的按需分配和調度，從而為用戶提供有效的IaaS服務。仿真實驗結果表明，該方法能夠提高虛擬資源的使用率及保證用戶對資源使用的有效性。
　　2)提出了一種面向網(wǎng)格化Web集群的按需IaaS資源管理機制及其分配調度策略。Web集群使用一組作為后端節(jié)點的系統(tǒng)資源，能夠有效地解決傳統(tǒng)Web服務器的負載均衡及故障恢復問題，但是到目前為止，如何使Web集群更有效地利用系統(tǒng)資源尚未見到有效的

6、解決方案。針對這一問題，本章采取一種網(wǎng)格化Web集群的思想，并針對網(wǎng)格化的Web集群后端節(jié)點制定了一種按需IaaS資源管理機制及其分配調度策略，此技術路線能夠有效地提高Web集群對資源的使用效率。
　　3)提出了一種面向高性能應用集群的自適應IaaS資源彈性管理機制。高性能計算(High Performance Computing，HPC)集群通過整合并利用一組計算節(jié)點的計算能力來處理大量提交到高性能應用系統(tǒng)中的計算作業(yè)。吞吐量是

7、高性能計算機群的一個重要考察指標，然而不恰當?shù)娜萘恳?guī)劃及其相關的資源管理機制，將會嚴重影響高性能計算集群的吞吐量，從而降低高性能應用集群的效率，同時還會大大浪費投入的成本。為了克服這些問題，本文所提出的彈性管理機制通過動態(tài)按需調節(jié)高性能應用環(huán)境中異構資源的特性，使得高性能應用環(huán)境能夠針對等待作業(yè)進行異構資源的按需切換，從而減少了等待作業(yè)以提高系統(tǒng)的吞吐量、提高性能。
　　4)電子商務應用中，Web集群能夠作為一個強大的Web服務器

8、來處理巨大的并發(fā)請求。然而，傳統(tǒng)的Web集群在對固有的基礎設施進行預部署和預配置時，由于不適當?shù)念A先計劃，可能會導致過多的成本投入或資源冗余、浪費，尤其是面對無法預計的峰值問題。因此本文首先在云計算系統(tǒng)上通過管理虛擬機來部署Web集群，以替代在固定的基礎設施上部署Web集群的方法，然后進一步通過基于借入-借出(Lend-Brow)策略的資源預留機制，提出一種自適應IaaS資源管理機制和高低水位線(low-high Water Line)

9、閾值檢測負載均衡算法，使Web集群能夠按需對集群負載進行計算節(jié)點的自適應調節(jié)，從而提高了資源的利用率，且有效地減少了投入成本和能耗。
　　5)提出了兩種基于遞歸最小成分分析的IaaS自適應系統(tǒng)識別算法。由于云計算系統(tǒng)資源的動態(tài)性，及自適應控制研究對象的不確定性，常規(guī)反饋調節(jié)機制的效果往往難以令人滿意。針對自適應調節(jié)的不確定性所造成的系統(tǒng)波動，需要一個高效、精確的系統(tǒng)識別算法，從而為動態(tài)變化的系統(tǒng)負載提供預測的計算資源。近來最小成分