基于負載預測的OpenStack虛擬機智能管理.pdf

1、在云計算應用日益廣泛的今天，提高云服務的質量與數(shù)據中心的資源利用率，減少云服務商的運營成本與客戶的開銷具有及其重要的應用價值。論文在國家863計劃支持下，針對虛擬機管理這一問題，研究基于負載預測的OpenStack虛擬機智能管理方法。
　　云環(huán)境下負載變化較大，帶來云服務質量的下降，論文研究了基于短期負載預測的虛擬機動態(tài)配置算法。通過提出對虛擬機資源利用率的預測方法，根據預測值結合機器學習的方法計算虛擬機資源包括CPU、RAM、B

2、andWidth的瓶頸因子，找出影響服務質量的瓶頸資源，并使用輕量級的虛擬機運行時動態(tài)配置來擴展瓶頸資源，提高服務質量。實驗數(shù)據表明該算法能大大提高云環(huán)境下應用的服務質量，減少服務的響應時間，提高吞吐率。
　　針對云用戶請求負載呈現(xiàn)規(guī)律性變化的應用場景，論文研究基于長期負載規(guī)律的虛擬機管理方法，通過預測用戶的請求數(shù)，在滿足用戶資源需求的前提下，動態(tài)改變用戶的虛擬機分配從而最小化用戶的開銷?？紤]服務器的整合過程，提出了針對物理服務器

3、的數(shù)量、虛擬機遷移數(shù)、數(shù)據中心的電能消耗三個方面多目標優(yōu)化的算法LBVMM(Load Based Virtual Machine Management)來決策整合的過程，使物理服務器數(shù)量、虛擬機的遷移數(shù)以及數(shù)據中心的電能消耗都維持在一個較低的水平內。算法從云服務商和客戶兩方面進行了綜合考慮，同時優(yōu)化了云服務商的運營成本，提高服務質量，并且減少了客戶的開銷。實驗數(shù)據表明該算法在減少包括物理服務器的數(shù)量，虛擬機的遷移數(shù)，數(shù)據中心的電能消耗，