云环境下的资源调度算法研究

北京交通大学 范宗勤

本文提出了基于改进模拟退火的云环境下虚拟机资源的负载平衡调度算法(Simulated Annealing Load Balancing:SALB),通过最小化物理主机负载的标准差来达到系统的负载平衡。区别于传统的SA算法中随机选取初始解和邻域解的方式,本文根据系统的实时负载情况来选取合适的初始解和产生新的邻域解。利用虚拟机迁移技术,将负载过高的物理机上运行的虚拟机迁移到负载低的物理主机上,在迁移的过程中利用模拟退火的思想以一定的概率接受劣质解从而避免陷入局部最优解。在扩展后的CloudSim平台上实现了负载平衡调度算法SALB的仿真,实验结果表明SALB能够取得优于传统的模拟退火算法和轮询调度算法更好的系统负载平衡。针对数据中心运营成本控制的问题,本文提出了基于模拟退火思想的改进遗传算法(Simulated Annealing combined Genetic Algorithm:SACGA)用于虚拟机资源分配来降低数据中心的运营成本。通过在传统遗传算法的交叉和变异过程中加入模拟退火的思想,在进化过程中以一定的概率接受劣质解,使得遗传算法能够避免过早地陷入局部最优解和早熟现象的发生。仿真结果表明SACGA能够在保证客户服务水平协议的基础上节省数据中心的操作代价,使得系统操作代价低于使用传统的遗传算法作为资源调度策略。最后总结全文并说明下一步的研究内容。

云环境下的资源调度算法研究