基于迁移技术的云资源动态调度策略研究

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (5): 51-54.

基于迁移技术的云资源动态调度策略研究

龚素文1，艾浩军2，袁远明2

1.九江职业技术学院电气工程学院，江西九江 332007
2.武汉大学计算机学院，武汉 430072

出版日期:2014-03-01 发布日期:2015-05-12

Research of cloud resource dynamic scheduling strategy on migration technology

GONG Suwen1, AI Haojun2, YUAN Yuanming2

1.School of Electrical Engineering, Jiujiang Vocational & Technical College, Jiujiang, Jiangxi 332007, China
2.School of Computer, Wuhan University, Wuhan 430072, China

Online:2014-03-01 Published:2015-05-12

摘要/Abstract

摘要： 现有云资源管理平台存在着瞬时资源利用率峰值易引发迁移、动态负载效果不佳等问题。依据云资源动态调度模型，提出了有效的基于迁移技术的虚拟机动态调度算法。算法将物理节点负载与虚拟机迁移损耗评估、多次触发控制、目标节点定位三者有机结合，实现云计算数据中心高效的动态负载均衡。实验结果表明，该算法优于CloudSim的DVFS调度策略，在保证应用服务水平的同时能减少虚拟机迁移次数和物理机启用数量。

关键词: 迁移技术, 资源, 动态调度

Abstract: Currently, cloud resource management platform exists problems that instantaneous peak value of resource utilization easily leads to migration and dynamic load effect is not good. According to given cloud resources dynamic scheduling model, this paper proposes a virtual machine dynamic scheduling algorithm on migration technology. The algorithm combines with the physical node load evaluation and the virtual machine migration loss evaluation, multiple trigger control, the destination node localization, in order to achieve an efficient dynamic load balance of a cloud computing data center. The experimental results show that compared to dynamic voltage and frequency scaling strategy of the CloudSim, the proposed algorithm ensures a better application service level.

Key words: migration technology, cloud recourse, dynamic scheduling

龚素文1，艾浩军2，袁远明2. 基于迁移技术的云资源动态调度策略研究[J]. 计算机工程与应用, 2014, 50(5): 51-54.

GONG Suwen1, AI Haojun2, YUAN Yuanming2. Research of cloud resource dynamic scheduling strategy on migration technology[J]. Computer Engineering and Applications, 2014, 50(5): 51-54.

[1]	王晓，唐伦，贺小雨，陈前斌. 基于深度强化学习的服务功能链多维资源优化[J]. 计算机工程与应用, 2021, 57(4): 68-76.
[2]	武哲纬，周世杰，刘启和. 运算资源受限环境下的目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(21): 24-40.
[3]	魏芬娟，陈崇成，叶晓燕，陈功. 森林资源调查与督查的移动GIS研发及应用[J]. 计算机工程与应用, 2020, 56(6): 231-238.
[4]	王妍，马秀荣，单云龙. Shapley值的LTE系统下行QoS感知资源调度[J]. 计算机工程与应用, 2020, 56(4): 76-81.
[5]	曾舒磊，李学华，潘春雨，王亚飞，赵中原. 雾无线接入网中基于神经网络的资源分配方案[J]. 计算机工程与应用, 2020, 56(24): 78-84.
[6]	翟治年，卢亚辉，周武杰，彭艳斌，郑志军，俞坚，丰明坤. *WS-RI增量模式回溯的边界收缩加速[J]. 计算机工程与应用, 2020, 56(24): 236-241.
[7]	唐群，朱国强. 基于MEC的蜂窝网络联合计算与无线资源管理[J]. 计算机工程与应用, 2020, 56(14): 82-87.
[8]	高航航，赵尚弘，王翔，彭聪. 具有高可靠特征的无线虚拟网络映射方法研究[J]. 计算机工程与应用, 2020, 56(12): 73-80.
[9]	畅海峰，嵩天，杨雅婷. NFV中单节点启发式资源分配方法[J]. 计算机工程与应用, 2020, 56(11): 105-111.
[10]	刘辉1，2，颜飙1，赵瑞雪1. 基于烟花算法的D2D资源分配方案[J]. 计算机工程与应用, 2019, 55(8): 86-91.
[11]	孟芸，胡欣，代亮，余雷. 干扰车载网络中增强连通性的资源分配算法[J]. 计算机工程与应用, 2019, 55(7): 9-15.
[12]	余翔，王宏刚，段思睿. 基于QoE的LTE多业务资源分配算法[J]. 计算机工程与应用, 2019, 55(6): 81-85.
[13]	祝政，胡志华. 多次抢占项目调度问题的混合遗传算法[J]. 计算机工程与应用, 2019, 55(6): 225-230.
[14]	王雨琪，刘博文，林果园. 基于URL语言特征的钓鱼网站检测算法[J]. 计算机工程与应用, 2019, 55(24): 84-90.
[15]	翟治年，王中鹏，叶绿，向坚，王富忠，庞海云. 可满足（≠，=）工作流的静态k弹性否决条件[J]. 计算机工程与应用, 2019, 55(23): 35-39.