mpso算法的云计算资源调度策略
摘 要在科学技术飞速发展的今天，社会对资源的关注点不仅仅停留在分配或获取某种资源，而是更加注重资源的利用效率、服务的人性化、运营成本的最小化等等。因此如何实现更优的资源分配，也成为当今物联网时代背景下亟待解决的问题。借助云计算技术飞速发展的契机，IT界的领头羊们在普及云计算技术和产品的同时，也将资源分配问题摆到一个前所未有的新的高度。如何设计一款高效普适的资源分配策略一直是云计算领域研究的重点和难点。本文通过研究云计算资源调度策略，旨在提高系统性能及降低运行成本。基于云计算资源调度中的任务调度优化和负载平衡的问题，提出了一种基于改进粒子群优化算法（即MPSO算法）的云计算资源调度策略。该策略采用动态多群体协作及鲶鱼粒子扰动的优化算法，将局部搜索和全局搜索互相关联，加入局部扰动，使算法尽最大可能找到最优解并跳出局部最优解。在运用云计算仿真器CloudSim对该算法进行了模拟仿真后，将仿真结果与仿真器中原有的调度算法、标准粒子群算法的结果进行对比，从而得出该算法优于仿真器的原有算法，并在一定条件下优于其他两种算法，提高了执行效率，降低了运行成本，与设想基本一致。
目 录
第一章 绪论 1
1.1 云计算的研究背景和意义 1
1.2 云计算的研究现状 2
1.2.1 云计算的关键技术 2
1.2.2 云计算的发展方向 3
1.3主要创新 3
1.4 论文组织结构 4
第二章 云计算资源调度相关理论与技术 6
2.1云计算资源调度概述 6
2.1.1 云计算资源调度的框架结构 6
2.1.2 云计算资源调度的方法与目标 7
2.1.3 云计算资源调度的分类 8
2.2 粒子群优化算法 8
2.2.1 原始粒子群优化算法 9
2.2.2 标准粒子群优化算法 10
2.3 本章小结 10
第三章 改进粒子群优化算法（MPSO） 11
3.1 基于动态多群体协作改进算法 11
3.2 基于鲶鱼算子局部扰动改进算法 12
3.3 MPSO算法的实现步骤 13
3.4 本章小
*好棒文|www.hbsrm.com +Q: ^351916072*
结 15
第四章 基于MPSO算法的云计算资源调度策略 16
4.1 云计算资源调度问题的描述 16
4.2 云计算资源调度模型的建立 17
4.3 策略的实现步骤 18
4.4 本章小结 19
第五章 实验与仿真结果分析 20
5.1 MPSO算法的实验结果及分析 20
5.2 基于MPSO算法的资源调度策略的仿真及结果分析 23
5.2.1 云计算仿真工具（Cloudsim）介绍 23
5.2.2 Cloudsim仿真环境的配置 23
5.2.3 Cloudsim仿真平台的拓展 25
5.2.4 Cloudsim仿真实验及结果分析 29
5.3 本章小结 32
第六章 总结与展望 34
6.1 论文总结 34
6.2 课题展望 34
参考文献 36
致 谢 38
附录：攻读学士学位期间的科研成果及主要荣誉 39
毕 业 设 计（英文翻译） 41
第一章 绪论
1.1 云计算的研究背景和意义
当下信息技术的发展，各式各样网络应用的推广和普及，以及因此带来的人们对网络应用和资源需求的增长，一个信息爆炸的时代随之而来——依赖网络进行的活动越来越多，互联网业务量和数据大大增加，休闲娱乐，工作学习和科学研究都需要依赖网络资源。这无疑是对数据中心负载能力的巨大挑战，如何在加快服务器的处理速度同时，控制数据中心成倍增加的硬件成本是社会发展中不可逾越的问题。网络及信息技术的迅猛发展催生了云计算[1]，而其迅速发展又反作用于信息产业的革新。
计算机领域的“云”[2]描述的是大量的呈网状结构的计算机，然而，反观云计算却难得出一个标准定义，现在广为人知的是刘鹏教授给出的长短定义，其中短定义[3]是：“云计算是通过网络按需提供可动态伸缩的廉价计算服务”。云计算未来发展的典型特点是厚云多端[4]。“一切即服务”是云计算的思想，而这种思想的核心又是“将众多通过网络连接起来的计算资源进行统一管理和分配，从而在所构成的计算资源池的基础上按需求向用户提供服务”。云计算模式的特点是获取IT资源就像获取水电这种公共的资源一样容易，用户无需了解基础设施的搭建，却能够通过花费较为低廉的代价，在服务商的云平台上运行程序和系统，从而能在云端存储和获取海量的数据、享受高效灵活的计算能力。
显而易见，云计算颠覆了IT界沿用至今的业务模式。这一技术的出现拓展和扩充了计算领域中的网格计算、分布式处理和并行处理，催生了O2O、移动计算、移动通信及移动商务等新型商业模式，并引导了商业模式下IT产业的导向及能动作用。云计算的平台是一个典型的三层结构，自下而上分为：基础设施层，平台层以及应用层。这三层也就构成了云计算结构体系中重要的三级服务模式，其具体功能和性质如下：
IaaS，基础设施即服务是将可用的计算资源按需分配给用户，用户通过付费获得使用资源的权限；
2PaaS，平台即服务可以具备了硬件条件以后，在上一级中配备整套软件以满足各种功能所需的基础，为用户利用软件自主研发提供平台；
SaaS，软件即服务通俗来讲就软件功能直接满足用户需求，用户无需进行开发就能使用某种功能。
除此之外还有备份即服务（BaaS）、协同即服务(CaaS)，数据即服务(DaaS)等等服务模式。
随着IT技术的发展，如何在海量数据中采取更好更高效的分配资源、提供服务，是云计算中亟待解决的问题。如何通过恰当的资源调度实现云计算“一切皆服务”[5]的思想理念，也成为当前云计算技术发展中的重点和难点。在资源调度中，需要对云资源进行实时更新，从而依据数据的实际使用状况，实现云任务的分配和资源的调度。本文即是从云计算的资源调度策略方面开展了研究。
1.2 云计算的研究现状
1.2.1 云计算的关键技术
云计算的关键技术纷繁复杂，而其最重要的核心技术有二，虚拟化和分布式处理技术。虚拟化技术将资源调度中所需的所有设施整合成一个资源池，然后按照性质将其中的资源分成不同的类别，从而最大程度满足用户需求。
目前在我国，虚拟化技术的研究仍出处起步阶段，较国外略有滞后，核心的虚拟化技术以及产品仍掌握在国外企业手中，典型代表即是Citrix、Vmware等。另一方面，分布式处理技术包括分布式数据存储、分布式资源管理技术，主要是指向全世界技术开源的Hadoop技术也在迅速发展，这种技术有很好的可拓展性，能够迅速跟随用户不断变化的需求，同时在硬件设备上也不再有限制，从而降低了硬件成本提高了移动性能。当前，很多IT行业巨头诸如IBM、Facebook等正在开源的分布式处理技术基础之上，进行分布式集群计算系统即大数据分析的研究，国内的很多IT企业也加入了大数据研究开发的行列。
云计算调度策略是一项保密性很高的关键性技术，各大IT企业都在谷歌有着全球领先的云计算技术，自主研发了一套专用的云计算构架。其中包含了分布式文件系统(Google File System)[6]在内的一系列技术。这些技术都是能够通过大规模的数据处理，达到资源分配和任务调度的并行，以完成快速数据读取和传输，从而从整体上升级性能。CloudSim平台可用于云计算环境下的模拟仿真，由澳大利亚墨尔本大学网格实验室和Gridbus项目联合推出。
大型的云计算的建模和仿真都能通过Cloudsim得以实现，克服了传统的实验室仿真中遇到的巨大开销和困难。在资源调度方面，CloudSim平台拥有自带的调度策略包括，First Come First Service, FCFS和Round Robin, RR两种。这些自带的调度策略拥有执行过程冗长、虚拟机在随机建立数据中心和主机映射时导致资源利用率低下等不可避免的缺点，因此很多研究者都转而扩展该平台的基本方法从而构造出符合自己研究要求的资源调度策略。本文也是通过改进了算法，拓展了该平台的基本方法，对云计算资源调度策略进行研究。
目 录
第一章 绪论 1
1.1 云计算的研究背景和意义 1
1.2 云计算的研究现状 2
1.2.1 云计算的关键技术 2
1.2.2 云计算的发展方向 3
1.3主要创新 3
1.4 论文组织结构 4
第二章 云计算资源调度相关理论与技术 6
2.1云计算资源调度概述 6
2.1.1 云计算资源调度的框架结构 6
2.1.2 云计算资源调度的方法与目标 7
2.1.3 云计算资源调度的分类 8
2.2 粒子群优化算法 8
2.2.1 原始粒子群优化算法 9
2.2.2 标准粒子群优化算法 10
2.3 本章小结 10
第三章 改进粒子群优化算法（MPSO） 11
3.1 基于动态多群体协作改进算法 11
3.2 基于鲶鱼算子局部扰动改进算法 12
3.3 MPSO算法的实现步骤 13
3.4 本章小
*好棒文|www.hbsrm.com +Q: ^351916072*
结 15
第四章 基于MPSO算法的云计算资源调度策略 16
4.1 云计算资源调度问题的描述 16
4.2 云计算资源调度模型的建立 17
4.3 策略的实现步骤 18
4.4 本章小结 19
第五章 实验与仿真结果分析 20
5.1 MPSO算法的实验结果及分析 20
5.2 基于MPSO算法的资源调度策略的仿真及结果分析 23
5.2.1 云计算仿真工具（Cloudsim）介绍 23
5.2.2 Cloudsim仿真环境的配置 23
5.2.3 Cloudsim仿真平台的拓展 25
5.2.4 Cloudsim仿真实验及结果分析 29
5.3 本章小结 32
第六章 总结与展望 34
6.1 论文总结 34
6.2 课题展望 34
参考文献 36
致 谢 38
附录：攻读学士学位期间的科研成果及主要荣誉 39
毕 业 设 计（英文翻译） 41
第一章 绪论
1.1 云计算的研究背景和意义
当下信息技术的发展，各式各样网络应用的推广和普及，以及因此带来的人们对网络应用和资源需求的增长，一个信息爆炸的时代随之而来——依赖网络进行的活动越来越多，互联网业务量和数据大大增加，休闲娱乐，工作学习和科学研究都需要依赖网络资源。这无疑是对数据中心负载能力的巨大挑战，如何在加快服务器的处理速度同时，控制数据中心成倍增加的硬件成本是社会发展中不可逾越的问题。网络及信息技术的迅猛发展催生了云计算[1]，而其迅速发展又反作用于信息产业的革新。
计算机领域的“云”[2]描述的是大量的呈网状结构的计算机，然而，反观云计算却难得出一个标准定义，现在广为人知的是刘鹏教授给出的长短定义，其中短定义[3]是：“云计算是通过网络按需提供可动态伸缩的廉价计算服务”。云计算未来发展的典型特点是厚云多端[4]。“一切即服务”是云计算的思想，而这种思想的核心又是“将众多通过网络连接起来的计算资源进行统一管理和分配，从而在所构成的计算资源池的基础上按需求向用户提供服务”。云计算模式的特点是获取IT资源就像获取水电这种公共的资源一样容易，用户无需了解基础设施的搭建，却能够通过花费较为低廉的代价，在服务商的云平台上运行程序和系统，从而能在云端存储和获取海量的数据、享受高效灵活的计算能力。
显而易见，云计算颠覆了IT界沿用至今的业务模式。这一技术的出现拓展和扩充了计算领域中的网格计算、分布式处理和并行处理，催生了O2O、移动计算、移动通信及移动商务等新型商业模式，并引导了商业模式下IT产业的导向及能动作用。云计算的平台是一个典型的三层结构，自下而上分为：基础设施层，平台层以及应用层。这三层也就构成了云计算结构体系中重要的三级服务模式，其具体功能和性质如下：
IaaS，基础设施即服务是将可用的计算资源按需分配给用户，用户通过付费获得使用资源的权限；
2PaaS，平台即服务可以具备了硬件条件以后，在上一级中配备整套软件以满足各种功能所需的基础，为用户利用软件自主研发提供平台；
SaaS，软件即服务通俗来讲就软件功能直接满足用户需求，用户无需进行开发就能使用某种功能。
除此之外还有备份即服务（BaaS）、协同即服务(CaaS)，数据即服务(DaaS)等等服务模式。
随着IT技术的发展，如何在海量数据中采取更好更高效的分配资源、提供服务，是云计算中亟待解决的问题。如何通过恰当的资源调度实现云计算“一切皆服务”[5]的思想理念，也成为当前云计算技术发展中的重点和难点。在资源调度中，需要对云资源进行实时更新，从而依据数据的实际使用状况，实现云任务的分配和资源的调度。本文即是从云计算的资源调度策略方面开展了研究。
1.2 云计算的研究现状
1.2.1 云计算的关键技术
云计算的关键技术纷繁复杂，而其最重要的核心技术有二，虚拟化和分布式处理技术。虚拟化技术将资源调度中所需的所有设施整合成一个资源池，然后按照性质将其中的资源分成不同的类别，从而最大程度满足用户需求。
目前在我国，虚拟化技术的研究仍出处起步阶段，较国外略有滞后，核心的虚拟化技术以及产品仍掌握在国外企业手中，典型代表即是Citrix、Vmware等。另一方面，分布式处理技术包括分布式数据存储、分布式资源管理技术，主要是指向全世界技术开源的Hadoop技术也在迅速发展，这种技术有很好的可拓展性，能够迅速跟随用户不断变化的需求，同时在硬件设备上也不再有限制，从而降低了硬件成本提高了移动性能。当前，很多IT行业巨头诸如IBM、Facebook等正在开源的分布式处理技术基础之上，进行分布式集群计算系统即大数据分析的研究，国内的很多IT企业也加入了大数据研究开发的行列。
云计算调度策略是一项保密性很高的关键性技术，各大IT企业都在谷歌有着全球领先的云计算技术，自主研发了一套专用的云计算构架。其中包含了分布式文件系统(Google File System)[6]在内的一系列技术。这些技术都是能够通过大规模的数据处理，达到资源分配和任务调度的并行，以完成快速数据读取和传输，从而从整体上升级性能。CloudSim平台可用于云计算环境下的模拟仿真，由澳大利亚墨尔本大学网格实验室和Gridbus项目联合推出。
大型的云计算的建模和仿真都能通过Cloudsim得以实现，克服了传统的实验室仿真中遇到的巨大开销和困难。在资源调度方面，CloudSim平台拥有自带的调度策略包括，First Come First Service, FCFS和Round Robin, RR两种。这些自带的调度策略拥有执行过程冗长、虚拟机在随机建立数据中心和主机映射时导致资源利用率低下等不可避免的缺点，因此很多研究者都转而扩展该平台的基本方法从而构造出符合自己研究要求的资源调度策略。本文也是通过改进了算法，拓展了该平台的基本方法，对云计算资源调度策略进行研究。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wlw/685.html
