基于统计机器学习的虚拟化资源管理技术研究

[复制链接]
查看: 451|回复: 0

23万

主题

23万

帖子

32万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
329731
发表于 2022-4-23 15:28:20 | 显示全部楼层 |阅读模式
目:


雅宝题库答案
****此区域为收费内容****    需支付 1 知识币后可查看,1币=0.01元查看答案


雅宝题库解析:
云计算作为一种新兴的共享整合IT基础架构的计算模式,以即付即用的方式向众多网络用户提供廉价、动态灵活和应用服务级目标保证的服务,具有非常重要的应用前景。虚拟化技术是云计算的关键技术之一,越来越多的提供云计算服务的数据中心开始采用虚拟化技术来整合各种计算资源。然而,当前针对云计算中虚拟化资源管理的研究尚面临着以下的挑战:如何利用单一的模型来有效地管理多种评估指标对负载进行有效评估,如何有效处理异构的物理资源及采用多种虚拟化技术的关系,以及如何结合负载评估模型和资源分析方法来为虚拟机分配资源。本文在深入分析当前云计算中虚拟化资源的管理方法及存在的题目的基础上,为实现云计算环境下的负载均衡,采用统计机器学习方法对虚拟机资源与物理资源关系进行建模,同时设计并实现基于虚拟机负载评估及关系模型的虚拟机部署策略。本文的工作及主要贡献如下:1.        针对云计算环境下虚拟化资源负载的多样性,对虚拟化资源负载数据进行收集及处理,分析云环境下虚拟机负载特征,实现了针对单一虚拟机的负载评估模型,对虚拟化负载变化趋势进行评估,为有效地指导虚拟化资源分配提供基础。2.        分析并实现了虚拟机负载与主机资源间的关系模型。针对不同类型的虚拟化技术以及异构物理主机等条件下虚拟机负载与物理主机资源间复杂的关系题目,通过分析虚拟机以及物理主机的负载历史数据,获得主机资源和虚拟机资源的相关参数,采用统计机器学习方法来对该关系模型进行分析与预测,以此来评估虚拟机对各种类型资源的实际需求。实验结果表明,该关系模型能够较准确地评估异构环境下采用不同类型虚拟化技术的虚拟机对物理资源的实际需求。3.        结合关系模型设计用于负载均衡的虚拟机部署策略。针对原有的基于负载峰值和服务水平协议(SLA)对虚拟机进行分配的虚拟机部署策略会造成资源的浪费及系统负载不均衡题目,设计并实现了基于负载评估和关系模型的虚拟机部署策略,在保证满足用户需求的同时达到系统整体负载均衡。实验结果表明,同传统单目标优化算法相比,本文提出的算法在负载均衡方面具有较好的效果。





上一篇:新型航空电子系统的建模与分析方法研究与实现
下一篇:电子稳像关键技术的研究与实现
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

精彩课程推荐
|网站地图|网站地图