雲數據中心虛擬資源優化調度模型和算法

李誌華

雲數據中心虛擬資源優化調度模型和算法
  • 出版商: 南京大學
  • 出版日期: 2025-08-01
  • 售價: $888
  • 語言: 簡體中文
  • 頁數: 336
  • ISBN: 7305294616
  • ISBN-13: 9787305294617
  • 相關分類: 虛擬化技術 Virtualization

    • 下單後立即進貨 (約4週~6週)

相關主題

商品描述

降低雲數據中心能耗、提高資源利用率、保證服務質量，三者之間相互制約、互相關聯，實現三者之間的優化平衡是雲服務管理矢誌不移的追求。從虛擬機遷移、虛擬機放置、虛擬機整合的角度研究降低雲數據中心活動物理主機數量，從而起到降低數據中心能耗、提高資源利用率的作用，這一技術路線顯然是可靠的。然而，對於雲數據中心而言，由於用戶請求的隨機性，導致虛擬資源調度是一個隨機事件，所以要求實現降低數據中心能耗、提高資源利用率、保證服務質量三者之間的優化平衡具有一定的理論挑戰性。本書作者歷時十數年，從虛擬機遷移、虛擬機放置、虛擬機整合之間的制約關系出發，通過分別構建如多資源概率約束的多目標優化模型、虛擬機動態遷移概率估算的貝葉斯網絡模型等數個優化模型。研究並提出系列遷移虛擬機選擇、虛擬機放置、虛擬機整合算法和方法，為降低雲數據中心活動物理主機數量提供切實可靠的技術手段和方法，為提高雲數據中心資源利用率和能源效率提供強有力的理論和技術支撐

作者簡介

李誌華博士，江南大學人工智能與計算機學院教授。主要研究方向：雲數據中心理論、雲數據中心網絡及其安全、人工智能及其安全、端邊雲關鍵技術及其安全、信息安全、大數據挖掘以及他們與諸多前沿學科的交叉研究。公開發表學術論文100餘篇；榮獲包括省部級科學技術進步獎三等獎3項；擁有授權發明專利10餘件。

目錄大綱

緒論
第一章 雲數據中心虛擬資源調度和管理
1.1 引言
1.2 數據中心任務提交流程
1.3 虛擬機遷移
1.4 虛擬機整合
1.5 虛擬機放置和虛擬機整合的性能評價指標
1.6 本章小結
參考文獻
第二章 基於馬爾可夫決策過程的自適應過載閾值選擇
2.1 引言
2.2 相關工作
2.3 數據中心資源與能耗模型
2.4 算法設計
2.5 實驗結果及分析
2.6 本章小結
參考文獻
第三章 證據高效的虛擬機放置方法
3.1 引言
3.2 相關工作
3.3 候選目標主機選擇算法
3.4 EEAP-VMP方法
3.5 實驗結果及分析
3.6 本章小結
參考文獻
第四章 自適應虛擬機放置的高斯模型和算法
4.1 引言
4.2 相關工作
4.3 物理主機動態負載概率自適應估算
4.4 基於自適應高斯模型的虛擬機整合方法
4.5 實驗設置
4.6 實驗結果及分析
4.7 本章小結
參考文獻
第五章 基於MOEA/D-VMP算法的能耗和服務質量感知的虛擬機放置方法
5.1 引言
5.2 相關工作
5.3 虛擬機放置優化模型
5.4 基於MOEA/D算法的模型求解
5.5 實驗結果與分析
5.6 本章小結
參考文獻
第六章 任務驅動的虛擬機優化放置模型和算法
6.1 引言
6.2 相關工作
6.3 系統模型和問題描述
6.4 虛擬機優化放置方法
6.5 實驗結果及分析
6.6 本章小結
參考文獻
第七章 基於戰略博弈的虛擬機整合方法
7.1 引言
7.2 基於戰略博弈的虛擬機放置競爭模型
7.3 基於Γ的虛擬機放置方案
7.4 基於Γ的虛擬機整合方法
7.5 實驗結果及分析
7.6 本章小結
參考文獻
第八章 能耗感知與多資源過載概率約束的虛擬機整合方法
8.1 引言
8.2 相關工作
8.3 虛擬機整合問題描述
8.4 EC-VMC虛擬機整合方法
8.5 實驗結果及分析
8.6 本章小結
參考文獻
第九章 能耗和服務質量感知的虛擬機整合方法
9.1 引言
9.2 相關工作
9.3 虛擬機放置
9.4 能耗和服務質量感知的虛擬機整合算法
9.5 實驗結果及分析
9.6 本章小結
參考文獻
第十章 基於貝葉斯網絡的虛擬機整合方法
10.1 引言
10.2 相關工作
10.3 基於貝葉斯網絡的虛擬機動態遷移估算模型
10.4 BNEM-VMC方法
10.5 實驗結果及分析
10.6 本章小結
參考文獻
第十一章 資源高效利用和服務質量感知的虛擬機整合方法
11.1 引言
11.2 相關工作
11.3 系統假設和問題定義
11.4 虛擬機優化放置算法
11.5 虛擬機整合方法
11.6 實驗結果及分析
11.7 本章小結
參考文獻

類似商品