摘要:云计算是建立在虚拟化和分布式计算等软件怎么写作基础之上的一个相对较新的技术。通过怎么写作交付与应答完成其功能。怎么写作交付与利用方式是它区别于以往集群等的重要特点。云计算技术的实现依靠的不仅仅是网格计算、分布式计算等,还有一项更为重要的技术——负载平衡等技术。由此,如何实现资源访问的负载平衡成为云计算实施的关键不足之一。由于在云计算环境下,负载平衡机制需要考虑其有效性、鲁棒性、及可扩展性。故本论文针对云计算特点提出了三种负载平衡机制:基于改善的模糊C均值(Fuzzy C-Means, FCM)算法的负载平衡机制,基于蜂群算法(Artificial Bee Colony algorithm, ABC)的负载平衡机制以及基于改善蜂群算法的负载平衡机制。基于改善模糊C均值算法的负载平衡机制在算法的有效性方面则体现的较为突出。其主要是通过融合粒子群算法(Particle Swarm Optimization, PSO)与模糊C均值算法,精确的对怎么写作器计算节点的负载情况进行分类。并以此为依据对划分在高负载一类中的计算节点进行部分作业迁移。由于其迁移的每个步骤都较合理,所以此系统的有效性较其他算法有较大改善。基于蜂群算法的负载平衡机制则在鲁棒性方面体现的较为突出。其主要是将每个请求看作蜂群中的蜜蜂个体。蜜蜂自身会携带采蜜信息。当采蜜结束后其将信息带回蜂巢供其余蜜蜂参考。整个运转历程即为寻求采蜜量最大的历程。由于每轮采蜜都有侦察蜂的加入,故整个寻优历程不易陷入局部最优。由此,系统吞吐量不会因为请求的多少受到太大影响。而基于改善蜂群算法的负载平衡机制在可扩展性方面则体现的更为突出。其与基于蜂群算法的负载平衡机制相似,不同的只是在蜂群算法基础上多加了对等待队列长度的判断。这是针对那些联系较少但系统仍将其划分到同一怎么写作器的请求的。这一举措减少了此种请求的无谓等待。本论文的主要工作与革新点在于:1.对请求类型进行分类。分别对不同需求的请求利用不同负载平衡对策,使得云计算环境下的负载平衡管理节点能更好的怎么写作于该类型的请求。2.对原始的模糊聚类算法进行改善。将原始模糊C均值算法与粒子群算法算法相结合,避开了原始模糊C均值算法早熟现象的发生。由此,提升了分类的正确性。3.将改善后的模糊聚类算法与负载平衡机制相结合。对计算节点分类,将计算节点以群体的方式一起解决,而不需要分别单独解决每个节点,加速了系统的处理速度。4.将蜂群算法与负载平衡机制相结合,并对基于蜂群算法的负载平衡机制的改善,增强了该算法的可扩展性。关键词:云计算论文模糊聚类论文蜂群算法论文负载平衡论文
摘要3-5
Abstract5-9
第1章 绪论9-21
1.1 课题探讨背景及作用9-10
1.2 国内外探讨近况10-18
1.2.1 云的分类10-12
1.2.2 负载平衡模型的拓扑结构12-15
1.2.3 负载平衡算法分类15-17
1.2.4 负载平衡算法评判标准17
1.2.5 负载平衡机制性质17-18
1.3 本论文探讨内容18
1.4 论文章节安排18-21
第2章 负载平衡系统21-31
2.1 云计算系统结构21-24
2.1.1 云计算系统逻辑结构21-23
2.1.2 云计算技术系统结构23-24
2.2 负载平衡框架24-29
2.2.1 信息处理25-26
2.2.2 协调对策26
2.2.3 负载平衡算法26-27
2.2.4 迁移对策27-28
2.2.5 通信模块28-29
2.2.6 负载平衡全历程29
2.3 小结29-31
第3章 基于模糊C均值的负载平衡机制31-53
3.1 粒子群算法31-33
3.2 模糊聚类算法33
3.3 负载平衡拓扑结构33-35
3.4 信息处理35-40
3.4.1 信息采集35-36
3.4.2 消息处理36
3.4.3 规则库36-39
3.4.4 推理机39-40
3.4.5 数据库40
3.5 协调对策40-41
3.6 迁移对策41-44
3.7 实验与浅析44-50
3.8 小结50-53
第4章 基于蜂群算法的负载平衡机制53-61
4.1 蜂群算法53
4.2 负载平衡拓扑机制53-54
4.3 请求分配54-56
4.4 实验与浅析56-59
4.5 本章小结59-61
第5章 基于改善蜂群算法的负载平衡机制61-69
5.1 迁移对策61-62
5.2 实验与浅析62-66
5.3 本章小结66-69
第6章 总结与展望69-71
6.1 论文总结69
6.2 进一步展望69-71