云计算文献综述.docx

引言

研究背景

随着科技的发展，互联网的规模不断扩大，进而产生了海量的数据。如何处理海量的数据，已成为互联网当时发展面临的一个问题。在这种背景下，云计算应运而生。经过许多年的发展，云计算技术在人们生活中得到了广泛应用，特别是2020年全球的爆发，它在在线办公、在线教育等在线业务中扮演着重要角色。

但与此同时，伴随着云计算产业的快速发展，云服务提供商为了满足云消费者日益增长、纷繁复杂的需求，需要不断提升包括计算精度、计算效率、存储容量等服务能力，这使得云数据中心的硬件规模呈极度膨胀之势，进而导致了云数据中心的巨大能量消耗和环境污染问题[1]。如谷歌每年1亿千瓦的耗电中，在数据中心的能耗占了40%。云计算的高能耗，同时还对环境造成了巨大影响[2]。因此，研究基于能耗的云计算资源调度算法及相关技术，进而实现云数据中心的节能减排，国民经济的绿色发展,显得至关重要。因此，对支持降低能耗的资源调度算法的研究，具有非常重要的应用价值与社会意义。

国内外研究现状

国外对云计算的研究要早于国内，许多著名的云计算公司，如Amazon、Google、IBM等都有着各自独特的云计算技术[3]。云计算的资源调度作为云计算的核心，决定着对用户提交的作业进行资源分配和调度，它是在云平台中部署运用时，选择合适的物理机分配资源给对应的虚拟机[4]。资源调度算法设计不合理，会加剧数据中心能耗问题。

从本世纪初至今，国内外研究人员针对云环境中资源调度问题，提出了不同的资源调度算法。

在调度算法方面，传统的算法存在许多问题，如轮循调度算法，它沿用网格计算模式，简单易实现，但调度开销大，能耗过多[5]。在云计算环境中，Min-min算法将任务分配给执行时间最短的资源节点，从而使用户提交的任务完成时间最短。但是它主要追求任务的提前完成，没有考虑到资源节点的负载情况，容易造成资源利用率低[6]。

为寻求更好的调度方法，后续学者们又研究如遗传算法，蚁群算法，粒子群算法等智能算法，其中遗传算法是一种仿效生物繁殖过程的算法，其优点是有哪些信誉好的足球投注网站速度快，优选性好等，全局寻解能力差。蚁群算法是通过蚂蚁觅食行为而提出的一种群智能算法，它具有并行有哪些信誉好的足球投注网站、正反馈机制、易与其它算法结合等优点，但早期寻找解的能力弱[7]。因此，学者们又提出一系列基于智能算法的优化改进。Elina等人基于蚁群算法提出了一种工作流调度算法，在满足截至日期的同时最小化了成本[8]。Nan等人研究出基于粒子群算法的优化算法，根据负载反馈选择任务，利用算法进行聚类，并将任务调度到每个虚拟机上，通过并行选择资源来进行负载均衡，提高了资源利用率，避免了超载时能耗过多[9]。Belog等人提出Max-BRU算法,在Max-BRU算法引进了D维资源利用率和资源平衡率两个指标，结合这两个指标来平衡各维资源使用率，来减少活动主机数，最终减少了能耗[10]。

针对云计算资源调度优化，国内学者也展开了相关研究。于彦波针对蚁群算法节点可见度差的问题进行修正，综合考虑了服务质量和负载均衡，并通过仿真实验证明该算法能够有效降低任务究成时间，但没有按任务所需的资源类型分类[11]。张家铭根据标准粒子群算法加以改进，提出优化后的粒子群算法，通过ARPSO算法和禁忌有哪些信誉好的足球投注网站算法解决了粒子群算法过早陷入局部极值解的问题，并通过Cloudsim仿真平台证明了其调度效率的提升并且可以使成本和运行时间显著降低，但未考虑多个任务间的优先级和能耗，同时也缺乏灵活性[12]。王胜男优化了蚁群算法，同样兼顾任务最短完成时间和负载均衡，并针对能耗问题，提出一种时间序列预测的调度算，通过数据中心负载预测模块预测未来时间数据中心负载变化情况，实现虚拟机的智能开关机，从而解决了物理机频繁的开关机波动进而节能[13]。薛虎从粒子群算法出发，设计了适合虚拟机调度实际问题的适应度值计算函数，利用合适的编码使得粒子位置和虚拟机调度对应起来，使得粒子群算法能够应用在虚拟机的分配问题上，并且使得云资源的利用效率大大提高，同时还能够在短时间内求解出多种资源约束下的最优解，使得虚拟机得到更好的部署，从而减少了数据中心的能耗开销，但对于低利用率阀值的判断，采用的是设置几个不同的静态阙值，在动态环境中难免有所不足[14]。刘颜颜提出了一种蝙蝠算法，经过膜计算与蝙蝠算法的融合，使得标准蝙蝠算法克服了易陷入局部寻优的问题。最终通过实验证明，改进后的算法在稳定性与准确性上有明显提高。同时再对比粒子群算法和工作流调度算法来看，在消耗时间和能耗方面有了显著下降，证明了该算法的优越性，大大缩减了任务执行时间，起到了良好的资源调度优化作用[15]。

1.3本文研究内容和组织结构

本文针对云计算日益严重的能耗问题，将已有的启发式算法，应用于云计算资源调度过程中，而提出了一种基于虚拟机整合的