导读:本文包含了虚拟机部署论文开题报告文献综述及选题提纲参考文献，主要关键词:云数据中心,虚拟机部署,虚拟机迁移,能效优化
虚拟机部署论文文献综述
张磊,王莉[1]（2019）在《面向云数据中心的虚拟机部署与迁移优化机制》一文中研究指出传统虚拟机部署侧重降低主机能耗,忽略了全局能效。针对这一问题,提出一种自适应多重阈值的虚拟机部署与迁移优化算法。基于主机CPU利用率的历史数据集,设计两种基于K-均值聚簇的自适应多重阈值决策方法,依据多重阈值对主机进行分类;为对重载主机进行虚拟机迁移,设计3种虚拟机迁移选择方法,以能效最高的方式对迁移虚拟机进行重新部署。通过实际负载数据对算法进行仿真测试,测试结果表明,该算法可以有效降低能耗,SLA违例也较低,具有更高的能效。(本文来源于《计算机工程与设计》期刊2019年08期）
王瑞宗[2]（2019）在《浅析云计算虚拟机部署方案》一文中研究指出引言:随着移动互联网的飞速发展,云计算技术逐渐被应用到各个领域,并通过虚拟机的部署实现硬件资源与数据信息的共享。虚拟机部署方案对云计算实现资源按需分配具有重要意义,结合不同的虚拟机算法能提出不同的部署方案。通过虚拟机处理器以及内存资源的最大化实现资源的合理分配,从而提高虚拟机在大数据时代的服务水平。本文通(本文来源于《电子世界》期刊2019年15期）
李俊雅,牛思先,程星[3]（2019）在《一种基于K均值聚簇的虚拟机分类与部署方法》一文中研究指出云数据中心环境下,虚拟机部署结果对主机能耗与服务等级协议SLA的遵守均具有重要影响。为了降低数据中心能耗与SLA违例,提出一种基于叁门限值的高能效虚拟机部署优化算法。基于历史数据集,设计一种中档四分位的K-均值聚簇方法以产生主机CPU利用率的叁个门限值;依据叁个门限值,将主机划分为低载主机、轻量负载主机、正常负载主机和重载主机四种类型;为了对重载主机实施虚拟机迁移,分别针对计算密集型任务和I/O密集型任务设计两种虚拟机迁移选择方法,实现虚拟机优化部署;通过现实负载流数据对算法进行仿真分析。结果表明,该算法不仅可以有效降低能耗,而且SLA违例也较低,相比单纯降低能耗而忽略性能的同类算法,具有更高的能效。(本文来源于《计算机应用与软件》期刊2019年08期）
龚婷婷,徐健锐[4]（2019）在《基于萤火虫算法的虚拟机部署能效优化策略》一文中研究指出综合考虑数据中心能耗、应用SLA违例及虚拟机迁移量的均衡优化,提出一种基于萤火虫算法的虚拟机部署优化策略。建立虚拟机部署优化的目标函数与约束条件,利用装箱思想对虚拟机部署进行抽象,设计基于萤火虫算法的虚拟机部署优化方法,通过萤火虫种群初始化、萤光素更新、萤火虫移动以及局部半径范围更新4个阶段的最优解搜索过程,实现虚拟机部署能效优化。实验结果表明,该算法可以通过虚拟机重部署实现数据中心能耗与性能的均衡优化。(本文来源于《计算机工程与设计》期刊2019年07期）
王以伍,陈跃辉[5]（2019）在《数据中心中能量与QoS保障的虚拟机部署》一文中研究指出针对已有虚拟机部署方法侧重于优化数据中心能耗,而忽略QoS保障的问题,提出一种基于能量与多维度QoS保障的虚拟机部署算法。建立虚拟机部署的QoS模型,设计一种通用QoS效用函数,实现不同形式QoS的标准量化。并在此基础上,将虚拟机部署问题形式化为满足全局QoS保障的同时能耗最小化问题。设计一种基于改进粒子群算法的虚拟机部署策略对优化问题进行求解。该策略通过相关参数和进化操作的重新定义,以及局部适应度优先的粒子位置更新机制,实现能耗与全局QoS保障的均衡优化。对算法进行了仿真实验分析,结果表明,该算法不仅在能耗与全局QoS保障性能上是优于同类算法的,并且在稳定性和可扩展性方面也具有较好的性能表现。(本文来源于《计算机应用与软件》期刊2019年05期）
裴多[6]（2018）在《基于蚁群算法的虚拟机双目标优化部署方法》一文中研究指出针对目前存在的单一目标资源调度优化方法不能满足云数据中心多维度多目标需求的问题,提出一种双目标资源综合调度优化方法。综合考虑需要优化的CPU和内存两种资源,建立功耗和资源利用率双目标虚拟机放置模型,基于蚁群算法实现以减少资源(CPU和内存)浪费和节省能耗为目标的虚拟机放置优化方法。实验结果表明,与单一目标的降序首次适应虚拟机放置算法进行对比,在实验条件相同的情况下,采用双目标虚拟机放置蚁群算法在节省能耗和提高资源利用率上有明显改善,该虚拟机放置方法有较好的可扩展性,可适应大规模云数据中心。(本文来源于《计算机工程与设计》期刊2018年11期）
许利军,王付强[7]（2018）在《能耗与性能均衡的云计算虚拟机部署优化算法》一文中研究指出研究云数据中心中基于合并与迁移技术的能耗优化问题。提出了一种能效虚拟机部署策略,该策略能够降低数据中心中活动服务器的数量;为了同步优化数据中心的能耗、服务等级协议(Service Level Agrement,SLA)违例及虚拟机迁移量,提出了一种基于双门限值的虚拟机迁移选择算法,实现了多目标的均衡优化。仿真实验结果表明,新算法不仅可以降低数据中心能耗,而且可以同步降低SLA违背和虚拟机迁移量,实现多目标均衡优化。(本文来源于《实验室研究与探索》期刊2018年09期）
袁爱平[8]（2018）在《云计算环境下虚拟机部署策略研究》一文中研究指出为了提高云计算环境下的资源利用率,提出了充分考虑资源负载均衡的虚拟机部署算法。该算法在分组遗传算法的基础上,综合分析虚拟机资源提供过程中资源容量的限制以及负载均衡的需求,从空间利用率、重量和负载变化叁个方面来定义评价函数,并通过加权方法定义适应度函数。为了实现快速有效地获取近似最优解,对交叉和变异等进行了优化。在Cloud Sim环境下进行了仿真,实验结果表明该算法有助于云服务资源池中虚拟机资源的均衡利用。(本文来源于《计算机与数字工程》期刊2018年08期）
王伟[9]（2018）在《一种低能耗的云计算虚拟机部署方案》一文中研究指出为了减少大规模数据中心的能耗,设计了一种虚拟机部署算法—叁阈值节能算法(VMD_TES)。该算法通过处理器资源利用率和能耗的线性关系,把负载过重与负载过轻主机上的虚拟机转移至负载适度的主机上,负载正常主机上的虚拟机不进行转移。在VMD_TES的基础上,进一步设计了4种虚拟机的选择策略,并利用实验对比选择其中最低潜在增长策略作为最佳策略。仿真结果表明,相较于单阈值算法与双阈值算法,该种虚拟机选择策略可以大幅度减少数据中心的能耗,使服务质量保持在较高水平。(本文来源于《控制工程》期刊2018年07期）
黄启成,陈羽中,江伟,刘耿耿[10]（2018）在《一种面向云环境虚拟机部署的粒子群优化策略》一文中研究指出随着数据中心规模的扩大,提升资源利用率的问题日益凸显.如何合理部署虚拟机到数据中心的物理机上是提升数据中心资源利用率的关键问题之一.首先提出相应的资源利用率和响应时间模型,并提出一种结合变异算子的多目标粒子群优化算法(Multi-Objective Particle Swarm Optimization with Mutation Operator,MOPSOM)用于解决虚拟机部署问题.该算法以提高资源利用率和减少响应时间为优化目标,采用线性递减惯性权重寻找最优的虚拟机分配方案.仿真实验结果表明,MOPSOM能够在减小响应时间下提高资源利用率,同时在负载均衡度和能耗之间达到了更好的平衡.(本文来源于《小型微型计算机系统》期刊2018年07期）
虚拟机部署论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
引言:随着移动互联网的飞速发展,云计算技术逐渐被应用到各个领域,并通过虚拟机的部署实现硬件资源与数据信息的共享。虚拟机部署方案对云计算实现资源按需分配具有重要意义,结合不同的虚拟机算法能提出不同的部署方案。通过虚拟机处理器以及内存资源的最大化实现资源的合理分配,从而提高虚拟机在大数据时代的服务水平。本文通
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
虚拟机部署论文参考文献
[1].张磊,王莉.面向云数据中心的虚拟机部署与迁移优化机制[J].计算机工程与设计.2019
[2].王瑞宗.浅析云计算虚拟机部署方案[J].电子世界.2019
[3].李俊雅,牛思先,程星.一种基于K均值聚簇的虚拟机分类与部署方法[J].计算机应用与软件.2019
[4].龚婷婷,徐健锐.基于萤火虫算法的虚拟机部署能效优化策略[J].计算机工程与设计.2019
[5].王以伍,陈跃辉.数据中心中能量与QoS保障的虚拟机部署[J].计算机应用与软件.2019
[6].裴多.基于蚁群算法的虚拟机双目标优化部署方法[J].计算机工程与设计.2018
[7].许利军,王付强.能耗与性能均衡的云计算虚拟机部署优化算法[J].实验室研究与探索.2018
[8].袁爱平.云计算环境下虚拟机部署策略研究[J].计算机与数字工程.2018
[9].王伟.一种低能耗的云计算虚拟机部署方案[J].控制工程.2018
[10].黄启成,陈羽中,江伟,刘耿耿.一种面向云环境虚拟机部署的粒子群优化策略[J].小型微型计算机系统.2018