云计算环境下基于协作的动态资源分配与调度算法研究

Based on the existing service model in the cloud computing environment, this project introduces the cooperation among multiple cloud providers and studies the cooperation-based dynamic resource allocation and scheduling problems. The objective is to effectively increase the system profit and resource utilization with the quality of service guarantee. This project explores how to exploit the cooperation to achieve the resource sharing and expanding in the context of dynamic workload. The emphasis is to study the global resource scheduling between geographic distributed data centers and the pricing of shared resource, etc. First, the dynamic coalition game thoery is exploited to analyze the cooperation schemes. Second,the project studies the centralized algorithm for resource pricing ang allocation based on the double auction mechanism.Finally, the project studies distributed resource allocation and scheduling algorithm based on multi-objective optimization. This project will illustrate the cooperation mechanism among multiple cloud providers in the cloud computing, and establish the adaptive framework for global resource management, and propose the corresponding dynamic resource allocation and scheduling algorithms. The research results are meaningful to the elastic and dynamic cloud computing, and can provide scientific basis for the cloud federation system which is characterized by cooperation among multiple cloud providers.

本项目以云计算环境下的资源管理为应用背景，在现有的云计算服务模型的基础上，结合多个云服务提供者之间的协作，研究云计算环境下基于多云协作的动态资源分配与调度问题，在保证用户服务质量的前提下，有效提高系统收益及资源的利用率。本项目探索在动态工作负载的情况下如何利用协作以实现云计算环境下资源共享与扩展的方法，着重研究地域分布的云数据中心之间虚拟机的全局调度以及共享资源的定价等关键问题。首先采用动态联盟博弈理论分析云服务提供者的协作策略，然后基于双向拍卖机制解决集中式资源定价和分配问题，最后提出多目标优化的分布式资源分配与调度算法。本项目预期将揭示云计算环境下云服务提供者之间的协作策略，建立全局资源管理的自适应框架，提出相应的动态资源分配与调度算法。本项目的研究成果对于具备弹性扩展及动态资源分配特点的云计算有重要意义，可以为基于多个云服务提供者协作的云联邦系统的关键技术研究提供科学依据。

云联邦环境下, 多个云服务提供者通过协作以实现资源共享与扩展。本项目研究基于多云协作的云联邦环境下的资源管理算法。具体地，本项目主要研究云联邦环境下协作云服务提供者的选择策略、协作云服务提供者之间资源的定价策略以及云联邦环境下的虚拟机资源调度算法。针对以上三个研究问题，本项目分别考虑静态和动态场景。对于静态场景，本项目首选提出一种基于供给函数竞价的集中式的协作策略和资源分配算法，然后提出一种基于双向拍卖机制的分布式的协作策略和资源分配算法。对于动态场景，本项目提出一种基于李亚普诺夫优化的在线的资源调度算法以最大化长期平均社会效用。本项目的研究成果对于具备弹性扩展及动态资源分配特点的云计算有重要意义，可以为基于多个云服务提供者协作的云联邦系统的关键技术研究提供科学依据。