云环境下基于自律计算模型的资源管理评估方法研究

The system complexity of cloud computing makes the resource usage rate is very low, and neither service quality nor system availability can be assured. It is an effective method to use autonomic computing techniques to build an autonomic resource management framework for cloud system. This research regards how to model the autonomic computing in cloud computing as object, carries out the study of system modeling, resource scheduling algorithm, self management evaluation method, which includes the following aspects: analyzing the problem of current system model and resource scheduling algorithm then proposing new method to solve it; Studying the dynamic policies of resources and proposing new method which combines the policies and virtualization techniques; building multiple level of autonomic computing manager and proposing new method to evaluation self management. This research is aiming to solve the complex problem of system management, to provide theory foundation for building self recovering and self management system in cloud environment.

云环境下资源管理的复杂性导致资源利用率低、服务质量和可用性无法保障。利用自律计算技术为云系统建立自动化的资源管理框架是解决复杂性问题的一个有效方法。 本研究以云环境下的自律系统模型和资源管理评估方法作为研究对象，从系统模型构成，资源调度算法，自我管理评估方法等方面进行基础研究，具体内容包括：分析现有的自律模型和调度算法在云环境下存在的问题和缺陷，提出有效的解决方法；研究资源调整的动态策略，提出策略和虚拟化技术结合的资源配置方法；研究多自主管理器的分级管理模型，并提出新的管理评估方法。本研究旨在解决云环境下系统管理的复杂性问题，为建立自我修复和自我管理的分布式系统提供理论和技术基础。

云环境下，随着数据量的不断增长，分布式计算资源管理的复杂性也日益增长，集群中资源的负载不均衡、故障不能及时发现和解决，导致云系统的服务质量和可用性无法保障。利用自律计算技术为云系统建立自动化的资源管理框架是解决复杂性问题的一个有效方法。本研究以云环境下的自律系统模型和资源管理以及评估方法作为研究对象，从系统模型构成，资源调度算法，系统管理评估方法等方面进行基础研究，具体内容包括：分析现有的自律模型和调度算法在云环境下存在的问题和缺陷，提出有效的解决方法；研究资源调整的动态策略，提出策略和虚拟化技术结合的资源配置方法；研究多自主管理器的分级管理模型，并提出新的管理评估方法。. 针对上述研究内容，经过三年的研究，我们提出了面向云资源调度的热点迁移算法，用于解决云环境下服务器热点的迁移问题；提出了一种分级管理的自律计算模型，用于解决云系统的资源管理的复杂度问题；针对云环境的分布式数据管理较为复杂、查询效率低的问题，我们提出了面向海量分布式数据库的嵌套查询策略，能有效改善分布式数据的查询效率；我们在国际会议和国内核心期刊共发表了5篇论文；申请了5项专利，授权1项，公开4项；获得了1项软件著作权；获得国家教育部科技进步奖一等奖一项，陕西高校科技进步一等奖一项。这些研究成果为建立自我修复和自我管理的分布式系统提供理论和技术基础。