云计算环境下的多租户共享与动态资源调度理论与方法

Virtual Resource Scheduling Optimization is one of the most important problems in the Cloud Computing Management Platform. We study the resource sharing models on VM-level and Application-level, based on which the multi-granularity virtual resource allocation policies are constructed to improve the flexibility and practicality of the allocation solutions. We build models on both tenant behavior and application performance, based on which the effective and efficient dynamic workload prediction model is generated by applying statistical analysis and data mining methods. For cluster deployed applications which have multiple components, we establish a resource-consuming & SLA model based on the application description, and propose a component selection method to re-allocate and re-deploy the specific application components. We propose effective and efficient scheduling algorithms for the multi-tenant and dynamic resource allocation problem, with the constraints of SLA violation, and the optimization goals are the resource utilization and re-allocation cost. The study can have the widespread use in all kinds of cloud computing systems and the production management platforms which share the similar problems.

云计算环境下的虚拟计算资源调度优化是云计算平台管理的重要研究问题。本课题拟研究虚拟机级别和应用级别的资源共享模型，构造合适的虚拟资源混合粒度分配规则，提高分配方案的灵活性和实用性；构建租户行为模型和应用特征模型并在此基础之上利用数据挖掘和统计分析方法构建高效准确的动态负载预测模型；针对多层结构集群部署应用，根据其描述信息，对应用各模块建立资源消耗-SLA模型，提出模块选择算法，对特定应用子模块进行资源重分配、重部署；以SLA违约率为约束，以资源使用率-资源分配代价为优化目标，建立多租户动态资源调度问题模型，提出高效的调度算法。本研究可以推广应用到各类云计算平台和具有类似动态性较强且资源共享的实际生产管理平台中，具有重要的理论意义和实际应用价值。

云计算环境下的虚拟计算资源调度优化是云计算平台管理的重要研究问题。本课题研究虚拟机级别和应用级别的资源共享模型，构造合适的虚拟资源混合粒度分配规则，提高分配方案的灵活性和实用性；构建租户行为模型和应用特征模型并在此基础之上利用数据挖掘和统计分析方法构建高效准确的动态负载预测模型；针对多层结构集群部署应用，根据其描述信息，对应用各模块建立资源消耗-SLA模型，提出模块选择算法，对特定应用子模块进行资源重分配、重部署；以SLA违约率为约束，以资源使用率-资源分配代价为优化目标，建立多租户动态资源调度问题模型，提出高效的调度算法。本研究可以推广应用到各类云计算平台和具有类似动态性较强且资源共享的实际生产管理平台中，具有重要的理论意义和实际应用价值。该项目经过三年的研究，针对多租户调度理论和动态资源调度研究热点，提出了两个动态调度框架：基于确定处理时长与截止日期的动态调度框架和基于三角模糊数的非确定处理时长与截止日期的动态框架，与经典算法相比，所提出算法具有较好的性能和鲁棒性，更加适应实时系统；提出一种具有创新性的应用级别的分布式部署与虚拟机迁移方法；提出1个静态元启发式算法用于解决PaaS系统中应用自动部署与资源调度问题，该方法与经典的基于Johnson’s Rule算法进行比较，优化目标值可提高最高达30%；提出1个静态元启发式算法用于解决混合云平台上具有线性依赖关系与截止日期约束的任务调度问题，与传统调度算法相比优化目标值可平均提高5%；开发了数据中心模拟原型系统，集成了所提出的两个动态调度框架。项目严格按照进度计划执行，项目成果超额完成考核指标：在高水平国际期刊/会议上发表SCI/EI论文10篇；申请专利12篇，授权6篇；申请软件著作权2篇，授权1篇。