云计算环境下自动资源配置技术研究(2)

　　与上述设计一个自动配置管理系统的方法不同，强化学习（RL）在自主计算领域提供了巨大的潜

　　在优势。最近，RL已经成功地应用于自动应用系统的参数调优、最优服务器分配以及自动优化的内存控制器设计。由于动态资源需求以及频繁的虚拟机干扰，基于强化学习的云资源自动化管理系统也引入了独特的需求和挑战，比如需要保证用户预期的服务质量。因此，基于强化学习的虚拟机自动配置方法应该具有可扩展性和高适应性。Song X[6]等人研究出了一种分布式的强化学习系统，能够随负载和系统环境的变化自动配置每个虚拟机的CPU、内存、磁盘等资源，利用高效的强化学习算法，找到最优的配置策略，为128台虚拟机组成的集群动态调整虚拟资源，最终使系统负载维持在5%以下，保证了应用系统的响应时间和吞吐量。未来期望能够把虚拟机资源的自动配置和负载预测机制很好地结合起来，因为负载自适应能力不仅需要依靠当前的负载情况，还要能预测出未来一段时间工作负载的变化，以一种更准确、有前瞻性的方式，调整虚拟资源的大小。

　　3 结语

　　本文从虚拟资源的动态调整模型、虚拟机的优化配置两方面对云计算环境下资源的自动配置管理进行了阐述及分析，结合国内外研究现状，指出了当前技术中存在的一些问题，以及未来的研究方向。总之，云计算环境下的自动资源配置技术并不是独立存在的，和其它技术是相辅相成的。因此，未来的研究方向应该综合考虑不同配置技术的结合与协调。

　　参考文献：

　　[1] 王晶，方伟，陈静怡，等.云计算环境下的自适应资源管理技术综述[J].计算机工程与设计，2012，33（6）：2128-2132.

　　[2] NAKADA H，HIROFUCHI T.Eliminating datacenter idle power with dynamic and intelligent VM relocation[C].Berlin Heidelberg：Advances in Intelligent and Soft Computing，2010：645-648.

　　[3] RAQUEL LOPES，FRANCISCO BRASILEIRO， PAULO DITARSO MACIEL JR. Business-driven capacity planning of a cloud-based IT infrastructure for the execution of Web applications[C].Atlanta，Georgia： IEEE International Symposium on Parallel & Distributed Processing， Workshops and Phd Forum， 2010：1-8.

　　[4] 王伟兵. 一种基于云计算的动态可扩展应用模型[J].计算机工程与应用， 2011，47（15）：15-18.

　　[5] 王鹏.云计算的关键技术与应用实例[M].北京：人民邮电出版社，2010.

　　[6] SONG X， ZHANG Q， SEKIMOTO Y， et al. Modeling and probabilistic resoning of population evacuation during large-scale disaster[C].Proceedings of the 19th ACM SIGKDD international congferrence on knowledge discovery and data mining. ACM，2013：1231-1239.

　　论文榜（www.zglwb.com），是一个专门从事期刊推广、投稿辅导的网站。
本站提供如何投稿辅导，寻求投稿辅导代理，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。


期刊鉴别	论文检测	免费论文	特惠期刊	学术答疑	发表流程

搜索

云计算环境下自动资源配置技术研究(2)