摘 要

随着云计算的普遍使用，我们需要对云环境下的资源的调配与服务的调度进行性能评测、优化等。但是，实际的云平台的构建所需费用高、效率低，且开放的测试平台不易得到，规模较小，测试环境难以控制，结果难以再现，而我们所须要的是可重复的、可控制的、物美价廉的仿真环境。于是，为了对云平台的建设与测试过程进行简化，澳大利亚墨尔本大学云计算与分布式系统实验室开发了cloudsim。为了进一步优化cloudsim平台下虚拟机分配策略，降低能耗，本次毕业设计结合best fit decreasing 算法，研究了cloudsim平台下的虚拟机分配策略。

本论文简单介绍了eclipse以及如何将cloudsim安装，配置到eclipse中，并在对cloudsim仿真平台的源码进行学习和研究的基础上，总结了其各个类的作用，学会如何对其源码进行自己所需的修改。着重研究了其自带的虚拟机分配策略，知道了它的原理以及不足，然后结合了best fit decreasing，worst fit等几种算法对其进行优化，这几种不同的算法在不同的程度上减少了能耗。实验结果表明，best fit decreasing是这几种算法中优化水平最高的算法。

关键词：CloudSim；Eclipse；Best Fit Decreasing算法；虚拟机分配策略

Abstract

With the extensive use of cloud computing, we need to cloud environment resource allocation and service scheduling performance evaluation, optimization and so on. However, the actual cloud platform to build the actual high cost, low efficiency, and open test platform is not easy to apply, smaller, difficult to control the environment, the results difficult to reproduce, and we need is repeatable, controllable, low cost Simulation environment. Thus, to simplify the cloud platform construction and testing process, the University of Melbourne, Australia cloud computing and distributed systems laboratory developed cloudsim. In order to further optimize the virtual machine allocation strategy under cloudsim platform and reduce the energy consumption, this graduation design combined with the best fit decreasing algorithm to study the virtual machine allocation strategy under cloudsim platform.

      This paper describes how to install and configure cloudsim into eclipse, and on the basis of learning and researching the source of cloudsim simulation platform, summarizes the role of each class, and how to make the necessary changes to its source code. It focuses on the study of its own virtual machine allocation strategy, knows its principle and shortcomings, and then combines the best fit decreasing, first fit and other algorithms to optimize them, these different algorithms to varying degrees The energy consumption. Experimental results show that best fit decreasing is the algorithm with the greatest degree of optimization in these algorithms.

Key Words：CloudSim；Eclipse；Best Fit Decreasing Algorithm；Virtual Machine Allocation Strategy

目录

第1章 绪论 1

1.1 课题研究的背景与意义 1

1.2 云计算仿真平台相关研究现状 2

1.3 论文的研究内容 2

1.4 论文的组织结构 3

第2章 相关技术背景 4

2.1 eclipse简介 4

2.2 将cloudsim配置到eclipse中 4

2.3 cloudsim部分源码介绍 5

2.3.1 Host和Vm类 5

2.3.2 PowerHost类 5

2.3.3 HostList类 5

2.3.4 Constants类 5

2.3.5 RandomConstants类 6

2.3.6 Helper类 6

2.3.7 PowerDatacenterNonPowerAware类 6

2.3.8 NonPowerAware类 7

2.3.9 各个类之间的关系 7

2.4 cloudsim主机的能耗模型介绍 8

2.5 cloudsim中源码的架构介绍 8

2.6 cloudsim中的虚拟机分配模型介绍 10

第3章 BFD算法等算法的实现过程 12

3.1 问题描述 12

3.2 first fit算法 12

3.3 best fit算法 12

3.4 worst fit算法 12

3.5 三种算法的缺陷 12

3.6 first fit decreasing算法 13

3.7 best fit decreasing算法 13

3.8 worst fit decreasing算法 13

3.9 best fit decreasing算法的优点 13

3.10 best fit decreasing算法的实现 13

第4章 结果分析 14

4.1测试环境 14

4.2使用best fit算法，first fit算法及worst fit算法结果对比 14

4.3使用best fit decreasing，first fit decreasing，worst fit decreasing算法结果对比 15

4.4使用 getMaxPower（）后的结果对比 16

第5章 总结与展望 17

5.1 全文总结 17

5.2 对未来的展望 17

参考文献 19

致谢 20

第1章 绪论

1.1 课题研究的背景与意义

云计算是最近几年的新鲜技术，其中在基于应用的支付模型下将IT基础设施和应用作为“服务”提供给最终用户。即使在基于随时间变化的需求（工作负载模式和QoS）的情况下，它也可以利用虚拟化服务。在云计算形式下托管的应用程序服务具有复杂的配置，组合，配置和部署要求。在不同的系统和用户配置和要求下以可重复的方式评估云配置策略，应用程序工作负载模型和资源性能模型的性能很难实现。为了克服这个挑战，我们使用cloudsim：一个新的，广义的和可扩展的模拟框架，允许无缝进行对新兴云计算基础架构和应用服务的建模，仿真和实验。通过使用cloudsim，研究人员和基于云服务行业的开发人员可以测试新开发的应用程序在控制和环境中的性能。通过对cloudsim的评估结果，他们可以进一步提高服务性能。应用cloudsim开展初始性能检测的主要优点有：（1）时间高效性：实现基于云的应用程序供应测试环境需要非常少的工作和时间，以及（2）适用性和灵活性：开发人员可以建模并测试其在异构云环境中的应用服务性能，具有很少的编程和部署工作。

cloudsim提供以下新型的强大功用：（1）支持在单一的物理计算节点上对大型的云计算环境（包括数据中心）进行建模和模拟; （2）用于建模云，服务代理，供应和分配策略的自包含平台; （3）支持仿真元素在仿真平台间进行网络连接; 和（4）用来模拟联合云环境的设备，来自公共领域和私有领域的网络间的资源，这对于与自动应用程序缩放和云计算相关的研究十分重要。 cloudsim的一些独特功能是：（1）虚拟化的引擎的适用性，有助于在数据中心节点上创建和管理多个独立的共同托管的虚拟化服务，以及（2）时空间共享的处理内核分配给虚拟化服务。 cloudsim的这些强大且新颖的功能将加速和云计算相关的配置新色应用的算法的开发。