负载均衡作为云计算的关键技术之一,能够把负载动态均衡地分配到云系统中所有节点。高效的负载均衡算法在提高用户满意度、提高资源利用率、缩短响应时间和避免虚拟机的频繁迁移上起到了至关重要的作用。本文基于对云计算现有的负载均衡方法(包括基于任务调度和资源调度的负载均衡方法)进行了详细深入的研究,总结各种方法的优缺点并与本文提出的方法进行对比分析。本文研究的主要目的是在主机之间迁移虚拟机来提高系统负载均衡度(包括两方面:CPU和disk IO)同时尽可能降低迁移代价。因此,目标是寻找主机和虚拟机之间尽可能好的映射方案。较好的映射方案包括两部分:较低的迁移代价和较小的系统负载标准差。这两部分共同组成调度的成本因子。由于局部调度和无效迁移问题,首次适应和轮转算法及NABM算法的负载均衡效果不佳。本文提出的虚拟机均衡调度算法选取最终映射方案解空间S中的最优解,做到了从全局角度考虑负载均衡问题;该算法得到最优迁移方案后才进行实质性迁移,降低了迁移代价;该算法使用MTALB算法将多类型任务均匀地分配给虚拟机,系统的负载均衡效果更佳。本文的主要研究工作包括以下几方面内容:(1)研究基于遗传算法的虚拟机调度模型。本文提出了虚拟机的亲和力概念,定义了亲和力指数的计算方法。遗传算法使用生成树作为种群编码方案。驱动性交叉使得整个生成树的亲和力指数尽可能地增大;个体变异使得主机的DH值趋于收敛;最后分组选择将适应度最高的个体遗传到下一代,从而确保每一代种群中个体的适应度不断提高。(2)研究多类型任务分配负载均衡算法(MTALB)。不同类型的任务被均匀分配到虚拟机,使得虚拟机之间的CPU利用率和disk IO利用率相近。任务的响应时间进一步缩短,主机的不同类型资源得到充分利用,主机之间的负载均衡程度进一步提升,从而提高任务处理效率并减少虚拟机迁移数量。(3)研究虚拟机均衡调度算法。对于初始映射方案S,首先执行MTALB算法将任务均匀地分配给虚拟机;接着,我们计算VC(J,T)和Vd(J,T)的值并使用遗传算法得到最后一代解空间S;并在其中找出最小成本因子的映射方案S’。最后,我们对比S和尽可能好的映射方案S’,并根据网络拥塞状况,使用合适的迁移模式将虚拟机迁移至对应主机。最终完成主机的负载均衡。实验证明,就系统负载均衡和迁移代价的各项具体指标而言,本文提出的虚拟机均衡调度算法相对于首次适应和轮转算法及NABM算法具有全面优势,且各项性能均有显著提升。