面向云测试服务的资源分配策略研究

《面向云测试服务的资源分配策略研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP311.5密级公开UDC004.41学位论文编号D-10617-308-(2016)-12001重庆邮电大学硕士学位论文中文题目面向云测试服务的资源分配策略研究英文题目TheResearchofResourceAllocationStrategiesOrientedCloudTestingService学号S131201001姓名陈潇潇学位类别工学硕士学科专业软件工程指导教师韦庆杰正高级工程师完成日期2016年6月1日重庆邮电大学硕士学位论文摘要摘要在云计算环境下软件测试面临许多新的挑战。本文通过对云测试服务研究现状的

2、调查，发现利用云测试服务进行测试时，需要可靠的资源分配策略作为保障。目前，对于云资源分配策略的研究具备一定的理论研究和实际操作，但缺乏一个同时站在云测试用户和云服务提供商需求角度考虑的整体资源分配架构。本研究在参考云服务模型的基础上，设计了一个云测试服务模型。模型中包含两个组件：一是为云测试用户提供面向资源可用性分配策略的资源分配器1；另一个是在满足用户的可用性需求基础上，为云服务提供商提供面向资源有效性分配策略的资源分配器2。然后使用预测分配的方法对资源分配策略进行研究，并对两个组件实现的算法展开阐述。资源分配器1采用BP神经

3、网络对云测试虚拟机的CPU利用率、可用内存大小进行预测，从而为虚拟机资源的分配提供一种策略。在预测过程中，为提高资源预测精度，引入改进的智能算法即粒子群算法对BP神经网络的初始阈值和权值进行优化，最后采用对比实验证明了改进算法的有效性。在资源分配器1分配的多台云测试虚拟机已满足资源可用性的基础上，资源分配器2采用遗传算法，以最小化云服务器内存为目标，实现云测试虚拟机到云服务器的安置，从而为虚拟机资源的分配提供另一种策略。在分配过程中，传统的遗传算法易求得不可行解，引入单点交叉修复、旋转变异以及外部罚函数理论对遗传算法进行改进。最

4、后采用实验证明了改进算法寻优能力的可行性。关键词：云测试服务，资源分配，BP神经网络，粒子群算法，遗传算法I重庆邮电大学硕士学位论文AbstractAbstractSoftwaretestingisfacingmanynewchallengesinacloudcomputingenvironment.Thethesisfoundthatitneededreliableresourceallocationstrategiesasaguaranteeincloudtestingserviceafterdoingsomecloudte

5、stingservicesurveys.Currently,thestudyofcloudresourceallocationstrategiesiswithsometheoreticalresearchesandpracticaloperations,butitislackoftheoveralldistributionarchitecturewhichstandsfortheviewoftestusersandcloudserviceprovidersdemands.Basedonthereferentialcloudser

6、vicemodels,theresearchdesignedacloudtestingservicemodel.Themodelwasdividedintotwoparts.Theresourcedispenser1providedresourceavailabilityallocationstrategyforusers.Theresourcedispenser2providedresourceefficiencyallocationstrategyforcloudserviceprovidersonconditionthat

7、testingvirtualmachinesmettheavailabilityofresourceallocation.Thenthethesisusedapredictiveallocationmethodforresourceallocationstrategiesandimplementedalgorithmsforthetwocomponents.Theresourcedispenser1predictedtheutilizationrateofCPUandavailablesizeofmemorybyBPneural

8、network,soastoprovideastrategytoallocatevirtualmachineresources.Inpredictionprocess,inordertoimprovetheaccuracyofforecastingresourc