[發明專利]云數據中心基于多資源的高能效虛擬機放置方法

有效

• 申請號: 201310687502.1
• 申請日: 2013-12-13
• 公開（公告）號: CN103677957B
• 公開（公告）日: 2016-10-19
• 發明（設計）人: 李鴻健;崔晟圓;唐紅;豆育升
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F9/455
• 分類號: G06F9/455;G06N3/00
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅

技術領域

本發明涉及云計算領域，具體是一種基于在云數據中心結合粒子群算法以節能為目標的虛擬機放置方法。

背景技術

高能耗是云數據中心資源管理面臨的一大挑戰，隨著數據中心規模的不斷擴大，高能耗問題更加突出。例如，Google數據中心產生的能耗相當于一個小型城市的總能耗。數據中心的高能耗不僅造成電能的浪費，系統運行的不穩定，同時對環境也造成不良的影響。造成云數據中心高能耗的主要原因有兩個方面：一方面是隨著用戶數量的增加，數據中心基礎設施建設大幅度增加，另一方面是系統資源分配不合理。研究高效的系統資源分配方法，可減少云數據中心的系統能耗，并使資源利用朝可持續方向發展。

研究虛擬機的放置方法，定義虛擬機和物理結點之間的映射關系對云數據中心中資源的合理分配具有至關重要的作用，同時對系統的能耗、性能和資源利用率也產生重要的影響。虛擬機放置問題可以描述為向量裝箱問題：裝入的物品是運行中的虛擬機，箱子為物理結點，虛擬機的資源需求和物理結點的資源數量分別表示物品和箱子的大小。虛擬機和物理結點的資源包括CPU、內存、帶寬、磁盤等，資源的種類即向量的維度。對于M個物理結點，N個虛擬機的云數據中心，將虛擬機部署到物理結點的解空間為M^N，屬于NP-hard問題。對此問題由于沒有多項式最優解算法，通常采用基于貪心算法的啟發式算法得到最優或次優解。

目前以節能為目標放置虛擬機時，使用的能效模型大多是基于CPU一種系統資源。一些文獻中指出服務器能耗與CPU利用率呈近似線性關系，當服務器處于空閑狀態時也會消耗其處于頂峰負載時70%左右的電力。Beloglazov等基于此能效模型提出了一種高能效的資源分配算法，通過虛擬機的放置和遷移有效地降低了系統能耗同時保證了任務的性能。劉志飄等基于此能效模型提出了一種基于離散粒子群方法的能量感知虛擬機放置智能優化方法。然而，在實際應用中云數據中心物理結點中的CPU、內存、帶寬、磁盤等資源的綜合使用情況對系統的能效有重要的影響。Srikantaiah等研究了系統資源對能耗、性能的影響，通過實際測量得出結論：對于非空閑的物理結點，當CPU利用率為70%且磁盤利用率為50%時，物理結點的能耗最低且能有效保證任務的性能。

云數據中心虛擬機的放置是一個裝箱問題，即尋找最優的虛擬機到物理結點的映射關系，使放置結果達到最優。裝箱問題屬于NP-hard問題，一般采用啟發式算法，而大多啟發式算法基于貪心算法，并采用一些簡單規則，如次優配合、最優配合和最佳配合等，目前的虛擬機放置算法，大多是基于傳統啟發式算法的改進算法。使用能效模型設計虛擬機放置算法時也多采用傳統啟發式算法的改進算法。Beloglazov等基于BFD（Best?Fit?Decrease）算法，提出了MBFD（Modified?Best?Fit?Decrease）算法進行虛擬機放置。MBFD算法首先將虛擬機按照CPU資源利用率進行降序排序，然后按照虛擬機請求順序將虛擬機放置在能耗增量最小的物理結點上。Srikantaiah等將BFH（Best?Fit?Heuristics）啟發式算法進行改進，使用MBFH（Modified?Best?Fit?Heuristics）算法進行虛擬機的放置，即將虛擬機放置在非空閑物理結點總歐式距離最小的物理結點上。基于貪心算法的傳統啟發式算法能優化虛擬機的放置，但是傳統啟發式算法通常采用單點搜索策略，容易陷入局部最優，并不能達到整體放置效果最優，仍需進一步優化。

發明內容

針對以上現有技術中的不足，本發明的目的在于提供一種有效降低云計算數據中心的虛擬機的放置的能耗，系統資源得到合理分配的云數據中心基于多資源的高能效虛擬機放置方法。本發明的技術方案如下：一種云數據中心基于多資源的高能效虛擬機放置方法，其包括以下步驟：

101、獲取云數據中心中多資源種類數量d，云數據中心物理節點的數量n及實際利用率并根據實際計算環境設定能效最佳利用率其中表示物理結點i上第j種資源的實際利用率，表示物理結點i上第j種資源的能效最佳利用率，建立多資源能效模型，如式（1）所示：