[發明專利]基于混合群智能的虛擬機節能整合方法、系統和存儲介質

在審

• 申請號: 202110463857.7
• 申請日: 2021-04-26
• 公開（公告）號: CN113075995A
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 林偉偉;李俊祺;上官棟棟;常佳;王江濤
• 申請（專利權）人: 華南理工大學;華為技術有限公司
• 主分類號: G06F1/329
• 分類號: G06F1/329;G06F9/455;G06F9/50;G06N3/00
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.基于混合群智能的虛擬機節能整合方法，其特征在于，包括下述步驟：

資源監視器收集數據中心服務器的資源使用信息、虛擬機的資源請求信息及服務器與虛擬機之間的映射關系，所述資源使用信息和資源請求信息用于提供服務器和虛擬機的實時狀態信息，并幫助決策；

根據服務器峰值效能比下的CPU利用率檢測出超載服務器；

根據遷移價值比從超載服務器中選出待遷移虛擬機遷出；

利用混合差分進化粒子群優化算法放置選出的待遷移虛擬機；

根據服務器的負載均值檢選出欠載服務器進行關斷，并利用混合差分進化粒子群優化算法重新放置欠載服務器中的虛擬機。

2.根據權利要求1所述基于混合群智能的虛擬機節能整合方法，其特征在于，所述根據服務器峰值效能比下的CPU利用率檢測出超載服務器的步驟中，

采用的是一種基于服務器峰值效能比的超載服務器檢測策略，該檢測策略將不同型號服務器峰值效能比peak_peff下的CPU利用率作為服務器的超載閾值UP_THR，并根據閾值選出超載的服務器，峰值效能比通過式(1)的形式來衡量：

其中，Performance(u)，power(u)分別表示CPU利用率為u時服務器的性能表現和實時功耗，性能表現為“每秒處理指令數”CPU利用率相關的指標。

3.根據權利要1所述基于混合群智能的虛擬機節能整合方法，其特征在于，所述根據遷移價值比從超載服務器中選出待遷移虛擬機遷出的步驟中，

采用一種基于遷移價值比的虛擬機選擇策略，該選擇策略能夠結合服務器的CPU、內存、帶寬來評價每一臺虛擬機的遷移價值比Migra_Ratio，選出內存占用小，CPU資源請求量接近服務器CPU資源超載量的虛擬機進行遷出，直至服務器的CPU資源超載量降至零，遷移價值比通過式(2)獲得：

其中，為服務器的CPU資源超載量，和分別為虛擬機k的CPU資源和內存資源的請求量，為服務器i的可用帶寬。

4.根據權利要1所述基于混合群智能的虛擬機節能整合方法，其特征在于，所述利用混合差分進化粒子群優化算法放置選出的待遷移虛擬機的步驟具體為：

通過啟發式算法生成初始群體，每種個體代表一種虛擬機放置方案；

計算個體的適應度函數值；

根據個體的適應度函數值對個體進行排序，并將群體S劃分為S*P％的較優群體S_g和S*(1-P％)的較差群體S_b兩部分；

利用差分進化算法對群體S進行優化，通過交叉、變異操作，對S中的個體進行大幅度擾動，并利用輪盤賭的方法選出S*(1-P％)的個體作為新群體的一部分S_b′；

利用粒子群優化算法對較優的群體S_g進行優化，利用群體最優解和個體最優解引導個體的局部尋優，得到新群體的剩余部分S_g′，與S_b′共同構成新群體S′；

更新個體最優解和群體最優解，若算法未達到迭代次數上限，則轉入計算個體的適應度函數值的步驟，否則輸出全局最優解。

5.根據權利要4所述基于混合群智能的虛擬機節能整合方法，其特征在于，所述混合差分進化粒子群優化算法給出了一種基于加權歐氏距離的適應度函數用于評價個體的優劣程度，如式(3)所示：

其中，分別為服務器的實時CPU利用率和峰值效能比下的CPU利用率，P_i，P_{tar_max}分別為服務器的實時功率和功率峰值，w₁，w₂為權重，D為集群的服務器數量。

6.根據權利要5所述基于混合群智能的虛擬機節能整合方法，其特征在于，所述的混合差分進化粒子群優化算法使用了不同的貪心啟發式算法生成初始群體和處理群智能算法流程中發生放置沖突的虛擬機。