论文部分内容阅读
云计算为大数拟据时代的发展增添了新的动力,它使用虚拟化技术将云数据中心的计算资源、网络资源以及存储资源抽象为共享资源池,并通过互联网与全球用户分享。为了满足用户对不同资源的需求,云数据中心运行着大量的物理主机,但这会产生巨大的能量消耗。目前,云数据中心节能的主要方式是虚拟机整合,它可以提高云数据中心的资源利用率和能源效率。但是,过于积极的虚拟机整合方法可能导致物理主机过载和大规模的虚拟机迁移,这些现象导致云计算的服务质量(QoS)下降。因此,如何在少量的虚拟机迁移下通过虚拟机整合来提高云数据中心的能源效率、资源利用率和QoS成为了一项重大挑战。为了解决这个问题,本文分析了虚拟机整合过程中的过载物理主机检测阶段、虚拟机选择阶段和虚拟机放置阶段,并分别提出了相对应的算法:(1)针对云数据中心过载物理主机检测的问题,提出了一种基于差分整合移动平均自回归模型(ARIMA)模型的过载主机检测算法(AROD)。它充分考虑了云计算工作负载之间的强相关性,并使用ARIMA模型来估计物理主机未来过载的可能性,从而在过载之前迁移物理主机上的多余虚拟机,以避免过载现象发生。(2)针对现有虚拟机选择算法中虚拟机迁移效率低和迁移过多的问题,提出了一种提升相对迁移收益的虚拟机选择算法(ERMB)。首先,分析了虚拟机迁移对云数据中心整体计算资源损失的影响,并提出了虚拟机迁移的相对迁移收益模型。然后,采用该模型对无效虚拟机迁移和有效虚拟机迁移进行分类,并评估每个虚拟机迁移的有效性。最后,ERMB算法优先考虑具有更高相对迁移收益的有效虚拟机迁移,同时避免无效虚拟机迁移的发生。实验结果表明,ERMB算法提升了每次虚拟机迁移的有效性,从而在少量的虚拟机迁移下,提升云数据中心的能效和QoS。(3)针对虚拟机放置后物理主机容易发生二次过载的问题,本文提出了一种计算资源约束的虚拟机放置算法(CRRC)。首先,基于物理主机的历史资源使用情况,提出一种自适应计算资源约束。然后,根据物理主机的计算资源约束和资源利用率,建立可接收虚拟机的候选物理主机列表,并改进BFD算法。最后,通过改进的BFD算法将待迁移虚拟机放置到候选物理主机中。实验结果表明,CRRC算法可以有效避免物理主机二次过载,并提高云数据中心的QoS和能效。最后,将AROD算法、ERMB算法、CRRC算法组合成一种提高能效和QoS的动态虚拟机整合算法(EQVC),并与现有的虚拟机整合算法在两个不同的真实云数据中心工作负载数据集下,进行了 7个评价指标的比较。实验结果表明,EQVC算法在少量的虚拟机迁移下,使云数据中心能够在低能耗的状态下保证高水平的QoS。