论文部分内容阅读
近年来,随着云计算技术的迅速发展,全球数据中心的数量持续增加。这些数据中心每年要消耗大量的电能,不仅会导致企业的运营成本增加,还会对环境造成负面影响。究其原因,是目前数据中心能源使用效率低,资源浪费严重。虚拟机的动态整合可以提升资源利用率、降低能耗,但是如果片面地强调节能,会导致资源预留紧张,不能确保云计算供应商遵守与用户签订的服务等级协议(Service Level Agreement,SLA)。所以在保证SLA的前提下,对虚拟机进行动态整合,降低数据中心能耗、提升数据中心的资源利用率,是本文研究的出发点。虚拟机整合包括虚拟机迁移和虚拟机重放置两个阶段,本文主要围绕这两个方面进行了如下研究:(1)提出了一种自适应多阈值的虚拟机迁移机制AMT。本文在考虑系统CPU利用率和用户SLA的基础上,为不同类型的主机设计了不同的迁移策略。首先,为过载主机设计了以CPU利用率和SLA违背率为复合阈值触发迁移,并根据负载的波动性对阈值进行动态调整来提升迁移触发的准确性。其次,提出了一种基于Q-learning的低载主机迁移机制,将低载主机进一步划分为轻微低负载主机和极度低负载主机。轻微低负载主机将用作目标主机,以提高资源利用率并减少迁移次数;而极度低负载主机将在迁移全部虚拟机后被关闭,以节约能耗。另外,本文提出一种新的虚拟机选择策略BM,每次选择最适合迁移的虚拟机,减少迁移次数并且使主机保持较高的CPU利用率。实验结果表明,本文提出的AMT算法可以在最小化SLA违背率和迁移次数的同时,优化数据中心的资源利用率,降低能耗。(2)提出了一种基于优先级的虚拟机重放置机制PBFD。现有的虚拟机重放置策略只考虑最小化活跃主机数量,没有考虑到主机功耗和处理能力之间的关系。解决虚拟机放置问题的常用算法是启发式的多目标优化算法,这类算法实质上是将多目标融合成单目标进行求解,很难做到真正的多目标优化。针对这些问题,首先为主机设置了SLA优先级,将轻微低负载主机设置为高优先级,普通主机设置为低优先级,在选择目标主机时优先在高SLA优先级主机集合中搜索,在此基础上,进一步考虑能效优先级,选择能效优先级最高的作为虚拟机放置的目标主机来节约能耗。实验结果表明,和其他虚拟机重放置算法相比,本文提出的PBFD算法在节能和保证服务质量方面取得了更好地效果,同时有效减少了迁移次数。本论文的实验是在云计算仿真软件CloudSim中模拟创建了一个数据中心,通过对Cloud Sim的相关接口进行扩展,实现了我们提出的虚拟机整合算法,并完成了与其他一系列虚拟机整合算法的对比实验。