论文部分内容阅读
随着云计算技术的快速发展,越来越多的数据中心被投入运营,云数据中心的高能耗问题受到了广泛的关注。同时,随着绿色云计算的广泛兴起,低能耗的虚拟机部署与虚拟机整合算法具有更加重要的研究意义。本文针对云数据中心虚拟机的部署、以及数据中心运营过程中虚拟机的整合两个问题展开研究。分别提出一种考虑网络设备能耗的虚拟机部署算法,以及一种基于负载预测的虚拟机整合算法。主要工作如下:(1)针对虚拟机部署问题,传统算法大多没有考虑网络设备能耗,本文提出了一种可以兼顾数据中心网络交换机能耗与物理机能耗的粒子群优化算法(Modified Particle Swarm Optimization,MPSO)。MPSO算法不同于传统粒子群优化算法,采用二维编码,每一个粒子的位置代表一种虚拟机部署方案;同时,为了兼顾网络设备的能耗,MPSO算法采用能感知总体能耗的适应函数,使得筛选出的粒子最佳位置,具有更好的整体节能效果;此外,不同于传统粒子群算法的随机选择策略,MPSO算法采用一种新的基于局部适应度的位置更新策略更新粒子的局部位置。实验表明,相比于传统虚拟机部署算法,MPSO算法可以降低数据中心的能耗。(2)针对虚拟机整合问题,本文提出一种基于负载预测的虚拟机整合算法(Virtual Machine Consolidation based on Load Prediction,VMCLP)。与传统的虚拟机整合算法单纯基于物理机的当前负载判定物理机过载/低载状态,并迁移虚拟机不同,VMCLP算法采用马尔科夫链预测数据中心每一台物理机上的负载,并且基于当前物理机的负载值与预测值,判定当前物理机的负载状态,决定是否迁移物理机上的虚拟机。在迁移虚拟机的选择以及宿主物理机的选择方面,VMCLP算法分别设计了一种基于最小迁移开销的虚拟机选择策略,以及一种最佳适应虚拟机的虚拟机部署策略,实现数据中心资源的充分利用,降低能耗。实验结果表明,相比于传统算法,VMCLP算法能降低数据中心能耗,同时,具有更低的虚拟机迁移次数。