云环境中的虚拟机部署问题作为云计算中资源分配和管理的重要组成部分,一直是学术界的研究重点。虚拟机部署是在满足虚拟机资源需求和约束限制的条件下,根据一定的方法和策略为虚拟机选择最合适的物理机,达到能有效的提升物理机资源利用率,减少虚拟机迁移次数的目的。近年来,随着云计算数据中心规模和数量的不断增长,现有的虚拟化技术在云计算应用中遇到了一些问题。其中,资源过度浪费是目前最迫切也是最棘手的问题之一。于是,找到一种能提高资源利用率且高效的虚拟机部署方式便成为云计算相关领域中需要研究的关键问题。在以往对虚拟机静态部署和动态部署方法研究的基础上,本文重点针对动态部署中虚拟机如何选择物理机进行放置的方法展开讨论与分析。本文将虚拟机动态部署问题视为一个多目标选择优化问题,并具体讨论与剖析了优化方向和评价规范。以提高物理资源利用率和最小化迁移次数为优化目标,从资源损耗和迁移次数角度考虑动态部署问题,设计了一个满足一定约束条件的选择放置策略(Multiplayer game theory virtual machine deployment,VMP_MGT)。多目标优化问题是在优化每个目标的同时确保每个目标得到均衡处理,而虚拟机动态部署问题的是多目标优化问题,需设置相应的数学目标模型。博弈论思想是追求每个参与者通过选择合适的策略来达到自身效益的最大化,多目标优化问题与博弈论的基本理论相符合。因此,本文基于博弈论思想设计的VMP_MGT算法是将多目标优化的虚拟机部署问题转为一个多人博弈问题,将需要迁移的虚拟机作为博弈中的参与者,原多目标数学模型中的空间解集映射为博弈论中的策略组合。VMP_MGT算法可以平衡每个优化目标之间的效益,实现每个目标的最优解。在尽量降低物理节点资源损耗和减少虚拟机迁移次数上具有一定的成效。最后,本文使用CloudSim云仿真工具进行仿真实验,并与经典的放置算法包括CloudSim中的VmAllocationSimple算法(VAS)、随机放置算法(Random)和首次适应算法(First fit,FF)进行了比较。将物理机资源利用率和总体迁移次数作为评价指标,将相同数量和资源需求的虚拟机根据不同的部署策略进行比较。实验结果表明,在实现指定目标优化上,VMP_MGT算法能获得比其他经典算法更低的资源损耗,虚拟机迁移次数和更少的物理机资源数量。