一种云数据中心中能量高效的虚拟机迁移方法技术

本发明专利技术公开了云数据中心中一种能量高效的虚拟机迁移方法。本方法由物理机过载监测，虚拟机选择，物理机轻载监测和虚拟机迁移四个部分协同工作完成。该方法首先收集物理机资源的使用状况并利用预测技术判断出物理机是否过载；对于过载的物理机，从中选出需要迁移出去的虚拟机以减轻物理机负载，提高数据中心的服务质量；在迁移完成后，本方法将从数据中心选出轻载状态的物理机并在其虚拟机全部迁移出去之后，关闭该物理机达到节能目的。本方法能够在实现数据中心节能目的的同时提高服务质量，适用于异构的云数据中心。

【技术实现步骤摘要】

本专利技术属于互联网
，尤其涉及云数据中心中一种能量高效的虚拟机迀移 方法。
技术介绍
云计算是从集群、网格和效用计算发展而来，它是当前数据中心动态地提供计算 资源的一种新范式。伴随着使用付费模型的应用，大量的计算资源和存储资源放置在云端， 用户可以方便地根据自己的需求从云端获取和使用这些资源并为之付费。这样就使得用户 可以专注于应用程序的开发，将他们从配置服务器硬件和管理系统软件等低级任务中解放 出来，极大地提高了工作效率，降低了用户的开发成本。 随着云用户数量的不断增长，大量的云数据中心开始涌现，由此而带来的云数据 中心能耗问题正引起人们的密切关注。目前，平均一个云数据中心消耗的电能就相当于 25000户家庭一年的用电量。据估计，到2020年，云数据中心消耗的电能将会占到全球电能 消耗的2%。数据中心的高能耗不仅会导致用户使用成本的增加，更重要的是还会引发全球 变暖的环境问题。因此，如何实现云数据中心服务性能的逐步提升的同时减少数据中心的 能耗成为学术界研究的热点问题。虚拟化技术由于其能够在同一个硬件主机上多路复用虚 拟机以实现硬件资源共享的特征，正被应用于数据中心节能问题的研究。通过对数据中心 物理主机上各类资源的虚拟化，在物理主机上运行多个共享物理机资源的虚拟机来负责处 理不同用户提交的任务，这样既增强了物理机的功能又隔离了各个任务之间的联系。因而， 如果将一些物理机上的虚拟机转移到另外一些物理机上，不仅可以提高物理机的资源利用 率，还可以关闭处于空转状态的主机以节省能耗。随着虚拟机迀移技术的不断发展，虚拟机 在不同主机之间的实时迀移成为现实。那么，对于云数据中心资源消耗少的物理主机，就可 以使用虚拟机实时迀移技术将在它上面运行着的虚拟机全部迀移到其他的物理主机上，然 后关闭该物理主机，降低数据中心的能耗。但是，虚拟机的迀移也会消耗系统资源引起能 耗的增加，同时也会降低系统的服务质量；另外，由于云用户对于资源需求往往是动态变化 的，在利用虚拟机实时迀移技术完成服务器聚集之后，负载的动态变化特性会导致宿主主 机内的虚拟机资源需求总和超出物理机的资源容量，造成系统阻塞、服务响应时间变长，违 反云用户和云服务提供者之间协商制定的服务水平协议（SLA)。因此，如何通过虚拟机实时 迀移技术来减少云数据中心活动主机的数量同时尽可能地满足SLA成为实现云数据中心 节能急需解决的问题。 经对现有文献检索发现，相关文献如下： Beloglazov Anton 于 2〇11 年在《Concurrency Computat. :PractExper》中的 "Optimal online deterministic algorithms and adaptive heuristics for energy and performance efficient dynamic consolidation of virtual machines in Cloud data centers" 一文，将虚拟机聚集过程分成四步，即（I)判断一个主机在何时成为过载主机， (2)从过载主机中选择应该迀移出去的虚拟机，（3)判断一个主机在何时成为轻载主机并 选择其上的所有虚拟机，（4)放置这些待迀移的虚拟机。为了找出过载主机，文章中提出了 绝对中位差法（MD)，四分差法（IR)，局部回归（LR)和鲁棒局部回归法（RLR)。对于虚拟 机的选择，文中提出了最小迀移时间法（MMT)，随机选择（RC)和最大相关性法（MC)。另外， 文中将CPU利用率最低的主机判定为轻载主机（SM)，使用PABFD算法放置待迀移的虚拟机， 该算法旨在将虚拟机放置到功耗增加最少的物理主机上。文中的实验结果表明LR/SM/MMT/ PABFD这样的组合策略的性能要高于其它方法。 Abbas Horri 于 2014 年在《J Supercomput》中的 "Novel resource allocation algorithms to performance and energy efficiency in cloud computing" 一文，提出 VDT算法用于虚拟机聚集过程中的轻载物理主机选择，该算法将物理机的CPU利用率与该 物理主机上的虚拟机数量进行加权求和并选择所求得的和值最小的主机作为轻载主机；另 外，提出UMC算法用于为待迀移的虚拟机寻找宿主主机，即为待迀移的虚拟机选择与其相 关性最小的物理主机作为其宿主主机。实验结果表明在虚拟机迀移数量和服务质量上都比 组合策略（LR/SM/MMT/PABFD)有较大的提高。 综上所述，虽然云数据中心的节能和系统的服务质量在不断改善，但是还有一些 问题有待于进一步的研究： 1.虽然已有研究表明，数据中心物理主机的能耗和CPU利用率成正比，但是如果 仅从CPU利用率或者CPU利用率与虚拟机数量加权和的角度来判定轻载主机，对于由异构 节点组成的数据中心来说，不同的物理节点上的CPU利用率的比较就失去了意义；另外，由 于异构物理主机节点的初始能耗不同，对于利用率相近的异构主机节点，按照上述方法选 择轻载主机显然不是最有利于数据中心的节能。因此，轻载主机的判定方法必须考虑到主 机节点能量异构的特点，同时能够体现出关闭该主机对云数据中心节能的贡献。 2.上述的PABFD方法从物理主机能量增加最小的角度来放置待迀移的虚拟机，但 是该方法在异构节点的数据中心将趋向于将虚拟机集中于绝对容量较大的主机节点上。这 样，当主机的负载变动变化时，这些主机更容易出现过资源需求超出主机容量的情况，导致 主机过载，服务质量下降。因此，在放置虚拟机时必须考虑到负载的动态特性和虚拟机数量 对于主机状态的影响。 3.对于大规模的云数据中心，上述的UMC算法在为每一个虚拟机选择宿主主机 时都必须遍历所有的物理主机并计算相关性系数，算法的时间成本较高，且实时性也无法 保证。因此，需要设计满足实时性要求的算法。
技术实现思路
针对现有技术的上述缺陷，本专利技术提供了云数据中心中一种能量高效的虚拟机迀 移方法。所述方法包括以下步骤： 步骤a :云数据中心物理主机和虚拟机资源使用的监测：在每个物理主机节点上 运行着的虚拟机管理器对该物理机以及运行在该物理机内的虚拟机的资源使用情况进行 实时监控，并且每隔一段时间记录一次当前物理主机的CPU资源使用状态； 步骤b :云数据中心过载主机的判断：过载主机的判断是根据本地管理器中记录 的物理主机的CPU资源利用率日志，利用资源预测方法来预测该物理主机上运行着的虚拟 机使用的CPU资源的总和是否将会超过该物理主机容量的情况； 步骤c :云数据中心过载物理主机的处理：如果存在过载主机，则在该过载主机中 选择正在运行着的虚拟机，按照虚拟机迀移策略对选中的虚拟机进行迀移，直到该过载主 机恢复到正常工作状态；如果没有监测到过载主机，则返回到步骤b继续监测； 步骤d :云数据中心轻载物理主机的判定：根据云数据中心各个物理主机的CPU使 用情况，找出轻载状态的物理机，然后将其上运行着的所有虚拟机使用虚拟机迀移策略迀 移出去，最后关闭该物理主机以实现云数据中心的节能；若在轻载主机上运行着的虚拟机 中存在本文档来自技高网...

【技术保护点】
一种云数据中心中一种能量高效的虚拟机迁移方法，其特征在于，所述云数据中心包含异构的物理主机和在物理主机上运行着的虚拟机，用户提交的任务在各个虚拟机中完成，通过虚拟机迁移的方法实现节能云数据中心的节能，包括以下具体步骤：步骤a：云数据中心物理主机和虚拟机资源使用的监测：在每个物理主机节点上运行着的虚拟机管理器对该物理机以及运行在该物理机内的虚拟机的资源使用情况进行实时监控，并且每隔一段时间记录一次当前物理主机的CPU资源使用状态；步骤b：云数据中心过载主机的判断：过载主机的判断是根据本地管理器中记录的物理主机的CPU资源利用率日志，利用资源预测方法来预测该物理主机上运行着的虚拟机使用的CPU资源的总和是否将会超过该物理主机容量的情况；步骤c：云数据中心过载物理主机的处理：如果存在过载主机，则在该过载主机中选择正在运行着的虚拟机，按照虚拟机迁移策略对选中的虚拟机进行迁移，直到该过载主机恢复到正常工作状态；如果没有监测到过载主机，则返回到步骤b继续监测；步骤d：云数据中心轻载物理主机的判定：根据云数据中心各个物理主机的CPU使用情况，找出轻载状态的物理机，然后将其上运行着的所有虚拟机使用虚拟机迁移策略迁移出去，最后关闭该物理主机以实现云数据中心的节能；若在轻载主机上运行着的虚拟机中存在一个或者多个虚拟机找不到可用的宿主主机，则不进行虚拟机迁移，该轻载主机继续运行；该过程反复迭代直到数据中心不再出现过载主机才停止。...

【技术特征摘要】

【专利技术属性】
技术研发人员：韩光洁，阙文辉，孙宁，舒磊，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏;32