一种基于虚拟机的服务器整合方法技术

本发明专利技术公开了一种基于虚拟机的服务器整合方法，所述基于虚拟机的服务器整合方法包括基于动态阈值的服务器局部整合算法和基于遗传算法的服务器全局整合算法。本发明专利技术科学合理，使用安全方便，通过局部整合和全局整合，可以有效地实现依据云数据中心负载变化动态来进行服务器整合的重要功能，从而提升业务支撑能力和运维效率、降低投资和决策风险，达到节省投资和节约能源的目的。提出的服务器局部整合算法的目标是对处于高载状态和低载状态的服务器进行小范围内的局部整合，满足节能要求；服务器全局整合算法的目标是在更大范围内对服务器进行整合，在保证服务质量的同时使虚拟机运行在尽可能少的服务器上，从而提升整体资源利用率和降低能源消耗。

【技术实现步骤摘要】
一种基于虚拟机的服务器整合方法
本专利技术涉及云数据中心服务器整合
，具体为一种基于虚拟机的服务器整合方法。
技术介绍
虽然目前已经有了很多的服务器整合方面的研究，并且已经有许多方法投入到实际应用环境之中，但是目前的研究中仍然存在着一些不足与缺憾，如某些数据中心采用人工方式对服务器进行整合，导致人力成本会非常高，且容易导致响应不及时，从而影响服务质量和用户最终的体验；有些整合算法采用静态整合策略对服务器进行整合，这种方法不能根据用户的实时需求做出及时改变，因而会造成能源的浪费；有些整合算法只是聚焦于服务器的少数维度进行整合，而没有从全局角度进行考虑，因而无法很好地满足服务器动态整合的要求，且容易导致虚拟机的频繁迁移，进而引起迁移抖动和服务质量的下降，所以，人们急需一种新型服务器整合方法来解决上述问题。
技术实现思路
本专利技术提供一种基于虚拟机的服务器整合方法，可以有效解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于虚拟机的服务器整合方法，所述基于虚拟机的服务器整合方法包括基于动态阈值的服务器局部整合算法和基于遗传算法的服务器全局整合算法；所述基于虚拟机的服务器整合方法包括如下步骤：S1、获取服务器和虚拟机的监控信息；S2、根据监控信息计算数据中心总体资源利用率；S3、根据数据中心总体资源利用率选择服务器整合算法；所述基于动态阈值的服务器局部整合算法包括如下步骤：A1、计算服务器整合高载阈值；A2、根据服务器整合高载阈值分析服务器负载状态；A3、筛选出处于高载状态的服务器；A4、筛选出处于低载状态的服务器；A5、基于BFD算法进行服务器局部整合；所述基于遗传算法的服务器全局整合算法包括如下步骤：B1、染色体编码；B2、生成初始染色体编码种群；B3、适应度函数设定；B4、选择操作；B5、交叉操作；B6、变异操作；B7、迭代终止条件。根据上述技术方案，所述步骤S1和步骤S2中，根据服务器监控中心对服务器和虚拟机进行监控，系统根据获取的服务器和虚拟机的监控信息，计算数据中心整体资源利用率，将数据中心整体资源利用率与给定的利用率阈值进行对比。根据上述技术方案，所述步骤S3中，当数据中心整体资源利用率正常时，选择基于动态阈值的服务器局部整合算法对服务器进行整合，当数据中心整体资源利用率小于给定的利用率阈值时，选择基于遗传算法的服务器全局整合算法对服务器进行整合。根据上述技术方案，所述步骤A1中，利用自适应高载阈值判断算法K-IQR对服务器整合高载阈值进行计算，包括以下步骤：(1)针对已经排好序的数据集使用K-mediods聚类算法方法对数据集进行聚类操作，并将其分成4份；(2)对已经聚类好的4组数据分别求取每一组的平均值，该平均值可以较好地反应每组数据值的特征，用四分位差方法对数据进行求解四分位；(3)引入反应服务质量的参数SLAT对服务器过去一段时间的服务质量进行判断，SLAT参数表示服务器CPU利用率超过100％的时间占总运行时间的比值，因为当服务器CPU负载大于100％的时候将会明显造成服务器性能的衰退并且严重影响其上面运行任务的性能，SLAT的计算方法如以下公式：其中，表示服务器i在前一个周期内CPU利用率超过100％导致违反服务质量的时间，表示服务器i在前一个周期内活跃的总时间；经过上述步骤后，本文提出的高载阈值Tu可以用以下公式来计算：Tu＝(1-m*IQR)*(1-SLAT)上述阈值计算公式表明，当服务器负载过低的时候，此时造成SLAT违反的情况相对较少，根据该公式则阈值可以适当的增大以容纳更多的负载，而当负载过高的时候，会造成SLAT违反的情况较多，则(1-SLAT)会减小，从而减少高载阈值，进而减少SLAT违反的情况，该公式可以在一定范围内动态的调整高载阈值，高载阈值越大，SLAT违反情况越多，但会降低能耗节约能源，阈值小的时候虽然违反SLAT的情况较少但是会造成能耗的较大。根据上述技术方案，所述步骤A2、A3和A4中，根据获取到的服务器与虚拟机的当前和历史负载信息计算出服务器的阈值，分析当前时间段内服务器的状态，筛选出处于高载状态的服务器和处于低载状态的服务器。根据上述技术方案，所述步骤A5中，使用基于BFD的服务器局部整合算法得出整合方案，并执行整合，所述基于BFD的局部整合算法包括以下步骤：(1)将待迁移虚拟机组按照CPU利用率的使用情况进行降序排列；(2)筛选出可以容纳该虚拟机的服务器组；(3)将虚拟机与可以容纳其的服务器之间进行能源消耗的估算，选择虚拟机在迁移到该服务器后，能源消耗增加最小的服务器作为迁移的目标服务器；(4)按照之前求得的服务器整合方案将对应的虚拟机迁移到目标服务器上。根据上述技术方案，所述步骤B1和B2中，所述全面整合问题定义如以下公式所示：其中，ViCPU、ViMEM和ViDisk分别表示虚拟机i的CPU、内存和磁盘的负载情况，PiCPU、PjMEM和PjDisk分别表示服务器j的CPU、内存和磁盘的资源数，ThCPU、ThMEM和ThDisk分别表示服务器CPU、内存和磁盘的阈值，规定各台服务器上运行的全部虚拟机的各类资源之和不能超过服务器所能提供的最大值与给所规定的各类资源阈值的乘积，表达式Xij表示虚拟机i能否整合到物理服务器j上，Xij取值为1的时候表示可以虚拟机i可以放置到服务器j上，取值为0则表示不可以，MIN(Nactive)表示活跃服务器数量最少；利用基于物品组的编码方式进行染色体编码，所述初始染色体种群的生成包括以下步骤：(1)一部分染色体是在满足全面整合问题定义公式中CPU资源约束公式的前提下随机生成；(2)对处于过载状态的服务器随机取出虚拟机，直到该服务器达到负载均衡状态；(3)对处于低载状态的服务器也取出其上的虚拟机；(4)被取出的虚拟机随机放到其余的可以容纳该虚拟机的服务器上。根据上述技术方案，所述步骤B3中，在CPU资源的约束下，采用尽可能少的服务器来放置尽可能多的虚拟机，适应度函数如下所示：L(x)＝1/C(x)其中，C(x)表示染色体x的长度，代表了整合后需要的服务器的数量，其值越小说明所需的服务器越少，相应地L(x)的值则会越大；所述步骤B4中，在对随机选择的两个染色体进行比较的过程之中，可能会出现适应度值相等的情况，由于虚拟机的迁移会引起进程数量和I/O次数的增加，这样不仅会增大能源消耗，也会使整个系统的性能下降，因此有必要减少虚拟机的迁移次数，将生成的染色体组与当前实际的服务器与虚拟机映射关系编码得到的染色体对比，择优选择迁移次数最少的染色体进入下一轮。根据上述技术方案，所述步骤B5中，其具体操作包括以下步骤：(1)完全随机选择两个染色体作为父代，对于这两个染色体先比较他们适应度值大小，适应度值大的染色体作为父代x，若适应度值大小相等，则用公式判断哪个染色体上需要的虚拟机迁移次数最少，迁移次数最少的那条染色体作为父代x，另外一条染色体为父代y；(2)使用公式判断染色体y上每个基因的值，选择值最大的基因作为父代y交叉部分的内容插入到父代x中，交叉是对染色体的虚拟机组进行组合，即从父代y插入一段基因(一组虚拟机)到父代x中，公式如下：其中，xj表示染色体x上第j个服务器，Vicpu表示第i个虚本文档来自技高网...

【技术保护点】
1.一种基于虚拟机的服务器整合方法，其特征在于，所述基于虚拟机的服务器整合方法包括基于动态阈值的服务器局部整合算法和基于遗传算法的服务器全局整合算法；所述基于虚拟机的服务器整合方法包括如下步骤：S1、获取服务器和虚拟机的监控信息；S2、根据监控信息计算数据中心总体资源利用率；S3、根据数据中心总体资源利用率选择服务器整合算法；所述基于动态阈值的服务器局部整合算法包括如下步骤：A1、计算服务器整合高载阈值；A2、根据服务器整合高载阈值分析服务器负载状态；A3、筛选出处于高载状态的服务器；A4、筛选出处于低载状态的服务器；A5、基于BFD算法进行服务器局部整合；所述基于遗传算法的服务器全局整合算法包括如下步骤：B1、染色体编码；B2、生成初始染色体编码种群；B3、适应度函数设定；B4、选择操作；B5、交叉操作；B6、变异操作；B7、迭代终止条件。

【技术特征摘要】
1.一种基于虚拟机的服务器整合方法，其特征在于，所述基于虚拟机的服务器整合方法包括基于动态阈值的服务器局部整合算法和基于遗传算法的服务器全局整合算法；所述基于虚拟机的服务器整合方法包括如下步骤：S1、获取服务器和虚拟机的监控信息；S2、根据监控信息计算数据中心总体资源利用率；S3、根据数据中心总体资源利用率选择服务器整合算法；所述基于动态阈值的服务器局部整合算法包括如下步骤：A1、计算服务器整合高载阈值；A2、根据服务器整合高载阈值分析服务器负载状态；A3、筛选出处于高载状态的服务器；A4、筛选出处于低载状态的服务器；A5、基于BFD算法进行服务器局部整合；所述基于遗传算法的服务器全局整合算法包括如下步骤：B1、染色体编码；B2、生成初始染色体编码种群；B3、适应度函数设定；B4、选择操作；B5、交叉操作；B6、变异操作；B7、迭代终止条件。2.根据权利要求1所述的一种基于虚拟机的服务器整合方法，其特征在于，所述步骤S1和步骤S2中，根据服务器监控中心对服务器和虚拟机进行监控，系统根据获取的服务器和虚拟机的监控信息，计算数据中心整体资源利用率，将数据中心整体资源利用率与给定的利用率阈值进行对比。3.根据权利要求1所述的一种基于虚拟机的服务器整合方法，其特征在于，所述步骤S3中，当数据中心整体资源利用率正常时，选择基于动态阈值的服务器局部整合算法对服务器进行整合，当数据中心整体资源利用率小于给定的利用率阈值时，选择基于遗传算法的服务器全局整合算法对服务器进行整合。4.根据权利要求1所述的一种基于虚拟机的服务器整合方法，其特征在于，所述步骤A1中，利用自适应高载阈值判断算法K-IQR对服务器整合高载阈值进行计算，包括以下步骤：(1)针对已经排好序的数据集使用K-mediods聚类算法方法对数据集进行聚类操作，并将其分成4组；(2)对已经聚类好的4组数据分别求取每一组的平均值，该平均值可以较好地反应每组数据值的特征，用四分位差方法对数据进行求解四分位；(3)引入反应服务质量的参数SLAT对服务器过去一段时间的服务质量进行判断，SLAT参数表示服务器CPU利用率超过100％的时间占总运行时间的比值，因为当服务器CPU负载大于100％的时候将会明显造成服务器性能的衰退并且严重影响其上面运行任务的性能，SLAT的计算方法如以下公式：其中，表示服务器i在前一个周期内CPU利用率超过100％导致违反服务质量的时间，表示服务器i在前一个周期内活跃的总时间；经过上述步骤后，本文提出的高载阈值Tu可以用以下公式来计算：Tu＝(1-m*IQR)*(1-SLAT)上述阈值计算公式表明，当服务器负载过低的时候，此时造成SLAT违反的情况相对较少，根据该公式则阈值可以适当的增大以容纳更多的负载，而当负载过高的时候，会造成SLAT违反的情况较多，则(1-SLAT)会减小，从而减少高载阈值，进而减少SLAT违反的情况，该公式可以在一定范围内动态的调整高载阈值，高载阈值越大，SLAT违反情况越多，但会降低能耗节约能源，阈值小的时候虽然违反SLAT的情况较少但是会造成能耗的较大。5.根据权利要求1所述的一种基于虚拟机的服务器整合方法，其特征在于，所述步骤A2、A3和A4中，根据获取到的服务器与虚拟机的当前和历史负载信息计算出服务器的阈值，分析当前时间段内服务器的状态，筛选出处于高载状态的服务器和处于低载状态的服务器。6.根据权利要求1所述的一种基于虚拟机的服务器整合方法，其特征在于，所述步骤A5中，使用基于BFD的服务器局部整合算法得出整合方案，并执行整合，所述基于BFD的局部整合算法包括以下步骤：(1)将待迁移虚拟机组按照CPU利用率的使用情况进行降序排列；(2)筛选出可以容纳该虚拟机的服务器组；(3)将虚拟机与可以容纳其的服务器之间进行能源消耗的估算，选择虚拟机在迁移到该服务器后，能源消耗增加最小的服务器作为迁移的目标服务器；(4)按照之前求得的服务器整合方案将对应的虚拟机迁移到目标服务器上。7.根据权利要求1所述的一种基于虚拟机的服务器整合方法，其特征在于，所述步骤B1和B2中，所述全面整合问题定义如以下公式所示：其中，ViCPU、ViMEM和ViDisk分别表示虚拟机i的CPU、内存和磁盘的负载情况，PjCPU、PjMEM和PjDisk分别表示服务器j的CPU、内存和磁盘的资源数，ThCPU、ThMEM和ThDisk分别表示服务器CPU、内存和磁...

【专利技术属性】
技术研发人员：乔百友，童冰，吴刚，韩东红，刘辉林，王波涛，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21