一种基于L-BFGS的云资源动态优化方法技术

本发明专利技术涉及一种网络资源优化的技术领域，揭露了一种基于L‑BFGS的云资源动态优化方法，包括：利用基于阈值的页面更改策略对云服务器中的内存进行管理；初始化云环境下云服务器资源及待分配场景虚拟机资源占用情况；利用AHP层次分析法评估云服务器中每台主机的资源占用比，确定需要迁移的虚拟机；制定以最佳云服务器资源平衡为目标的目标函数，并建立虚拟机通信迁移代价模型；利用L‑BFGS算法优化目标函数获取迁移虚拟机的目标云服务器，得到待迁移虚拟机的迁移策略；利用虚拟机通信迁移代价模型计算虚拟机的不同迁移策略的通信迁移代价，选取其中通信迁移代价最小的迁移策略作为最终虚拟机迁移策略进行迁移。本发明专利技术实现了云资源的动态优化。

【技术实现步骤摘要】
一种基于L-BFGS的云资源动态优化方法
本专利技术涉及网络资源优化的
，尤其涉及一种基于L-BFGS的云资源动态优化方法。
技术介绍
云计算作为一种新型的绿色计算模式，极大程度上改变了传统的服务模式，通过与网络技术的紧密结合为用户提供了各种应用服务。但是，由于云数据中心基础设施规模的不断扩大，给云计算产业带来了高能耗问题；对于云计算环境下资源动态配置方面，还需要考虑在各种状态下资源分布的稳定性问题。因此，如何对云计算环境下的资源进行部署优化，成为当前研究人员所研究的热点问题。现有云计算环境中的云服务器大多采用混合页的内存管理方式，其中混合页中的大页可以显著提升TLB命中率并提升内存访问性能。但是在混合页云服务器中使用现有的内存重删技术会导致大量大页被拆分，进而导致内存访问性能严重下降等问题。同时，现有资源调度方面的研究不能很好的适应云环境下云服务器的应用场景。在虚拟机部署方面，现有技术无法精确划分虚拟机间的通信关系，因此对通信开销的优化效果不佳；此外，现有技术往往只针对单目标进行优化，缺少同时对资源利用率、负载均衡以及通信开销等多目标优化的研究。在虚拟机迁移方面，现有技术选择迁移虚拟机时往往只考虑虚拟机的规格，无法预知虚拟机剩余存在时间，也缺少对迁移后虚拟机通信开销变化的考虑。鉴于此，在考虑提高云服务器内存访问性能的基础上，如何减少云环境中资源调度的通信开销，进行云资源的动态迁移优化，实现云服务器的负载均衡，成为本领域技术人员亟待解决的问题。
技术实现思路
本专利技术提供一种基于L-BFGS的云资源动态优化方法，在考虑提高云服务器内存访问性能的基础上，通过减少云环境中资源调度的通信开销，进行云资源的动态迁移优化，实现云服务器的负载均衡。为实现上述目的，本专利技术提供的一种基于L-BFGS的云资源动态优化方法，包括：利用基于阈值的页面更改策略对云服务器中的内存进行管理；初始化云环境下云服务器资源及待分配场景虚拟机资源占用情况；利用AHP层次分析法评估云服务器中每台主机的资源占用比，确定需要迁移的虚拟机；制定以最佳云服务器资源平衡为目标的目标函数；建立虚拟机通信迁移代价模型；利用L-BFGS算法优化目标函数获取迁移虚拟机的目标云服务器，得到待迁移虚拟机的迁移策略；利用虚拟机通信迁移代价模型计算虚拟机的不同迁移策略的通信迁移代价，选取其中通信迁移代价最小的迁移策略作为最终虚拟机迁移策略，根据所述最终虚拟机迁移策略，将待迁移的虚拟机迁移到指定的目标云服务器中。可选地，所述基于阈值的页面更改策略的流程为：1)获取实时情况下每个内存页的状态；2)对于内存页面状态为冷页的内存页面，为其子页创建一个单独的副本，然后将冷页内存中所有的子页迁移到一个2MB的连续物理内存区域中，实现对冷页内存子页的聚合；3)当所有的子页被聚合完毕时，更改页描述中相关描述信息，使得操作系统后续能够以大页的方式对其管理；4)对冷页的大页页表项进行重构，即使用一个三级页表的页表项对整个冷页大页区域进行映射，并且将原来的每个子页的页表项进行删除处理，同时刷新TLB中缓存的映射信息使得后续访问会使用新的大页页表项。可选地，所述初始化云环境下的资源占用情况，包括：所述云环境下的资源包括待部署的云服务器以及虚拟器，其中云服务器的集合为P＝{P1，P2，...Pm}其中：m代表云服务器的数量；云服务器Pj所具备的资源为集合其中为云服务器Pj中资源z的总量；待部署的虚拟机集合为：其中：Sn代表虚拟机的第n个场景；n代表场景的数量，一个场景至少包括两个虚拟机：操作机和目标机；场景Si待部署的虚拟机集合为b代表该场景虚拟机的数量；虚拟机请求的资源集合为其中代表虚拟机对资源z的需求量。可选地，所述利用AHP层次分析法评估云服务器中每台主机的资源占用比，包括：1)建立层次结构模型，其中目标层为云服务器中虚拟机的资源占用情况，准则层为虚拟机在整个云服务器中的CPU占用率，虚拟机在整个云服务器中的内存占用率，虚拟机在整个云服务器中的磁盘占用率，方案层为云服务器中所有的虚拟机；2)构造成对比较矩阵，通过对准则层各指标对目标层结构的因素权重进行两两比较，将比较结果构成成对比较矩阵，成对比较矩阵中的元素aij表示的是第i个因素相对于第j个因素的比较结果，该值由1-9标度方法给出；3)对每个成对比较矩阵计算最大特征值及其对应的特征向量，并利用一致性指标、随机一致性指标和一致性比率进行一致性检验；若检验通过，归一化后的特征向量即为准则层的权向量，若检验不通过，则需要重新构造成对比较矩阵；4)计算总排序权向量并进行一致性检验，若检验通过，则按照准则层的总排序权向量对目标层进行表示，并根据表示结构对虚拟机的资源占用进行评估，否则需要重新构造一致性比率CR较大的成对比较矩阵，同一台云服务器上所有虚拟机的资源占用综合评估为该云服务器的资源使用情况。可选地，所述以最佳云服务器资源平衡为目标的目标函数为：f(Ai,xi,j)＝std{Ai,xi,j}其中：Ai表示当前云服务器的资源占用情况；xi,j表示当前迁移进入或者迁移出去该云服务器的虚拟机的资源占用情况；当前面的符号为+时表示虚拟机迁入到当前云服务器，当符号为-时表示该虚拟机从当前服务器迁移出去，最终的目标是让迁移调整后的服务器占用资源情况方差最小。可选地，所述虚拟机通信迁移代价模型为：其中：CP为虚拟机产生的通信代价；v为虚拟机数量；xi,j表示虚拟机i和虚拟机j之间是否有通信需求，当且仅当虚拟机同属一个场景时，才会产生通信；Qcpu,Qmem,QNetB分别代表虚拟机CPU、内存、网络带宽的规格；Rcpu,Rmem,RNetB分别代表云服务器CPU、内存、网络带宽的规格；w1,w2,w3分别是CPU、内存、网络带宽三种资源的权值；CPn为迁移后虚拟机的通信代价；CPp为迁移前虚拟机的通信代价；di,j表示虚拟机i和虚拟机j之间的通信距离，用它们是否部署到同一个云服务器上来量化通信代价，当两个虚拟机部署在同一个云服务器上，其距离为1，部署在不同的云服务器上，其距离为2。可选地，所述利用L-BFGS算法优化目标函数获取迁移虚拟机的目标云服务器，包括：1)对于目标函数f(Ai,xk)，利用牛顿迭代法求解其驻点xk+1：k＝0,1,…，表示当前云服务器Ai中，第k个虚拟机；xk表示当前云服务器Ai中，第k个虚拟机迁移进入或者迁移出去该云服务器的虚拟机的资源占用情况；gk为目标函数的导数；为目标函数二阶导数的倒数；2)通过迭代的方式，得到的近似值Dk：其中：I为本文档来自技高网...

【技术保护点】
1.一种基于L-BFGS的云资源动态优化方法，其特征在于，所述方法包括：/n利用基于阈值的页面更改策略对云服务器中的内存进行管理；/n初始化云环境下云服务器资源及待分配场景虚拟机资源占用情况；/n利用AHP层次分析法评估云服务器中每台主机的资源占用比，确定需要迁移的虚拟机；/n制定以最佳云服务器资源平衡为目标的目标函数；/n建立虚拟机通信迁移代价模型；/n利用L-BFGS算法优化目标函数获取迁移虚拟机的目标云服务器，得到待迁移虚拟机的迁移策略；/n利用虚拟机通信迁移代价模型计算虚拟机的不同迁移策略的通信迁移代价，选取其中通信迁移代价最小的迁移策略作为最终虚拟机迁移策略，根据所述最终虚拟机迁移策略，将待迁移的虚拟机迁移到指定的目标云服务器中。/n

【技术特征摘要】
1.一种基于L-BFGS的云资源动态优化方法，其特征在于，所述方法包括：
利用基于阈值的页面更改策略对云服务器中的内存进行管理；
初始化云环境下云服务器资源及待分配场景虚拟机资源占用情况；
利用AHP层次分析法评估云服务器中每台主机的资源占用比，确定需要迁移的虚拟机；
制定以最佳云服务器资源平衡为目标的目标函数；
建立虚拟机通信迁移代价模型；
利用L-BFGS算法优化目标函数获取迁移虚拟机的目标云服务器，得到待迁移虚拟机的迁移策略；
利用虚拟机通信迁移代价模型计算虚拟机的不同迁移策略的通信迁移代价，选取其中通信迁移代价最小的迁移策略作为最终虚拟机迁移策略，根据所述最终虚拟机迁移策略，将待迁移的虚拟机迁移到指定的目标云服务器中。


2.如权利要求1所述的一种基于L-BFGS的云资源动态优化方法，其特征在于，所述基于阈值的页面更改策略的流程为：
1)获取实时情况下每个内存页的状态；
2)对于内存页面状态为冷页的内存页面，为其子页创建一个单独的副本，然后将冷页内存中所有的子页迁移到一个2MB的连续物理内存区域中，实现对冷页内存子页的聚合；
3)当所有的子页被聚合完毕时，更改页描述中相关描述信息，使得操作系统后续能够以大页的方式对其管理；
4)对冷页的大页页表项进行重构，即使用一个三级页表的页表项对整个冷页大页区域进行映射，并且将原来的每个子页的页表项进行删除处理，同时刷新TLB中缓存的映射信息使得后续访问会使用新的大页页表项。


3.如权利要求2所述的一种基于L-BFGS的云资源动态优化方法，其特征在于，所述初始化云环境下的资源占用情况，包括：
所述云环境下的资源包括待部署的云服务器以及虚拟器，其中云服务器的集合为
P＝{P1，P2，...Pm}
其中：
m代表云服务器的数量；
云服务器Pj所具备的资源为集合其中为云服务器Pj中资源z的总量；
待部署的虚拟机集合为：



其中：
Sn代表虚拟机的第n个场景；
n代表场景的数量，一个场景至少包括两个虚拟机：操作机和目标机；
场景Si待部署的虚拟机集合为b代表该场景虚拟机的数量；
虚拟机请求的资源集合为其中代表虚拟机对资源z的需求量。


4.如权利要求3所述的一种基于L-BFGS的云资源动态优化方法，其特征在于，所述利用AHP层次分析法评估云服务器中每台主机的资源占用比，包括：
1)建立层次结构模型，其中目标层为云服务器中虚拟机的资源占用情况，准则层为虚拟机在整个云服务器中的CPU占用率，虚拟机在整个云服务器中的内存占用率，虚拟机在整个云服务器中的磁盘占用率，方案层为云服务器中所有的虚拟机；
2)构造成对比较矩阵，通过对准则层各指标对目标层结构的因素权重进行两两比较，将比较结果构成成对比较矩阵，成对比较矩阵中的元素aij表示的是第i个因素相对于第j个因素的比较结果，该值由1-9标度方法给出；
3)对每个成对比较矩阵计算最大特征值及其对应的特征向量，并利用一致性指标、随机一致性指标和一致性比率进行一致性检验；若检验通过，归一化后的特征向量即为准则层的权向量，若检验不通过，则需要重新构造成对比较矩阵；
4)计算总排序权向量并进行一致性检验，若检验通过，则按照准则层的总排序权向量对目标层进行表示，并根据表示结构对虚拟机的资源占用进行评估，否则需要重新构造一致性比率C...

【专利技术属性】
技术研发人员：戴燎元，
申请(专利权)人：湖南匡楚科技有限公司，
类型：发明
国别省市：湖南;43