一种基于知识获取与共享算法的虚拟机部署方法技术

本发明专利技术涉及虚拟机技术领域，具体涉及一种基于知识获取与共享算法的虚拟机部署方法，在虚拟机创建引擎的过程中，结合了算法边界修正和增广拉格朗日乘子法，在算法迭代过程中使用惩罚函数解决虚拟机部署问题的约束条件并动态的修正算法可行解的最优边界，从而缩小问题的搜索范围，提高解的质量、收敛速度、稳定性和运行速度。本发明专利技术针对云计算领域中虚拟机部署问题，以最小化服务器的数量为优化目标，同时还能克服其他方法在问题规模增大时解的质量下降、收敛性下降、稳定性下降和运行速度慢的缺点。缺点。缺点。

【技术实现步骤摘要】
一种基于知识获取与共享算法的虚拟机部署方法


[0001]本专利技术涉及虚拟机
，具体涉及一种基于知识获取与共享算法的虚拟机部署方法。

技术介绍

[0002]随着云计算的流行，目前几乎所有的数据中心都在使用这种计算服务模式，例如微软、谷歌和亚马逊的数据中心。为了降低维护成本和提高服务器资源的利用率，同时考虑服务质量要求，现代数据中心使用虚拟化技术。虚拟化技术将不同大小的CPU、内存、硬盘等物理资源抽象成虚拟机，使得在一台物理机上可以运行多台虚拟机。
[0003]云计算技术中的主要问题之一便是如何将虚拟机放入物理机中使得物理机资源利用得更充分。虚拟机放置问题是一个典型的多维度装箱问题，物理机是箱子，而虚拟机则是待装入箱子的物品，每个物品有三个不同的维度：CPU、内存、硬盘容量。而装箱问题是典型的NP困难问题，它不存在多项式时间复杂度的算法，除非P＝NP。因此对于这个问题人们只能求一个近似解。好的优化算法能够为云运营商节约上亿的运营成本，并为客户提供更稳定、更流畅的云端体验。
[0004]尽管启发式优化算法通常是一种可行的解决方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识获取与共享算法的虚拟机部署方法，其特征在于，包括下列步骤：设置目标函数和约束条件；初始化变量和种群；分别计算初级阶段向量维度数量和高级阶段向量维度数量；使用策略更新初级阶段向量维度和高级阶段向量维度；计算种群中每个个体的目标函数值，并更新已迭代次数；修正种群中每个个体的向量分量取值；更新全局最优解和搜索边界；判断是否到达最大迭代次数或者是否已经收敛，若已经到达最大迭代次数或者已经收敛则停止迭代并输出结果；否则返回分别计算初级阶段向量维度数量和高级阶段向量维度数量步骤继续执行。2.如权利要求1所述的基于知识获取与共享算法的虚拟机部署方法，其特征在于，所述目标函数的表达式为：其中，S＝{1,...,m}表示服务器集合，y
i
表示服务器i是否被使用，当且仅当服务器i被使用时才有y
i
＝1，否则y
i
＝0。3.如权利要求2所述的基于知识获取与共享算法的虚拟机部署方法，其特征在于，所述目标函数的约束条件，包括如下公式：所述目标函数的约束条件，包括如下公式：所述目标函数的约束条件，包括如下公式：所述目标函数的约束条件，包括如下公式：x
ij
∈{0,1},i∈S,j∈N
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)y
i
∈{0,1},i∈S
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，N和S分别表示虚拟机集合和服务器集合，x
ij
表示虚拟机j是否被部署到服务器i上，c
j
、m
j
和d
j
分别表示虚拟机j的CPU数量、内存数量和磁盘容量，C
i
、M
i
和D
i
分别表示服务器i的CPU数量、内存数量和磁盘容量；当且仅当虚拟机j被部署到服务器i上时才有x
ij
＝1，否则x
ij
＝0；公式(1)说明了每台虚拟机必须且只能部署到某一台服务器上，公式(2)、(3)、(4)限制了部署到某台服务器上的虚拟机的总的CPU、内存和磁盘大小不能超过该服务器的容量上限。4.如权利要求3所述的基于知识获取与共享算法的虚拟机部署方法，其特征在于，计算初级阶段向量维度数量的公式为：
其中D表示个体的维度，G是迭代次数，GEN是最大迭代次数，K>0是知识率。5.如权利要求4所述的基于知识获取与共享算法的虚拟机部署方法，其特征在于，计算高级阶段向量维度数量的公式为：D
senior
＝D
‑
D
junior
。6.如权利要求5所述的基于知识获取与共享算法的虚拟机部署方法，其特征在于，更新初级阶段向量维度的过程，包括下列步骤：步骤1：根据目标函数值对所有个体升序排序：x
best
…
x
i
‑1,x
i
,x
i+1
,
…
x
worst
；步骤2：对于个体x

【专利技术属性】
技术研发人员：俸皓，周念，刘玉明，王勇，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：