一种基于CPU动态调频技术的数据中心节能方法技术

本发明专利技术涉及一种基于CPU动态调频技术的数据中心节能方法，所述方法包括虚拟机初始化放置和动态管理两个阶段。与现有技术不同，将数据中心节能使用的虚拟机放置技术分为初始化放置和动态管理两阶段来分别考虑。初始化放置适用于数据中心运行之初，以及定期整体调整的时机，由于时间允许，采用的方法具有全局性及长期效应；动态管理适用于数据中心运行时，面对不同的任务，所进行的局部的管理或迁移，采用的方法涉及局部资源并能保证实时性。

【技术实现步骤摘要】
一种基于CPU动态调频技术的数据中心节能方法
本专利技术属于信息
，具体涉及一种基于CPU动态调频技术的数据中心节能方法。
技术介绍
最近几年，云计算已经成为计算模式的研究和应用热点。各种各样的云计算产品方便了网络应用，例如AmazonEC2、GoogleAppEngine等。随着云数据中心的蓬勃发展和各类商业云的积极铺开，需求的飞速增长和多样化使得数据中心的规模越来越大、越来越复杂。据统计，Google、微软、拍卖网站eBay、雅虎、Facebook、亚马逊等所拥有的服务器数量均在几十万台。我国2009年各类数据中心和机房的总数量达到519990个，超过70%的服务器安装运行在数据中心。Internet数据中心预计，2012年我国数据中心数量以复合年增长率1.3%达到约540777个左右。40.6%的数据中心服务器数量以20%-50%速度增长。随着数据中心规模的激增，供应系统正常运行的电能和制冷等成本也呈爆炸式增长，由此造成的系统过热现象严重。云数据中心的巨大能耗已经成为一个突出问题。据统计，2006年美国6000个左右的数据中心，消耗了大约610亿千瓦时的电能，总值高达45亿美元，超过了当年美国所有彩色电视机的总能耗。来自美国能源部的数据表明，数据中心的能耗占全美所有能耗的1.5％，并且对电能的需求仍在以每年12％的速度增长。2010年，美国数据中心的耗电量已达1000亿度，占总耗电量的2.5%，中国也达到了2.4%，资源环境问题已成为数据中心发展的瓶颈。然而据统计，数据中心的资源利用率很低，平均只有30%左右，服务器在一天中有很大一部分时间处于闲置(CPU利用率为0)，即使空闲时也会带来满载(CPU利用率为100%)时60%的功耗。尽管云计算被认为是一种绿色计算，但其本身并没有提供成熟的解决方案来评价和降低能耗，仍需要一种高能效方法来切实地实现绿色计算。如何在云端有效地整合资源，合理分配任务，使之既满足业务需求又降低系统功耗便成为云时代的一项新挑战。当前，虚拟化技术已成为云基础设施资源实现按需动态伸缩的重要技术之一[1]，以虚拟机为粒度实现云数据中心的资源按需分配已成为趋势。通过实时迁移虚拟机，数据中心可以将若干负载较低的虚拟机整合到较少物理机上，关闭那些没有虚拟机的物理机，从而实现节能。具体来说，实现虚拟机迁移的动机在于对物理机的实时监测，如果发现过热点（负载过重）或者过冷点（负载过轻），就会触发迁移，平衡热点、关掉过冷点，达到节能的目的。我们将云数据中心从资源预测、触发迁移、待迁虚拟机选择、目的物理机选择的过程称为虚拟机到物理机的放置。文献[2]提出通过预测各节点资源利用率，将资源利用率低的节点中的所有虚拟机迁出然后关机以节省能耗，将资源利用率过高的节点中的部分虚拟机迁出以降低资源利用率和防止形成热点。文献[3]则提出监测资源利用率趋势的预测方法，以避免频繁迁移。这些方法存在预测不够准确导致无谓的迁移，而虚拟机的迁移会增加节点CPU资源的消耗，迁移发生的次数越多，消耗的CPU资源就越多，进而数据中心的电源消耗也越多。另一方面，迁移中的虚拟机将会遭受长时间的服务性能下降。所以在节能问题中有必要减少虚拟机迁移次数的发生。以放置方法的能耗最低为优化目标，当前已有一些启发式求解方法，文献[4]提出了一种改进的蚁群算法，文献[5]提出了基于NSGA-II的遗传算法。上述算法都是基于物理机CPU频率固定的前提。文献[6]面对数据中心电源节约问题，提出采用广泛用于解决装箱问题的降序最先适应（FFD）算法来进行虚拟机整合。他们并没有采取对系统进行实时优化，而引入了两个门限值：RHigh和RLow。只有当物理主机的CPU利用率超过RHigh或者低于RLow，虚拟机才会被迁移。但是这种方法中的门限值为固定值，并不能随应用负载的变化而变化，所以达不到最有效的节能。Li等人[7]提出了在大规模云计算环境中根据能源消耗和应用程序的特性，利用应用程序的调度和虚拟机的实时迁移，将应用程序在尽量少的物理主机上重组。文中提出了一个能量感知方法，可以根据应用事件的到达或离开重组应用程序的位置。但是这种方法没有考虑用户对资源的目标要求SLA。[8,9]中提出的虚拟机资源监控主要针对CPU，根据算法发现出现热点的主机。从该主机上对VM负载进行排序，选取最大的VM进行迁移，考虑了CPU的行为趋势。由于虚拟机的负载会随用户和应用的需求而经常变化，对虚拟机的放置没有考虑资源均衡的目标。由于物理机能耗主要以CPU资源利用率为主，文献[10]发现CPU的利用率和服务器总电量的消耗存在一定的关系。随着CPU的利用率从空闲状态上升到满负载，服务器的电源消耗也成线性增长。文献[11]进一步讨论了CPU能耗和CPU利用率和频率的关系，提出CPU的动态能耗与频率的三次方和利用率成正比。参考文献：[1]张伟,宋莹,阮利等.面向Internet数据中心的资源管理[J].软件学报，2012，23（2）：179-199.[2]KirkB,GautamK,AndrzejK.ApplicationPerformanceManagementinVirtualizedServerEnvironments[C].//SympofNetworkOperationsandManagement.10thIEEE/IFIP,2006:373-381.[3]XuJ,FortesJ.Amulti-objectiveapproachtovirtualmachinemanagementindatacenters[C].//Procofthe8thACMinternationalconferenceonAutonomiccomputing.ACM,2011:225–234.[4]周文俊，曹健.基于预测及蚁群算法的云计算资源调度策略.计算机仿真,2012，29(9):239-242.[5]李强，郝沁汾，肖利民,等.云计算中虚拟机放置的自适应管理与多目标优化.计算机学报，2011，34(12)：2253-2264.[6]S.TakedaandT.Takemura.ARank-basedVMConsolidationMethodforPowerSavinginDatacenters,IPSJTransactionsonAdvancedComputingSystems3(2):138-146(2010).[7]B.Li,J.Li,J.Huai,T.Wo,Q.Li,andL.Zhong.Enacloud:Anenergy-savingapplicationliveplacementapproachforcloudcomputingenvironments,inIEEEInternationalConferenceonCloudComputing.IEEEComputerSociety,2009,pp.17–24.[8]MauroAndreolini,SaraCasolari,Dynamicloadmanagementofvirtualmachinesincloudarchitectures.LectureNotesoftheInstituteforComputerScienc本文档来自技高网...

【技术保护点】
一种基于CPU动态调频技术的数据中心节能方法，其特征在于：所述方法包括虚拟机初始化放置和动态管理两个阶段。

【技术特征摘要】
1.一种基于CPU动态调频技术的数据中心节能方法，其特征在于：所述方法包括虚拟机初始化放置和动态管理两个阶段；所述动态管理即对动态管理阶段的虚拟机放置进行的资源监测和调整策略的方法，主要包括CPU频率调节方法、待迁虚拟机及目的物理机选择，其中，设置双层门限(VHigh，VLow)监测资源利用率具有上升趋势的物理节点，VHigh高于VLow，每隔30s监测各物理节点的资源利用情况，最近n个时刻的资源利用率构成序列，如果资源利用率超过VLow的次数大于设定的次数即np％，p事先设定，则用n阶自回归模型对下一时间值进行预测，第n+1时刻的预测值un+1表示为un+1＝α1u1+α2u2+……+αnun+εn+1--------------------(1)其中αi表示自回归系数，ui表示时刻i的资源利用率，εn+1是满足正态分布的噪声；如果un+1超过VHigh，则判定该物理节点资源利用率会超门限，以此来有效监测资源利用率具有上升趋势的物理节点，这样能够更准确地应对物理节点负载变化；所述虚拟机初始化放置阶段包括如下技术参数(1)单个物理节点的能耗表示为fenergy＝c+k*f3*ucpu-----------------------(2)fenergy表示物理机的瞬时功率，其中c表示物理机静止能耗；f是CPU频率，ucpu是CPU利用率，k是系数，表示CPU的动态能耗与频率的三次方以及CPU的利用率成正比；(2)单个物理节点的资源均衡度表示为其中umem，ubw分别表示物理节点的内存和带宽利用率，从式(3)看出，如果三种资源利用率比较均衡，fbalance的取值也会相应的小；(3)基于式(2)和式(3)，虚拟机初始化放置的目标函数表示为：s.t.ucpu≤usla,umem≤usla,ubw≤usla其中fenergyi表示物理节点i的能耗，fbalancei表示物理节点i的各维资源均衡程度，a、b是权值，表示对能耗和资源均衡两方面的重视程度，目标SLA通过约束fenergy和fbalance中的各维资源利用率体现，usla表示物理节点资源利用率的...

【专利技术属性】
技术研发人员：刘真，向勇潮，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：