【技术实现步骤摘要】
本专利技术涉及云计算领域,具体是一种基于在云数据中心结合粒子群算法以节能为目标的虚拟机放置方法。
技术介绍
高能耗是云数据中心资源管理面临的一大挑战,随着数据中心规模的不断扩大,高能耗问题更加突出。例如,Google数据中心产生的能耗相当于一个小型城市的总能耗。数据中心的高能耗不仅造成电能的浪费,系统运行的不稳定,同时对环境也造成不良的影响。造成云数据中心高能耗的主要原因有两个方面:一方面是随着用户数量的增加,数据中心基础设施建设大幅度增加,另一方面是系统资源分配不合理。研究高效的系统资源分配方法,可减少云数据中心的系统能耗,并使资源利用朝可持续方向发展。研究虚拟机的放置方法,定义虚拟机和物理结点之间的映射关系对云数据中心中资源的合理分配具有至关重要的作用,同时对系统的能耗、性能和资源利用率也产生重要的影响。虚拟机放置问题可以描述为向量装箱问题:装入的物品是运行中的虚拟机,箱子为物理结点,虚拟机的资源需求和物理结点的资源数量分别表示物品和箱子的大小。虚拟机和物理结点的资源包括CPU、内存、带宽、磁盘等,资源的种类即向量的维度。对于Μ个物理结点,Ν个虚拟机的云数据中心,将虚拟机部署到物理结点的解空间为ΜΝ,属于NP-hard问题。对此问题由于没有多项式最优解算法,通常采用基于贪心算法的启发式算法得到最优或次优解。目前以节能为目标放置虚拟机时,使用的能效模型大多是基于CPU—种系统资源。一些文献中指出服务器能耗与CPU利用率呈近似线性关系,当服务器处于空闲状态时也会消耗其处于顶峰负载时70%左右的电力。Beloglazov等基于此能效模型提出了一种高 ...
【技术保护点】
一种云数据中心基于多资源的高能效虚拟机放置方法,其特征在于,包括以下步骤:101、获取云数据中心中多资源种类数量d,云数据中心物理节点的数量n及实际利用率并设定能效最佳利用率其中表示物理结点i上第j种资源的实际利用率,表示物理结点i上第j种资源的能效最佳利用率,建立多资源能效模型,如式(1)所示:δ=Σi=1nΣj=1d(uji-ubestji)2---(1);102、随机生成N个虚拟机请求序列,采用首次适应First?Fit算法得到N种虚拟机的初始放置序列,即N个粒子,从而构成初始种群;103、根据步骤101中得到的多资源能效模型,构建粒子的适应度函数f(δ),并根据粒子群优化算法计算出适应度f(δ)、局部最优解及全局最优解,得出粒子的新位置;104、根据步骤103中得到的粒子新位置,判断是否满足及ΣjrjCPU*xhj≤chCPU,ΣjrjRAM*xhj≤chRAM,ΣjrjBW*xhj≤chBW,ΣjrjDISK*xhj≤chDISK---(5)式(4)中的表示虚拟机j是否 ...
【技术特征摘要】
1.一种云数据中心基于多资源的高能效虚拟机放置方法,其特征在于,包括以下步骤:101、获取云数据中心中多资源种类数量d,云数据中心物理节点的数量η及实际利用率4,并设定能效最佳利用率,其中〃表示物理结点i上第j种资源的实际利用率,表示物理结点i上第j种资源的能效最佳利用率,建立多资源能效模型,如式(...
【专利技术属性】
技术研发人员:李鸿健,崔晟圆,唐红,豆育升,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。