云环境下基于改进遗传算法的虚拟机调度策略.docVIP

云环境下基于改进遗传算法的虚拟机调度策略 摘 要： 针对云环境下服务器内部多种资源间分配不均衡问题，提出了一种多维资源协同聚合的虚拟机调度算法MCCA。该算法在分组遗传算法的基础上，采用模糊逻辑及基于资源利用率多维方差的控制参量，设计适应度函数指导搜索解空间。算法使用基于轮盘赌法的选择方法，并对交叉和变异等进行了优化，以实现快速有效地获取近似最优解。在CloudSim环境下进行了仿真，实验结果表明该算法对均衡多维资源分配和提高资源综合利用率具有一定的优势。 关键词：云计算；虚拟机；多维均衡；分组遗传算法 中图分类号： TP301 文献标志码：A Virtual machine deployment strategy based on improved genetic algorithm in cloud computing environment Abstract： Aiming at improving the resource utilization of data center by balanced usage of multiple resources， a scheduling algorithm based on group genetic algorithm for multi-dimensional resources coordination was proposed to solve the virtual machine deployment problem. To guide the solution searching， a fuzzy logic based multi-dimensional fitness function was raised. Meanwhile， innovative optimization of crossover and mutation was put forward to improve the solution quality. The results of simulation in CloudSim environment prove that using the proposed algorithm can obtain better multi-dimensional resources performance and higher resource utilization rate. Key words： cloud computing；virtual machine；multi-dimensional balancing；group genetic algorithm 0 引言 随着信息技术和网络应用的快速发展，云计算作为一种全新的计算模式，已越来越受到工业界和学术界的关注，有代表性的云计算实例有Amazon的弹性云、IBM蓝云、Google的云计算等。各云计算服务提供商为了提高综合竞争力，不断通过资源的调度整合来提高资源的利用率。虚拟机调度作为云计算资源配置中的关键技术之一，通过以虚拟机为封装单元，将虚拟机映射到物理机器上来实现应用的负载均衡。由于虚拟机对资源的需求是多元且不同的，分别对应着不同维度的资源类型，如CPU、内存、I/O和网络带宽等，为了获得资源利用的最大化，可将该问题描述为多维向量装箱问题[1]。由于问题的NP-hard性质[2]，需要找到一个近似最优解，以实现资源的高效均衡分配。 很多学者针对装箱问题及其变体展开了大量的研究。文献[3]通过随机装箱优化来处理虚拟化数据中心节点的整合，但只考虑了CPU的资源，没有处理多维资源的约束；文献[4]采用多维资源间的最大最小公平原则来提高云环境下系统资源的综合利用率；文献[5]以最小化服务器数量为优化目标，涵盖了多维资源间的约束条件，提出了一种面向多维资源配置的通用数学模型。通过分析发现，现有的大多数研究要么只考虑了单约束条件下的问题，或是简单地将单维资源约束扩充为多维资源约束，没有体现多维资源间的共存和依赖关系，因而不能通过多维资源的协同聚合来提高资源的综合利用率。本文在分组遗传算法的基础上，提出了一种多维资源协同聚合的虚拟机调度算法MCCA，通过引入基因评估参数来衡量服务器资源的综合利用率，设计“最大—最小”加权模糊逻辑真值传递策略的适应度函数来促进算法快速有效地收敛。另外，为了获得算法的近似最优解，在选择和变异操作中进行了优化。最后通过云仿真计算器CloudSim[6]进行了仿真，仿真结果表明本文算法均衡了服务器资源的分配，减少了隐性资源浪费现象，提高了资源的综合利用率。 1 调度算法模型 假设有n个虚拟机调度请求，定义为N VMi|1≤i≤n ，另有m台可用的物理服务器，定义为M