云计算环境下面向能耗降低虚拟机管理模型.docVIP

云计算环境下面向能耗降低虚拟机管理模型 　　摘要：该文提出一种云计算环境下面向能耗降低的虚拟机管理模型，用于解决集中管理方法管理云数据中出现的高能耗、扩展性差、虚拟机迁移数量多的问题。本文方法分为两部分：本地管理和全局管理，该模型综合了本地管理和全局管理的优点，实验结果表明，该模型达到了减少虚拟机迁移的数量及提高了系统的服务质量，进一步降低管理云数据的能耗 关键词：云计算；虚拟机；节能；本地管理；全局管理 中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2017）01-0222-02 1 引言 云计算[1-2]方便网络应用的同时面临严重的能耗问题。针对这个问题，虚拟化[3-4]应运而生。虚拟化使多个虚拟机实例同时运行在一台物理机上，以减少电源消耗 目前，集中式管理方法常用于整合虚拟机。文献[5]采用类似装箱问题中的启发式方法降低能耗的同时保证系统性能。文献[6-7]采用不同的方法重组虚拟机用以降低能耗 采用集中式管理方法虽然在一定程度上能够降低能耗，但是仍存在一些问题。（1）该方法重组虚拟机时需要消耗大量的资源，因此消耗的电能也越多。迁移虚拟机的过程中，其服务性能在一定程度上会降低，因此减少管理过程中的虚拟机迁移次数是必要的。（2）集中管理方法只适用较小规模的集群，很难管理大规模云计算系统。针对以上所存问题，为了实现降低能耗的目的，本文提出一种云计算环境下面向能耗降低的虚拟机管理模型 2 分布式管理虚拟机模型 文献[8]研究服务器总电耗与CPU利用率之间的关系，即随着CPU的利用率从0到100%，服务器的总电耗呈线性增长，如公式（1）所示 其中，指预计的电耗；和分别指服务器空闲时的电耗和当服务器满负载时的电耗；代表当前CPU的利用率。一个物理节点的总能耗E定义为一段时间内电耗的函数积分，如公式（2）所示： 由于服务器的能耗取决于CPU的利用率。因此，通过提高物理节点CPU的利用率可减少电耗 2.1 分布式管理结构 分布式管理方法中，本地管理持续监控本地节点CPU利用率，全局管理收集本地的节点信息，选择最佳节点接收需要迁移的虚拟机。分布式管理结构如图1所示 为了提高节点CPU的利用率，系统设置了一个低门限值。若低于该门限值，迁移该节点上的所有虚拟机，然后关闭该节点以达到节能的目的。另一方面，系统设置一个高门限值，若高于该值，迁移一定数量的虚拟机，用于提高系统服务质量 分布式管理策略是监控分布在节点上的本地管理对其的CPU利用率。若在设定的门限值内，则虚拟机不发生迁移。若某节点超过设定的阈值，即处于异常状态，系统则做出以下反应：（1）从异常节点上选择迁移虚拟机；（2）选取其他物理节点接受（1）中迁移出的虚拟机。以下?论上述两方面 （1）虚拟机的选择 本地管理首先从监控器捕捉到的异常节点进行虚拟机的迁移。通常会选择一个或多个虚拟机迁移出去，以消除异常现象。迁移分为一下两种情况：1）CPU利用率过高引起异常现象，本地迁移若干个虚拟机，迁移节点虚拟机的数量因具体情况而定。迁移的过程中首先CPU利用率按倒序排列，然后正序进行迁移。依此类推，直到该节点异常现象消除，则停止迁移。若因节点CPU利用率过低引起的异常现象，为了达到节能的目的，本地管理将该节点上的所有虚拟机迁移到其他节点并关闭该节点 （2）物理节点的选择 全局管理模型首先预判断待迁移的虚拟机，判断是否存在物理节点接受该虚拟机后不出现异常现象。若存在，全局管理进而对该节点进行电耗评估，即计算这些节点接收虚拟机先后的电耗之差，选择最小电耗差的物理节点接收待迁移虚拟机。若没有满足条件的物理节点则不进行迁移 3 仿真实验与分析 本文选择Cloudsim[9]平台作为仿真工具，该平台能够模拟大规模云计算数据中心的集群环境。Cloudsim平台对比集中管理方法和分布式管理方法，设置四组实验：实验1：物理节点数30，虚拟节点数90；实验2：物理节点数100，虚拟节点数300；实验3：物理节点数300，虚拟节点数900；实验4：物理节点数1000，虚拟节点数3000 上述各规模的物理节点CPU配置均为3000MHz，内存为8GB，存储和带宽分别为1000GB和100Mb/s。虚拟机CPU的配置均为500MHz，内存为1GB，存储和带宽分别为100GB和25Mb/s。实验结果表明，虚拟机迁移过程中，由于需要迁移虚拟机，其CPU利用率增加了10% 本文实验是分布式管理模型再不同门限值的情况下进行的。实验结果表明，当系统性能最佳时的高门限值为80%，低门限值为20%（限于篇幅，不罗列这部分实验结果）。因此，以下实验结果均是在该设置下完成的 集群规模是物理节点数与虚拟机数之比