虚拟化云计算数据中心能量感知资源分配机制.docVIP

虚拟化云计算数据中心能量感知资源分配机制 　　摘要：针对云计算的资源管理问题，提出了云计算数据中心的能量模型以及四个虚拟机放置算法首先计算每个机架上主机的负载并根据设定的阈值进行归类，然后采用最少迁移策略从主机上选择合适迁移的虚拟机并且接受新的虚拟机分配请求，对每个虚拟机与主机集合进行匹配，选择最优化的主机进行放置实验结果表明，与现有的能量感知资源分配方法相比，该方法在主机、网络设备以及冷却系统方面能量利用率分别提高了2.4%，18.5%和281%，总的能量利用率平均提高了14.5% 关键词：云计算； 虚拟机放置； 数据中心； 阈值； 能量利用率； 能量感知 中图分类号： TP393.02 文献标志码：A 0引言 近年来，云计算受到学术界和工业界的广泛关注通过云计算，只需计算和存储能力十分有限的终端设备就可随时随地获得近乎无限的计算能力到目前为止，云计算服务可以分为三大类：基础设施即服务（Infrastructure as a Service，IaaS）、平台即服务（Platform as a Service， PaaS）和软件即服务（Software as a Service， SaaS）随着云服务的增长，国内外很多公司，比如Microsoft、Google、IBM等都扩展了它们的数据中心规模，然而单纯扩大集群规模会带来更高的能量开销 最近几年，为了提高虚拟云计算数据中心的能量利用效率，研究者在节能资源管理方面做了大量的工作[1-3]，同时虚拟化已经成为了一种重要的云计算节能技术[4]该技术的思想是把主机虚拟化成虚拟机，之后把虚拟机部署在最小数量的物理机器上，同时处在运行状态的物理机器保持资源利用率最大化 文献[5]基于轮转调度算法，提出了动态轮转调度算法，它是轮转调度算法的一种扩展当某个主机上的虚拟机完成了任务，就等待设定的阈值，超过该阈值就迁移主机上的虚拟机文献[6]改进了装箱算法，为了避免不合理的虚拟机迁移，给主机资源利用率设定一个阈值当主机的资源利用率低于设定的阈值时，主机上的虚拟机才被迁移至其他主机上，同时关闭该主机该算法不足之处是没有考虑频繁迁移带来的成本和主机资源利用率过高而带来可能的服务等级合约（Service Level Agreement， SLA）冲突 文献[7]首先找出适合迁移的虚拟机，然后把该虚拟机迁移到有足够资源且最优化的主机上根据动态迁移[8]，把数据从源主机拷贝至目标主机占用80%的迁移时间这个过程CPU和网络使用最频繁，因此消耗的能量最多为了降低虚拟机迁移成本，选择内存比较小且CPU剩余量比较大的主机进行迁移 Beloglazov等[9]研究了云计算数据中心节能框架和资源分配策略，提出了改进的最好适应算法（Modification Best Fit Decreasing，MBFD）通过设定主机的CPU利用率阈值来确定需要迁移的虚拟机相对以前的算法，该算法在提高资源利用率的同时兼顾了服务质量（Quality of Service，QoS），更加节能 现阶段大多数研究仅考虑了主机的能量消耗，一个典型的云计算数据中心的能量开销应该包括主机、网络以及冷却系统本文提出的算法中同时考虑了主机、网络设备以及冷却系统的能量开销，把虚拟机放置到最小数量的主机上，通过关闭空闲的主机、网络设备以及冷却系统来达到节能的目的 本文首先基于MBFD[9]提出了改进最好适应递减算法（Improved Modification of the Best Fit Decreasing， IMBFD）之后提出了三种基于机架的虚拟机放置算法：机架首次适应递减虚拟机放置算法（Rack First Fit Decreasing， RFFD）、阈值内机架虚拟机放置算法（NoneUnderutilized Rack， NUR）和迁移低于阈值下限机架虚拟机放置算法（Migrate Underutilized Racks，MUR）所做的工作主要如下： 1）在由支架、冷却系统以及网络拓扑组成的传统虚拟云计算中心中，评估了本文提出的虚拟机放置算法 2）把新请求的和需要迁移的虚拟机组合在一起统一进行放置，同时确保运行的主机的数量最小化 3）在放置算法中，除了主机，还考虑了机架的负载，这样可以提高网络和冷却系统的能量利用率 4）动态监测，把资源利用率过低的机架上的虚拟机迁移至其他的机架上，然后关闭负载过低机架上的物理主机 1虚拟化云计算数据中心系统模型 本章首先介绍云计算数据中心的结构，然后提出能量模型，该结构主要由主机、冷却系统和网络交换机组成 1.1云计算数据中心结构 一个典型的云计算数据中心一般由网络交换机、冷却系统、机架和主机组成图1表