基于网络感知两阶段虚拟机分配算法.docVIP

基于网络感知两阶段虚拟机分配算法 　　摘要：提出了一种基于网络感知的两阶段虚拟机分配算法（NWTP）。首先，针对现代数据中心网络拓扑的随机性（树形、服务器和光纤混合），根据交互对象的不同，将虚拟机的带宽请求分为网内带宽和网间带宽两种。其次，将虚拟机的分配过程分解成带宽区域划分和物理主机分配两个彼此连续的阶段，建立网络感知模型。然后，利用流水线技术将带宽区域划分和物理主机分配看作两个连续的工序，并发进行分配处理。在带宽区域划分环节，利用节点介数和聚集系数动态感知物理主机的稳定性，通过差异化的分配策略为虚拟机子集选择合适的物理主机区域。在物理主机分配环节，将更多的虚拟机分配到负载方差最大的物理主机上，提高虚拟机网内带宽的节约度，均衡物理主机的资源负载。最后，对NWTP，遗传GA，模拟退火SA，贪婪GR四种算法进行大量的仿真实验，从分配时间、延迟、吞吐率、CPU利用率、带宽利用率和物理主机使用情况六个方面验证了NWTP算法的性能。 　　关键词：流水线技术；数据中心；云计算；网络感知；虚拟机分配 　　中图分类号：TP391 文献标识码：A 　　数据中心是成百上千台物理主机、存储通过网络设备彼此互连，利用互联网向社会提供计算和服务的场所。传统的数据中心存在租用成本高、地域限制等缺陷，仅能为大型企业和政府机构提供计算或存储服务。随着云计算的不断发展和演变，按需付费的商业模式和虚拟机技术给传统数据中心带来了前所未有的机遇。传统数据中心与云计算结合的“云数据中心”应运而生。用户能够通过按需付费的模式，利用Internet轻松租用各种不同类型的虚拟机，进行复杂计算，并支付相应的费用。“云数据中心”已经由奢侈服务转向了大众服务，给社会发展提供了强大的动力。 　　云数据中心内，虚拟机的分配和调度是一个长期的挑战，是影响数据中心性能的关键。好的虚拟机分配策略能够提高底层物理资源的利用率，降低成本，增加收益，给用户带来良好的体验和帮助。反之，则可能增加数据中心运营成本，甚至导致整个数据中心的崩溃。在云数据中心中，所有的虚拟机共享底层物理主机资源。因此，虚拟机分配的核心目标就是提高底层物理资源的利用率，增加收益，利用有限的资源向更多用户提供高效稳定的服务。在各种服务中，无论是计算服务、存储服务、容灾备份服务，都需要充足的网络带宽的保障。网络是云数据中心的核心资源，是连接用户和其他资源的桥梁。在云数据中心内，所有的物理资源（物理主机、存储等）通过网络设备彼此相连，共同组成了网络拓扑。在网络拓扑中，一台物理主机通过网络链路与多台设备进行连接。网络带宽是衡量物理设备间链路能力强弱的标准，是物理设备通信能力的表示。数据中心内，网络带宽大小非常有限。因此，充分利用网络资源，提高网络带宽利用率，是虚拟机分配的重中之重。 　　近年来数据中心的虚拟机分配问题已经被广泛研究，并取得了较好的成果。成果主要分为物理资源优化、能耗优化和带宽优化三个方面。①大多数学者将研究重点集中于物理资源（CPU、内存和存储）的分配，通过提高物理资源的利用率，增加数据中心的收益。Sindelar等人根据多个虚拟机共享底层物理主机内存资源的特性，提出了一种内存共享感知的虚拟机分配算法，通过建立层次树和聚类树结构存储虚拟机间相同的内存内容，避免相同内容的反复存储，提升内存资源的利用率。文献中提出了Best-fit和Worst-fit两种分配策略，最大化底层物理资源的利用率。文献利用多目标思想同时考虑资源利用率和多维资源负载，进一步优化了物理资源的分配。以上工作都将目标着眼于物理主机资源，对网络带宽的研究较少。②部分学者试图在虚拟机分配过程中进行能源优化。文献通过遗传算法和启发式算法，在考虑能源优化的同时进行虚拟机的分配，降低了底层物理主机的使用数量，节约了能耗。然而，能耗优化工作大多尝试着减少物理主机的使用数量，并未考虑网络带宽的性能。③此外，也有部分学者开始考虑网络带宽资源的分配。RWang等人通过观察网络带宽的峰值变化，提出了一种基于带宽估计的网络感知虚拟机分配算法，利用经验估计优化带宽分配。Y Zhao等人将网络拓扑和虚拟机分配结合，建立混合整数规划模型，利用拉格朗日松弛分解进行虚拟机和带宽分配，提升了带宽的利用率。然而，这些工作仅仅考虑了网络带宽的分配，并未对物理资源的分配做过多的研究。 　　针对目前带宽分配研究不够深入的现状，结合网络带宽在虚拟机分配中的关键作用，同时优化带宽分配和物理资源分配成为了本文的动机。首先，本文根据数据中心带宽作用对象，将网络带宽分为网内带宽和网间带宽两种。其次，介绍了网络感知的相关知识，分析了云数据中心内网络拓扑结构的随机特性，利用节点介数和聚集系数来感知网络拓扑中网络元素的重要性。然后，通过分配资源的不同将整个分配过程分解为带宽区域划分和物理