網(wǎng)絡感知的虛擬計算環(huán)境任務遷移問題研究.pdf

1、虛擬化技術作為云計算的底層技術支持,將海量的第三方應用打包成虛擬機,并使得虛擬機能夠在服務器上得到整合或重新部署以節(jié)省數(shù)據(jù)中心開銷?，F(xiàn)有的虛擬機遷移的研究很少考慮網(wǎng)絡開銷。研究已表明應用層虛擬機之間的通信關聯(lián)在數(shù)據(jù)中心網(wǎng)絡通信流量中占有很重要的比重;虛擬機遷移也會帶來數(shù)據(jù)遷移的開銷,增加網(wǎng)絡開銷。本文從網(wǎng)絡開銷的角度去考慮過載虛擬機的遷移問題,考慮虛擬機之間的多層通信關聯(lián)和底層物理機之間的拓撲關系,從虛擬機靜態(tài)遷移和動態(tài)遷移兩個角度去分

2、析它們的區(qū)別并求解,在減小虛擬機的網(wǎng)絡通信開銷和遷移開銷之間取得一個平衡。
　　數(shù)據(jù)中心中虛擬機的遷移可以分為靜態(tài)遷移和動態(tài)遷移。對于靜態(tài)遷移,虛擬機在服務器上的部署持續(xù)很長時間,可能幾個月或者幾年。事實上,網(wǎng)絡管理員不愿意自動遷移虛擬機,他們更傾向于靜態(tài)整合的方式,在部署生效之前評估最優(yōu)的遷移策略人工進行遷移:所以群體智能算法對通過反復迭代找到一個近似最優(yōu)解的特性,可以作為靜態(tài)遷移的理想解決方案。本文中,我們將遺傳算法和蜂群算法

3、應用到靜態(tài)遷移問題,來最小化虛擬機遷移的網(wǎng)絡開銷。實驗結果表明遺傳算法在問題規(guī)模較小時具有最優(yōu)的網(wǎng)絡開銷,隨著問題規(guī)模增大,蜂群算法的優(yōu)勢逐漸體現(xiàn)出來;同時蜂群算法的執(zhí)行時間相比遺傳算法有很大的優(yōu)勢,幾乎是遺傳算法執(zhí)行時間的一半。據(jù)我們了解,我們是第一個用蜂群算法來解決虛擬機遷移問題的。
　　虛擬機動態(tài)遷移持續(xù)時間較短,對于虛擬機的動態(tài)遷移,管理員可以根據(jù)數(shù)據(jù)中心中負載的變化,遷移其中一個或者幾個虛擬機。對于網(wǎng)絡感知的虛擬機動態(tài)遷

4、移,我們一步步地提出了三種改進的啟發(fā)式算法:LM、nCaM和nCaM2算法。LM算法最小化每一次虛擬機遷移的網(wǎng)絡開銷;mCaM算法從平衡每次遷移的網(wǎng)絡通信收益和遷移開銷的角度為每次虛擬機遷移選擇目標主機;mCaM2作為一個兩步的優(yōu)化算法,虛擬機選擇目標主機時根據(jù)最小化通信開銷收益來選擇,在選擇遷移哪個虛擬機時加入遷移開銷的考慮,保證在不同階段分別對通信開銷和遷移開銷的優(yōu)化。通過與以前的虛擬機遷移算法做性能比較,實驗結果表明,我們的動態(tài)算