負(fù)載感知的虛擬機(jī)初始化放置和遷移時機(jī)判決機(jī)制的研究.pdf

1、數(shù)據(jù)中心是云計算中數(shù)據(jù)運算、交換、存儲的中心。近年來以虛擬機(jī)為粒度的虛擬機(jī)放置管理成為云數(shù)據(jù)中心能耗管理、實現(xiàn)動態(tài)可伸縮提供的重要支撐技術(shù)。在虛擬機(jī)初始化放置階段，虛擬機(jī)的放置主要是基于當(dāng)前數(shù)據(jù)中心負(fù)載的大小，采取相應(yīng)的貪心或啟發(fā)式的初始化放置策略。缺乏對數(shù)據(jù)中心負(fù)載類型的考慮，難以做到資源均衡利用。在虛擬機(jī)放置的動態(tài)管理階段，虛擬機(jī)遷移觸發(fā)機(jī)制主要是根據(jù)物理主機(jī)中資源利用率的變化情況，決定是否需要將虛擬機(jī)遷移到其它主機(jī)。遷移時機(jī)判決的

2、準(zhǔn)確能夠有效地平衡過熱點，關(guān)掉過冷點。當(dāng)前虛擬機(jī)遷移時機(jī)的判決缺乏對整個數(shù)據(jù)中心負(fù)載變化行為趨勢的反映，也因為靜態(tài)的閾值設(shè)定容易發(fā)生頻繁的遷移造成不必要的遷移代價和傳輸開銷。
　　針對上述問題，論文開展以下三方面的研究工作:
　　(1)本文在初始化放置階段針對不同的負(fù)載類型，提出了負(fù)載感知的虛擬機(jī)歸并放置算法WAM。與已有算法不同，該算法針對不同類型的負(fù)載進(jìn)行分類，實現(xiàn)虛擬機(jī)初始化放置的歸并裝箱策略。比較了WAM與BFD、R

3、R等算法在初始化放置下的數(shù)據(jù)中心耗能、物理機(jī)的使用數(shù)量以及資源均衡度。實驗表明，WAM算法有效的節(jié)約電源消耗，均衡負(fù)載，減少了物理機(jī)的使用數(shù)量。
　　(2)針對虛擬機(jī)的遷移時機(jī)，提出了基于閾值滑動窗口機(jī)制的虛擬機(jī)遷移判決算法(iWnd)，與已有算法不同，iWnd能夠根據(jù)整個數(shù)據(jù)中心任務(wù)量的多少動態(tài)調(diào)整高低閾值間窗口的大小，減少了任務(wù)量滿負(fù)荷時期需要遷移虛擬機(jī)的數(shù)量，從而避免了不必要的遷移開銷和傳輸代價，實現(xiàn)有效地節(jié)能。實驗表明，提

4、出的iWnd算法在減少虛擬機(jī)遷移數(shù)量，降低遷移失敗率上有良好的效果，而且并未產(chǎn)生大量額外的能耗。
　　(3)為了解決初始化放置和動態(tài)管理兩階段工作的有效關(guān)聯(lián)問題，本文結(jié)合WAM和iWnd算法，提出了負(fù)載類型感知的虛擬機(jī)遷移判決機(jī)制(WAM_iWnd)，分析了在初始化放置階段依據(jù)虛擬機(jī)類型進(jìn)行放置后對遷移時機(jī)的影響。實驗結(jié)果表明，采用WAM_iWnd算法與不采用WAM_iWnd算法相比，在保證數(shù)據(jù)中心負(fù)載均衡的同時并未產(chǎn)生額外的能耗