兼顧能耗與訪問延遲優(yōu)化的云計算數(shù)據(jù)中心虛擬機分配研究.pdf

1、近年來，隨著互聯(lián)網(wǎng)技術的快速發(fā)展，云計算作為一種按需分配計算資源與存儲資源的新興商業(yè)化模式被廣泛應用于IT企業(yè)方案中。隨著云計算被廣泛應用于IT企業(yè)方案中，云計算數(shù)據(jù)中心的規(guī)模越來越大。面對大規(guī)模的數(shù)據(jù)中心，云服務提供商面臨著兩個挑戰(zhàn)。如何進行虛擬機分配以便于1）降低數(shù)據(jù)中心的能耗;2）提高服務質(zhì)量（如:減少數(shù)據(jù)訪問延遲）以滿足用戶需求。以往對數(shù)據(jù)中心虛擬機分配的研究往往只關注二者之一。值得注意的是，這兩個目標在有些情況下是互斥的，僅僅

2、把已有工作中的虛擬機分配方法合并不能有效的同時優(yōu)化能耗和數(shù)據(jù)訪問延遲。這種情況下，本文提出一種同時優(yōu)化兩個目標的虛擬機分配策略，以便于更好的滿足云服務提供商的需求。因此，本文的主要研究內(nèi)容是如何有效分配數(shù)據(jù)中心的虛擬機，以兼顧降低數(shù)據(jù)中心計算節(jié)點（即物理機或服務器）的總能耗和最大數(shù)據(jù)訪問延遲。
　　本文首先形式化兼顧能耗與數(shù)據(jù)訪問延遲優(yōu)化的云計算數(shù)據(jù)中心虛擬機分配問題，將能耗和最大數(shù)據(jù)訪問延遲轉化為一個目標評估值。按照由淺入深的研

3、究思路，本文首先研究靜態(tài)環(huán)境下的虛擬機分配，這種情況下只考慮固定時刻的虛擬機分配，一次性將虛擬機分配完成。針對靜態(tài)環(huán)境下的虛擬機分配，根據(jù)節(jié)點的候選集，提出了一種基于節(jié)點實際能力的迭代貪心算法(Real Capacity-Based Iterator Greedy Algorithm，RCG)。RCG算法首先設定最大數(shù)據(jù)訪問延遲約束閾值，根據(jù)計算節(jié)點的實際資源量，在滿足數(shù)據(jù)訪問延遲約束的情況下，尋找最小化計算節(jié)點數(shù)目的分配策略。然后不斷

4、減小閾值，迭代執(zhí)行上述過程，直到當前約束閾值下不存在一種有效的分配策略。在迭代過程中，保存評估值最小的分配策略。
　　基于靜態(tài)環(huán)境下的虛擬機分配研究，本文進一步研究了更加貼近實際的動態(tài)環(huán)境下的虛擬機整合，這種情況下隨著任務的不斷到達和離開，系統(tǒng)不斷分配和回收虛擬機。本文在RCG算法的基礎之上，針對動態(tài)環(huán)境下的虛擬機整合提出了基于多智能體協(xié)商的虛擬機整合算法(Multi-agent Negotiation-Based Resourc

5、e Consolidation Algorithm，MAC)。MAC算法為每個計算節(jié)點分配一個智能體。智能體具備一些可以促進協(xié)商（合作）進行的性質(zhì)。智能體根據(jù)自身的資源利用率和當前的最大訪問延遲與其他智能體進行協(xié)商遷移虛擬機。如果智能體檢測到當前自身分配的虛擬機產(chǎn)生的數(shù)據(jù)訪問延遲等于最大數(shù)據(jù)訪問延遲，就向其他智能體發(fā)出遷移虛擬機的請求。智能體通過判斷執(zhí)行虛擬機遷移策略之后，根據(jù)目標評估值的值變化情況，決定是否繼續(xù)執(zhí)行協(xié)商過程。接著本文通

6、過分析算法的時間復雜度來證明MAC算法的收斂性。
　　最后，本文通過模擬實驗驗證算法的有效性。針對靜態(tài)環(huán)境下的情形，實驗表明，RCG算法的能耗、最大數(shù)據(jù)訪問延遲以及評估值均接近優(yōu)化工具求解方法(Optimization Software-Based Method，OS)，且均優(yōu)于其他對比方法。針對動態(tài)環(huán)境下的情形，實驗表明，MAC算法產(chǎn)生的能耗和評估值均優(yōu)于其他對比方法，數(shù)據(jù)訪問延遲比動態(tài)重分配算法(Dynamic Realloc