基于贪心算法的云数据中心虚拟机迁移方案
来源:用户上传
作者:
摘 要：大数据中心是现代信息技术发展所取得的重要成果，现代社会随着网络带宽和通信流量成本的降低，各类电信服务商能够为用户提供更多更好的信息服务。尤其是众多的云服务提供商依托于云计算技术建立起了自己的云计算大数据中心，云数据中心不仅能够实现大量数据计算，同时也能够为用户通过良好的存储服务。云数据中心日益庞大的同时也带来了极大的能源负担，为降低云数据中心的能源消耗，文章提出了几种基于贪心算法的虚拟机迁移方案。
关键词：云数据中心;贪心算法;虚拟机迁移
中图分类号：TP308 文献标志码：A 文章编号：2095-2945（2020）17-0133-02
Abstract： Big data center is an important achievement in the development of modern information technology. In modern society， with the reduction of network bandwidth and communication traffic costs， all kinds of telecom service providers can provide users with more and better information services. In particular， many cloud service providers have established their own cloud computing big data centers based on cloud computing technology. Cloud data centers can not only achieve a large number of data computing， but also provide good storage services for users. The growing size of the cloud data center also brings a great energy burden. In order to reduce the energy consumption of the cloud data center， this paper proposes several virtual machine migration schemes based on greedy algorithm.
Keywords： cloud data center; greedy algorithm; virtual machine migration
前言
現今国内各大互联网技术公司都建立起了独自的云数据中心，用以为用户提供高性能的云服务，随着计算服务需求的不断增加云数据中心在逐步扩大的同时也带来了极大的能源消耗。为了降低云数据中心的能源消耗，提高云数据中心的运行效率可以采用基于贪心算法的云数据中心虚拟机迁移策略，通过物理主机检测、虚拟选择和虚拟放置三个阶段用以完成云数据中心数据处理的迁移。
1 云数据中心虚拟机迁移策略特点
云数据中心迁移能够降低云数据中心的能源消耗，实现云数据中心的绿色可持续发展。现今对于云数据中心所采用的虚拟机动态迁移策略主要有以下几类：（1）仅仅采用虚拟机进行迁移而未采用智能算法对虚拟机迁移过程进行优化。（2）在使用虚拟机对云数据中心进行虚拟机动态迁移的过程中使用相关的智能算法对其进行优化，从而使得相关迁移工作能够取得良好的效果。通过实际应用后发现，采用第一类迁移策略能够降低近1/4的能源消耗。采用第二类迁移策略能够降低近1/3的能源消耗，智能贪心算法对于迁移策略的优化将不仅仅考虑到影响迁移的硬件因素，同时还考虑到了网速、带宽和软件因素，其通过多种因素的结合能够取得良好的迁移效果。智能贪心算法不仅能够应用于多个云数据中心的迁移方案同时还能够应用于同一云数据中心中物理节点之间的迁移。本文所介绍的云数据中心迁移贪心算法将结合Cloudsim云计算模拟器迁移策略的特点，在虚拟机迁移的虚拟机选择和虚拟机放置等环节中通过应用最小/大主机使用效率选择配置算法实现对于云数据中心现有物理计算能力的调配优化，提高迁移的效率和可靠性。在云数据中心虚拟机迁移中应用贪心算法不仅能够有效降低迁移次数，同时使用贪心算法完成云数据中心的虚拟机迁移后云数据中心的能耗也将大幅降低。
2 基于贪心算法的云数据中心虚拟机迁移策略
本策略在云数据中心虚拟机迁移上同样采用云数据中心物理主机状态检测、迁移虚拟机选择和迁移虚拟机放置三个阶段作为整个云数据中心虚拟机迁移的流程。本文所介绍的贪心算法结合了Cloudsim的优点，因此应用于Cloudsim中的相关检测技术可以直接应用，其中应用于物理主机检测的技术有以下几种：（1）局部归约检测。（2）鲁棒局部归约检测。（3）绝对中位差检测。（4）物理主机静态资源使用效率检测。（5）四分位数区间检测。应用于第二环节的虚拟机选择的方法有：最大关联选择、最小迁移时间、资源占用最小、随机选择等几种。而在最后一个虚拟机放置环节中需要考虑的最主要的因素为活动物理主机的数量，这是由于活动物理主机的数量不仅决定着云计算物理主机的计算效率同时也决定着物理主机的能耗。除了考虑云数据中心活动物理主机的数量外另一个需要考虑的因素为物理主机的能源消耗率和超负荷物理主机的数量。虚拟机放置是云数据中心虚拟机迁移中虽重要的一环，其需要考虑的因素众多，如果将云数据中心迁移所使用的虚拟机看做计算资源的化，虚拟机放置则可以看做为“装箱问题”，如何在最小的物理主机使用量的基础上完成虚拟机迁移工作将能够最大限度地降低云数据中心的能耗。Cloudsim方案中仅仅以降低活动物理主机数量为切入点并采用经典“装箱方法”用以作为云数据中心虚拟机放置方案存在一定的缺陷。基于贪心算法的云数据中心虚拟机迁移策略结合了Cloudsim的优点并克服了其在虚拟机选择和虚拟机放置中所存在的不足，在Cloudsim的基础上对其进行了一定的改进与优化，从而使得各项性能指标得到了较大的提升。基于贪心算法的云数据中心虚拟机迁移策略有以下几种：最小主机迁移策略、最大物理主机能耗迁移策略和最小主机计算能力迁移策略。 3 基于贪心算法的云数据中心虚拟机迁移策略的应用
基于贪心算法的云数据中心虚拟机迁移策略中的虚拟机选择法如图1所示。图1所示的各类算法都被归为一个类，其中中间的一层为Cloudsim所具有的类，而最底下的一层为引入贪心算法优化后所得的类。在图1最底层靠左边的类中包含的是将低效主机中的虚拟机迁移归纳到高效使用主机中。中间的类为将能耗高的物理主机中的虚拟机迁移到低能耗主机中虚拟机中的类。而最右边的类则为将物理主机中计算力较低的虚拟机迁移至计算力较高物理主机中的类。
云数据中心虛拟机迁移最核心要点在于对云数据中心中虚拟机进行重新再配置，实现云数据中心中物理主机的高效利用。在完成了对于云数据中心中物理主机中虚拟机利用效率的统计归纳后需要对虚拟机进行再配置既云数据中心虚拟机放置。在这一环节中最主要的任务在于将虚拟机放置在合适的物理主机中。图2显示了基于贪心算法的云数据中心虚拟机放置方法。
4 基于贪心算法的云数据中心虚拟机迁移策略模拟测试
为测算基于贪心算法的云数据中心虚拟机迁移策略是否能够取得良好的效果，可以对此策略进行模拟分析。模拟将以Cloudsim模拟器为基础进行模拟测试，并以云数据中心虚拟机的迁移次数和云数据中心物理主机的能耗以及平均的SLA违规分析三相数据作为评判参数。上述数据能够直接体现出云数据中心所使用物理主机采用模拟机迁移策略性能的好坏，模拟的云数据中心使用50台物理主机，每台物理主机上运行2台虚拟机，100台虚拟机设置了4种不同的类型的需求，测试任务为某一运行程序和大型图形程序。本文所介绍的贪心算法为单一阀值算法为体现其性能可以将其与静态阀值算法进行对比用以直观地体现出其效果。此外，除了与静态阀值算法进行比较外还可以与绝对中位差检测方法进行对比。通过比较可以看出在将物理主机中所运行的虚拟机有效使用阀值从20%提升至100%的过程中，贪心算法所体现出的优化效果更佳明显， 云数据中心中的物理主机的资源使用效率更高，从而减少了云数据中心中物理主机的使用数量，降低了云数据中心中的能耗.此外，在虚拟机有效使用阀值从20%提升至100%的过程中云数据中心物理主机资源管理策略虚拟机迁移次数也得到了降低，但是需要注意的是，贪心算法优化云数据中心的能耗是以提高SLA违规率为前提的，通过提高SLA的违规率贪心算法优化了虚拟机管理策略目标，并在一定程度上降低了服务质量。
5 结束语
现代社会对于信息交互的需求在不断增加，为实现信息交互需要使用信息中心作为交互中心，云数据中心能够为用户提供良好的云计算服务，但是随着其运行业务的扩大其能耗也在不断提高，为提高云数据中心物理主机的运行效率减少能耗，本文提出了贪心算法。基于贪心算法的云数据中心虚拟机迁移策略能够有效降低云数据中心的能耗，并在一定程度上提升了云数据中心物理主机的服务质量。
参考文献：
[1]刘开南.云数据中心基于贪心算法的虚拟机迁移策略[J].计算机应用，2019（11）：3333-3338.
[2]栾志坤，牛超.云数据中心中负载均衡的虚拟机调度方法[J].计算机与现代化，2017（5）：24-36.
[3]王德文，刘晓萌.基于改进粒子群算法的云计算平台资源调度[J].计算机应用研究，2015（11）：3230-3234.
转载注明来源:https://www.xzbu.com/1/view-15242672.htm
