太阳城集团

  • / 11
  • 下载费用:30 金币  

一种在IAAS云中安全提高资源效率的虚拟机调度方法.pdf

摘要
申请专利号:

CN201611260827.1

申请日:

2016.12.30

公开号:

CN106775987A

公开日:

2017.05.31

当前法律状态:

实审

有效性:

审中

法律详情: 实质审查的生效IPC(主分类):G06F 9/48申请日:20161230|||公开
IPC分类号: G06F9/48; G06F9/50; G06F9/455 主分类号: G06F9/48
申请人: 南京理工大学
发明人: 徐雷; 涂亮; 杨余旺; 艾龙交; 周迅钊
地址: 210094 江苏省南京市玄武区孝陵卫200号
优先权:
专利代理机构: 南京理工大学专利中心 32203 代理人: 薛云燕
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201611260827.1

授权太阳城集团号:

|||

法律状态太阳城集团日:

2017.06.23|||2017.05.31

法律状态类型:

太阳城集团实质审查的生效|||公开

摘要

太阳城集团本发明公开了一种在IaaS云中安全提高资源效率的虚拟机调度方法,从两个方面进行优化:一方面是虚拟机的静态部署方面,满足物理容量和带宽容量来最小化数据中心的资源消耗;另一方面是虚拟机的动态迁移方面。虚拟机的静态部署方面,满足物理容量和带宽容量来最小化数据中心的资源消耗;虚拟机在动态变化过程中的资源消耗变化,最大限度的保证虚拟机的运行;虚拟机的动态迁移方面,最小化迁移成本来获得最大链路利用率和降低资源消耗。本发明用最小化迁移成本来获得最大链路利用率,降低资源消耗。

权利要求书

1.一种在IaaS云中安全提高资源效率的虚拟机调度方法,其特征在于,包括以下步骤:
步骤1,虚拟机的静态部署方面,根据物理容量和带宽容量,最小化数据中心的资源消
耗;
步骤2,虚拟机的动态迁移方面,用最小化迁移成本,获得最大链路利用率。
2.根据权利要求1所述的在IaaS云中安全提高资源效率的虚拟机调度方法,其特征在
于,步骤1所述虚拟机的静态部署方面,根据物理容量和带宽容量,最小化数据中心的资源
消耗,具体步骤如下:
步骤1.1,定义输入变量tp、A、B、初始化X、A、B,tp选择当前物理机,并置物理机
数量pm=1;
其中,X为虚拟机到物理机的映射;A为虚拟机之间的流量需求,表示为(ai,j)N×N,其中i、
j为虚拟机矩阵坐标标号,i=1,2,…,N,j=1,2,…,N;B为物理机之间的通信费用矩阵,表
示为(bh,p)M×M,其中h和p表示物理机矩阵坐标标号,h=1,2,…,M,p=1,2,…,M;tp为网络拓
扑流量;表示所有虚拟机资源需求集合;表示所有物理机资源需求集合;
步骤1.2,根据虚拟机之间的流量需求A,将虚拟机对的流量按照降序排列;
步骤1.3,选择最大流量的虚拟机对s和t,将虚拟机s和t部署在物理机m上;
步骤1.4,选择一个未被选中的虚拟机,当所选的虚拟机属于没有被部署的虚拟机时,
执行步骤1.5,否则执行步骤1.8;
步骤1.5,计算物理机m上的虚拟机与未部署的虚拟机之间的流量,选择最大通信流量
的虚拟机s;
步骤1.6,如果虚拟机s的容量大于物理机m的剩余容量,执行激活新的物理机new,并将
物理机数量加1,使new替换m,否则执行步骤1.7;
步骤1.7,如果虚拟机s无法满足网络带宽容量,执行激活新的物理机new,并将物理机
数量加1,使new替换m,否则执行步骤1.8;
步骤1.8,将虚拟机s放置在物理机m上;
步骤1.9,根据虚拟机之间的流量需求A,网络拓扑流量tp和路由算法计算最优的交换
器数量sw;所述路由算法为LS算法或Dijkstra算法;
步骤1.10,输出虚拟机到物理机的映射X,物理机数量pm和最优的交换器数量sw。
3.根据权利要求1所述的在IaaS云中安全提高资源效率的虚拟机调度方法,其特征在
于,步骤2所述虚拟机的动态迁移方面,用最小化迁移成本,获得最大链路利用率,具体步骤
如下:
步骤2.1,步骤1所求得的虚拟机到物理机的映射为目标映射Xtarget,代表物理机和网络
带宽的容量限制,然后计算出满足最佳的要求和需要迁移的虚拟机集合C,如果需要迁移的
虚拟机数量小于tv,那么根据目标映射Xtarget迁移,直至迁移结束;
步骤2.2,如果需要迁移的虚拟机数量大于tv,设置一个最大迭代次数nMax,进行迭代
找到一个更好的映射;
步骤2.3,在每一次迭代中,随机选择一个虚拟机,根据目标映射Xtarget迁移到对应的物
理机上,然后将虚拟机从当前物理机删除,并定义这个物理机为PMmig;
步骤2.4,从Xtarget找到映射到PMmig的虚拟机,该虚拟机在X上的映射是Pori;将虚拟机迁
移到PMmig,从PMori到PMmig之间重复迭代,直到迁移次数达到tv;
步骤2.5,Nmig表示迁移的虚拟机的数量,Min Costmig表示最小的迁移成本:
Min Costmig=Nmig
最终花费Min f为:
Min f=Costser+αCostnet+βCostmig
其中,Costser表示服务器的消耗,α表示服务器与虚拟机之间连接损耗率,Costnet表示
服务器与虚拟机之间的消耗,β表示虚拟机消耗效率,Costmig虚拟机迁移的消耗。
4.根据权利要求2所述的在IaaS云中安全提高资源效率的虚拟机调度方法,其特征在
于,步骤1.10所述输出虚拟机到物理机的映射X,物理机数量pm和最优的交换器数量sw,具
体如下:
(1)假设每个租户需要N个VMs,VM i的资源需求是一个d-维向量每一维代表某种类
型的VM资源;对于向量{si,1,si,2,..,si,d},d是资源类型的数量,si,2代表在VM i中资源类型
为2所需的值;向量集表示所有的虚VM资源需求;同样PM集也可以给出:P={p1,
p2.,pm},PMm=1,2,..,m也是一个d维向量,表示{Hm,1,Hm,d,...Hm,d}对应的值;pm是在PMm
上的虚拟机集;
(2)对于服务器资源优化,定义Xi,m为二元变量,描述如下
Xi,m=1,当VM i部署在PMm上时,否则Xi,m=0
<mrow> <mi>F</mi> <mo>=</mo> <mo>{</mo> <msub> <mi>X</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>m</mi> </mrow> </msub> <mo>|</mo> <msub> <mi>X</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>m</mi> </mrow> </msub> <mo>&Element;</mo> <mo>{</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>}</mo> <mo>,</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>X</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>m</mi> </mrow> </msub> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mo>&ForAll;</mo> <mi>i</mi> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
集合F表示所有的VM选择的集合,意味着每个VM只能放置一个PM上,但一个PM
可以部署多个VM,因此需要最小化PM数量,而输出变量pm即最小PM的数量:
<mrow> <mi>M</mi> <mi>i</mi> <mi>n</mi> <mi> </mi> <msub> <mi>Cost</mi> <mrow> <mi>s</mi> <mi>e</mi> <mi>r</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>Y</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>m</mi> </mrow> </msub> <msubsup> <mi>E</mi> <mrow> <mi>s</mi> <mi>e</mi> <mi>r</mi> </mrow> <mi>m</mi> </msubsup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
受约束于:
二元变量Ym∈{0,1}表明PMm正在运行或者要被激活;
约束表明PM上的VM数量不能超过PM资源数,表示PMm的能耗,
P(u)=(k+u-ku)Pmax (3)
P(u)代表处理机的能耗,k的取值一般为0.7,u是指CPU的利用率,因此式(3)可以写为
P(u)=(0.7+0.3u)Pmax (4)
<mrow> <msubsup> <mi>E</mi> <mrow> <mi>s</mi> <mi>e</mi> <mi>r</mi> </mrow> <mi>m</mi> </msubsup> <mo>=</mo> <munder> <mo>&Integral;</mo> <mi>t</mi> </munder> <mi>p</mi> <mo>(</mo> <mi>u</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>)</mo> <mi>d</mi> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
(3)对于网络资源的优化,主要是指优化通信费用,而通信费用与经过PM之间的交换器
数量呈正比关系;
根据权利要求2所述的步骤1.10输出变量sw即是最优的交换器数量;
<mrow> <mi>M</mi> <mi>i</mi> <mi>n</mi> <mi> </mi> <msub> <mi>Cost</mi> <mrow> <mi>n</mi> <mi>e</mi> <mi>t</mi> </mrow> </msub> <mo>=</mo> <msubsup> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <msub> <mi>b</mi> <mrow> <mi>&pi;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mi>&pi;</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>+</mo> <msub> <mi>e</mi> <mi>i</mi> </msub> <msub> <mi>g</mi> <mrow> <mi>&pi;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
ai,j表示服务器i和虚拟机j之间的链接,bπ(i)π(j)表示虚拟机i和虚拟机j两者交换之间
的流量,ei是虚拟机与外部通信的流量,gπ(i)表示虚拟机i所在的处理机和外部交换机之间
的流量;函数的第二部分假设是一个固定的值,因此(6)可以表示为:
<mrow> <mi>M</mi> <mi>i</mi> <mi>n</mi> <mi> </mi> <msub> <mi>Cost</mi> <mrow> <mi>n</mi> <mi>e</mi> <mi>t</mi> </mrow> </msub> <mo>=</mo> <msubsup> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <msub> <mi>b</mi> <mrow> <mi>&pi;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mi>&pi;</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
因此对于静态部署的最低能耗可表示为
Min F=Costser+Costnet (8)
其中Costser表示服务器处理的消耗,Costnet表示处理机和外部交换机之间连接的消
耗。

说明书

一种在IaaS云中安全提高资源效率的虚拟机调度方法

技术领域

本发明属于计算机云计算领域,特别是一种基于在IaaS云中安全提高资源效率的
虚拟机调度的方法。

背景技术

云计算为用户提供随需应变的服务,灵活、可靠、成本低,基础设施是云计算中心。
随着云计算的规模越来越大,资源消耗不断增长,导致运营成本增加。微软报告表明,数据
中心的物理资源(例如CPU,内存,存储)占总成本的45%,能耗占15%;在过去的五年中,数
据中心的能耗增加了近一倍。因此,如何降低能耗,提高资源效率,成为一个重要的问题。

由于服务器的利用率较低,造成了巨大的电力浪费。服务器的利用率通常达不到
100%,大部分服务器在有效工作太阳城集团的利用率也只有10%-50%,明显会导致配置和总成
本增加。同时,能耗带来的辅助冷却设备也会增加成本,同时还会带来不安全因素,因此找
出一种安全可靠的方法来降低能耗至关重要。现在,大部分云数据中心的物理服务器使用
虚拟技术,在相同的物理机上运行多个虚拟服务器。此外,虚拟化还可以帮助云服务提供商
来实现灵活有效的管理。

虚拟化的公共云的主要业务之一是基础设施即服务(IaaS),例如Amazon EC2。云
服务提供商将虚拟机资源租给租户,因此需要云服务提供商充分利用虚拟机在处理机上的
灵活放置,以优化资源配置,满足租户的需求。由于不同的资源利用率是由虚拟机和处理机
之间不同的映射造成的,所以对于云服务提供商,主要的问题是如何把租客要求的多台虚
拟机放置到物理服务器,以便于最小化活动的物理资源的数量,降低能耗和运行管理成本。
如今,虚拟机调度正在成为一个热点问题。但是目前,虚拟机调度的第一个挑战就是如何来
优化处理机和网络元件(交换机,路由器等)的能耗问题。

发明内容

本发明提供的目的在于提供一种安全有效的方法来优化处理机的调度,此方法主
要通过静态部署和动态迁移两个方面进行优化,最终达到降低能耗,提高资源效率的目的。

实现本发明目的的技术解决方案为:一种在IaaS云中安全提高资源效率的虚拟机
调度方法,包括以下步骤:

步骤1,虚拟机的静态部署方面,根据物理容量和带宽容量,最小化数据中心的资
源消耗;

步骤2,虚拟机的动态迁移方面,用最小化迁移成本,获得最大链路利用率。

进一步地,步骤1所述虚拟机的静态部署方面,根据物理容量和带宽容量,最小化
数据中心的资源消耗,具体步骤如下:

步骤1.1,定义输入变量tp、A、B、初始化X、A、B,tp选择当前物理机,并置
物理机数量pm=1;

其中,X为虚拟机到物理机的映射;A为虚拟机之间的流量需求,表示为(ai,j)N×N,其
中i、j为虚拟机矩阵坐标标号,i=1,2,…,N,j=1,2,…,N;B为物理机之间的通信费用矩
阵,表示为(bh,p)M×M,其中h和p表示物理机矩阵坐标标号,h=1,2,…,M,p=1,2,…,M;tp为
网络拓扑流量;表示所有虚拟机资源需求集合;表示所有物理机资源需求集合;

步骤1.2,根据虚拟机之间的流量需求A,将虚拟机对的流量按照降序排列;

步骤1.3,选择最大流量的虚拟机对s和t,将虚拟机s和t部署在物理机m上;

步骤1.4,选择一个未被选中的虚拟机,当所选的虚拟机属于没有被部署的虚拟机
时,执行步骤1.5,否则执行步骤1.8;

步骤1.5,计算物理机m上的虚拟机与未部署的虚拟机之间的流量,选择最大通信
流量的虚拟机s;

步骤1.6,如果虚拟机s的容量大于物理机m的剩余容量,执行激活新的物理机new,
并将物理机数量加1,使new替换m,否则执行步骤1.7;

步骤1.7,如果虚拟机s无法满足网络带宽容量,执行激活新的物理机new,并将物
理机数量加1,使new替换m,否则执行步骤1.8;

步骤1.8,将虚拟机s放置在物理机m上;

步骤1.9,根据虚拟机之间的流量需求A,网络拓扑流量tp和路由算法计算最优的
交换器数量sw;所述路由算法为LS算法或Dijkstra算法;

步骤1.10,输出虚拟机到物理机的映射X,物理机数量pm和最优的交换器数量sw。

进一步地,步骤2所述虚拟机的动态迁移方面,用最小化迁移成本,获得最大链路
利用率,具体步骤如下:

步骤2.1,步骤1所求得的虚拟机到物理机的映射为目标映射Xtarget,代表物理机和
网络带宽的容量限制,然后计算出满足最佳的要求和需要迁移的虚拟机集合C,如果需要迁
移的虚拟机数量小于tv,那么根据目标映射Xtarget迁移,直至迁移结束;

步骤2.2,如果需要迁移的虚拟机数量大于tv,设置一个最大迭代次数nMax,进行
迭代找到一个更好的映射;

步骤2.3,在每一次迭代中,随机选择一个虚拟机,根据目标映射Xtarget迁移到对应
的物理机上,然后将虚拟机从当前物理机删除,并定义这个物理机为PMmig;

步骤2.4,从Xtarget找到映射到PMmig的虚拟机,该虚拟机在X上的映射是Pori;将虚拟
机迁移到PMmig,从PMori到PMmig之间重复迭代,直到迁移次数达到tv;

步骤2.5,Nmig表示迁移的虚拟机的数量,Min Costmig表示最小的迁移成本:

Min Costmig=Nmig

最终花费Min f为:

Min f=Costser+αCostnet+βCostmig

其中,Costser表示服务器的消耗,α表示服务器与虚拟机之间连接损耗率,Costnet
表示服务器与虚拟机之间的消耗,β表示虚拟机消耗效率,Costmig虚拟机迁移的消耗。

进一步地,步骤1.10所述输出虚拟机到物理机的映射X,物理机数量pm和最优的交
换器数量sw,具体如下:

(1)假设每个租户需要N个VMs,VM i的资源需求是一个d-维向量每一维代表某
种类型的VM资源;对于向量{si,1,si,2,..,si,d},d是资源类型的数量,si,2代表在VM i中资源
类型为2所需的值;向量集表示所有的虚VM资源需求;同样PM集也可以给出:P=
{p1,p2.,pm},PMm=1,2,..,m也是一个d维向量,表示{Hm,1,Hm,d,...Hm,d}对应的值;pm是在
PMm上的虚拟机集;

(2)对于服务器资源优化,定义Xi,m为二元变量,描述如下

Xi,m=1,当VM i部署在PMm上时,否则Xi,m=0


集合F表示所有的VM选择的集合,意味着每个VM只能放置一个PM上,但
一个PM可以部署多个VM,因此需要最小化PM数量,而输出变量pm即最小PM的数量:


受约束于:

二元变量Ym∈{0,1}表明PMm正在运行或者要被激活;

约束表明PM上的VM数量不能超过PM资源数,表示PMm的能耗,

P(u)=(k+u-ku)Pmax (3)

P(u)代表处理机的能耗,k的取值一般为0.7,u是指CPU的利用率,因此式(3)可以
写为

P(u)=(0.7+0.3u)Pmax (4)


(3)对于网络资源的优化,主要是指优化通信费用,而通信费用与经过PM之间的交
换器数量呈正比关系;

根据权利要求2所述的步骤1.10输出变量sw即是最优的交换器数量;


ai,j表示服务器i和虚拟机j之间的链接,bπ(i)π(j)表示虚拟机i和虚拟机j两者交换
之间的流量,ei是虚拟机与外部通信的流量,gπ(i)表示虚拟机i所在的处理机和外部交换机
之间的流量;函数的第二部分假设是一个固定的值,因此(6)可以表示为:


因此对于静态部署的最低能耗可表示为

Min F=Costser+Costnet (8)

其中Costser表示服务器处理的消耗,Costnet表示处理机和外部交换机之间连接的
消耗。

本发明与现有技术相比,其优点在于:(1)采用了静态部署和动态迁移两个方面进
行了功耗的优化,而不是现有技术的单一优化;(2)本发明有效的解决了虚拟机调度中的各
种安全问题,既消除了过度能耗带来的发热安全问题又保证了算法实施的安全性。

下面结合说明书附图详细描述本发明提供的方法。

附图说明

图1为本发明提供的方法的流程图。

图2是实施例中的能量消耗对比图,其中(a)是A1能耗图,(b)是A2总通信流量图,
(c)是MLU图。

具体实施方式

为了解决这些问题,本文设置了一个两阶段虚拟机调度方法:第一:静态部署方
面,处理机资源优化抽象为多维装箱问题(BPP),网络资源优化抽象为二次分配问题(QAP),
由于BPP和QAP属于NP-hard问题,因此,本文将采用新的贪婪算法(VM-P)解决此问题。第二:
动态迁移方面:迁移成本取决于迁移的虚拟机,因此给定迁移的虚拟机数量,优化网络性能
和能耗,并采用新的启发式算法(VM-Mig)解决此问题。

结合图1,本发明包括以下步骤:

步骤1:虚拟机的静态部署方面,满足物理容量和带宽容量来最小化数据中心的资
源消耗;

步骤1.1:定义输入变量tp,A,B,初始化X,A,B,tp选择当前物理机,并置pm
=1;

步骤1.2:根据A,将虚拟机对的流量按照降序排列;

步骤1.3:选择最大流量的中虚拟机对s和t,将虚拟机s和t部署在物理机m上;

步骤1.4:选择一个虚拟机,当所选的虚拟机属于没有被部署的虚拟机时,执行步
骤1.5,否则执行步骤1.8;

步骤1.5:计算物理机m上的虚拟机与未部署的虚拟机之间的流量,选择最大通信
流量的虚拟机s;

步骤1.6:如果虚拟机s的容量大于物理机m的剩余容量,激活新的物理机new,并pm
++,m<-new,否则执行步骤1.7;

步骤1.7:如果虚拟机s无法满足网络带宽容量,激活新的物理机new,并pm++,m<-
new,否则执行步骤1.8;

步骤1.8:将虚拟机s放置在物理机m上;

步骤1.9:根据A,tp和路由算法计算sw;

步骤1.10:输出X,pm和sw。

根据算法结果的实施如下:

(1)假设每个租户需要N个VMs,VMi的资源需求是一个d-维向量每一维代表某
种类型的VM资源(例如CPU,存储器,磁盘等)。对于向量{si,1,si,2,..,si,d},d是资源类型的
数量。例如si,2代表在VMi中资源类型为2所需的值。向量集表示所有的虚VM资源需
求。同样PM集也可以给出:P={p1,p2.,pm},PMm=1,2,..,M也是一个d维向量,表示{Hm,1,
Hm,d,...Hm,d}对应的值。pm是在PMm上的虚拟机集。

(2)对于服务器资源优化,定义Xi,m为二元变量,描述如下

Xi,m=1,当VMi部署在PM m上时,否则Xi,m=0


集合F表示所有的VM选择的集合,意味着每个VM只能放置一个PM上,但
一个PM可以部署多个VM,因此需要最小化PM数量,而2中的步骤2.10输出变量pm即最小PM的
数量。


受约束于:


二元变量Ym∈{0,1}表明PMm正在运行或者要被激活。

约束表明PM上的VM数量不能超过PM资源数。表示PMm的能耗。

P(u)=(k+u-ku)Pmax (3)

P(u)代表处理机的能耗,k的取值一般为0.7,u是指CPU的利用率,因此式(3)可以
写为

P(u)=(0.7+0.3u)Pmax (4)


(3)对于网络资源的优化,主要是指优化通信费用,而通信费用受经过PM之间的交
换器数量有关,而且是正比关系。2中步骤1.10输出变量sw即是最优的交换器数量。


ei是虚拟机与外部通信的流量。gn(i)表示虚拟机i所在的处理机和外部交换机之间
的流量。函数的第二部分假设是一个固定的值,由于网络拓扑的特殊性质,它可以在算法被
忽略。因此(6)可以表示为:


因此对于静态部署的最低能耗可表示为

Min F=Costser+Costnet (8)

步骤2:虚拟机的动态迁移方面,最小化迁移成本来获得最大链路利用率和降低资
源消耗。

步骤2.1:用2中的VM-P算法球的目标映射Xtarget,代表PM和网络带宽的容量限制,
然后计算出满足最佳的要求和需要迁移的VM集合C,如果需要迁移的VM数量小于tv,那么根
据映射Xtarget迁移,迁移结束。

步骤2.2:如果需要迁移的VM数量大于tv,设置一个最大迭代次数nMax,进行迭代
找到一个更好的X’;

步骤2.3:在每一次迭代中,随机选择一个VM,根据映射Xtarget迁移到对应的PM上,
然后将VM从当前PM删除,并定义这个PM为PMmig。

步骤2.4:从Xtarget找到映射到PMmig的VM,这个VM在X上的映射是Pori;将VM迁移到
PMmig,从PMori到PMmig之间重复迭代,直到迁移次数达到tv。

根据算法实施如下:

(1)对于算法返回的参数Nmig,即迁移的虚拟机的数量,可以用它代表迁移成本。

Min Costmig=Nmig (9)

(2)最终花费可以表示为:

Min f=Costser+αCostnet+βCostmig (10)

实施例1

对于第一个算法的模拟,采用相同的物理机和虚拟机,所有包括材质和性能都一
样。采用三组虚拟机,数量分别为60,70和80,采用一组物理机,数量为14。基本输入是:虚拟
机资源向量组,物理机资源向量组和虚拟机之间的流量矩阵。分别使用随机,FFD,T-opt和
VM-P算法,计算能量消耗。结果如图2所示;

由图2可以得出看出:

对于A1,横坐标代表虚拟机数量,纵坐标代表能耗,单位为w。展现了四种算法在能
耗的差异,VM和PM之间的映射不同,所造成的能耗不同。工具公式(10)可以计算出能耗。每
个PM消耗大约750w,交换机大约80w。因为随机算法需要更多的激活的PM和网络元件,所以
能耗最大;VM-P算法得到的能量消耗是最少的,FFD和T-opt算法处于中间状态。

对于A2,横坐标为虚拟机数量,纵坐标为通信流量,展现了四种算法在通信流量的
差异,VM-P和T-opt算法比FFD算法和随机算法都要好。虽然VM-P算法比T-opt稍微弱一点,
但是比其他两个算法优秀。

对于A3,横坐标为虚拟机数量,纵坐标为MLU,展现四种算法在MLU的差异,随机算
法有着较高的通信流量,但是MLU较小,VM-P和T-opt的MLU差别不大,FFD的MLU高10%左右。

关 键 词:
一种 IAAS 安全 提高 资源 效率 虚拟机 调度 方法
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
太阳城集团本文
本文标题:一种在IAAS云中安全提高资源效率的虚拟机调度方法.pdf
链接地址:http://zh228.com/p-6019594.html
太阳城集团我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
葡京赌场|welcome document.write ('');