【摘要】：數(shù)據(jù)中心的能耗在云計(jì)算高速發(fā)展的同時(shí)不斷增加,提高服務(wù)器資源利用率,進(jìn)而提高數(shù)據(jù)中心的能效成為新的研究方向�；贠penStack開(kāi)源云計(jì)算平臺(tái),利用回歸分析方法,預(yù)測(cè)云計(jì)算環(huán)境下服務(wù)器負(fù)載情況的變化,提出資源動(dòng)態(tài)調(diào)度算法,將計(jì)算任務(wù)遷移到更合適的服務(wù)器,達(dá)到提高集群計(jì)算能效的目的。通過(guò)CPU計(jì)算能力的實(shí)驗(yàn)驗(yàn)證了該算法的有效性,實(shí)現(xiàn)了云計(jì)算環(huán)境下CPU計(jì)算能效的提高。
【圖文】：

［12～14］，但是服務(wù)質(zhì)量與整體能耗相互矛盾，因此在確定動(dòng)態(tài)調(diào)度算法的時(shí)候需要確定這兩個(gè)因素的主次，在兩者之間找到一個(gè)良好的平衡。由于用戶(hù)對(duì)于服務(wù)的質(zhì)量要求比較高，因此服務(wù)質(zhì)量是動(dòng)態(tài)調(diào)度算法的首要考慮因素。為了對(duì)集群的整體影響做到最小，還需要考慮不同服務(wù)器的開(kāi)關(guān)機(jī)時(shí)機(jī)等問(wèn)題［15，16］。根據(jù)對(duì)遷移主要步驟的分析，將主要的調(diào)度步驟分為兩種:a)遷移時(shí)機(jī)的確定，包括遷移的觸發(fā)步驟;b)遷移對(duì)象的選取，包含作為遷移虛擬機(jī)的選取和目標(biāo)物理服務(wù)器的選齲資源動(dòng)態(tài)調(diào)度算法的整體流程如圖1所示。圖1動(dòng)態(tài)調(diào)度算法流程動(dòng)態(tài)調(diào)度的過(guò)程中循環(huán)獲取OpenStack資源池中的所有資源的信息，根據(jù)負(fù)載情況判斷資源池中運(yùn)行節(jié)點(diǎn)的數(shù)量。通過(guò)收集各個(gè)工作節(jié)點(diǎn)的CPU利用率、內(nèi)存利用率以及網(wǎng)絡(luò)帶寬的使用情況，根據(jù)數(shù)據(jù)中心所有節(jié)點(diǎn)的CPU綜合負(fù)載情況判斷整體是否負(fù)載過(guò)高。如果數(shù)據(jù)中心負(fù)載過(guò)高，則開(kāi)啟候補(bǔ)節(jié)點(diǎn)，使之成為運(yùn)行節(jié)點(diǎn)并對(duì)其進(jìn)行遷移保護(hù)，以防止新開(kāi)啟的運(yùn)行節(jié)點(diǎn)因?yàn)樵诙虝r(shí)間內(nèi)滿(mǎn)足閑置節(jié)點(diǎn)條件而被關(guān)閉，或者由于初始階段負(fù)載過(guò)低，觸發(fā)遷移條件而使得剛剛遷移進(jìn)來(lái)的虛擬機(jī)被遷移出此節(jié)點(diǎn)，形成不必要的遷移。2.2虛擬機(jī)遷移的觸發(fā)策略直接決定遷移時(shí)機(jī)的因素便是遷移條件的設(shè)置，在完成資源池中所有運(yùn)行節(jié)點(diǎn)的狀態(tài)信息收集之后，檢查每個(gè)運(yùn)行節(jié)點(diǎn)的各項(xiàng)檢測(cè)項(xiàng)，其中主要包括CPU利用率、內(nèi)存利用率和帶寬［17～19］的使用。檢查每個(gè)檢查項(xiàng)是否滿(mǎn)足遷移條件。遷移條件包含兩個(gè)方面的限制，分別為上限觸發(fā)條件和下限觸發(fā)條件。上限觸發(fā)條件的主要作用是為了降低高負(fù)載運(yùn)行節(jié)點(diǎn)的負(fù)載，從而保證運(yùn)行于此節(jié)點(diǎn)上的各個(gè)虛擬機(jī)的運(yùn)算能力滿(mǎn)足用戶(hù)的需求。在滿(mǎn)足上限觸發(fā)條件的運(yùn)行節(jié)點(diǎn)上選擇合適的虛?

瘸魷值難猗荊噫跣⊙猗炯彡拇笮。嚆緩笫褂檬Ｏ碌難猗炯犸?去估計(jì)，閾值λ的設(shè)置會(huì)對(duì)結(jié)果造成很大的影響。模擬數(shù)據(jù)的CPU利用率如表1所示。表1CPU利用率模擬數(shù)據(jù)tr/%tr/%tr/%19482815252859341623364102617274551132181954812261923637132720167341422－－模擬數(shù)據(jù)中CPU的利用率隨著時(shí)間的推移而不斷下降，并且下降的速度不斷減慢，CPU利用率在下降的過(guò)程中存在振蕩。為了確定不同的閾值對(duì)數(shù)學(xué)模型準(zhǔn)確度的影響，取λ的值為60與30進(jìn)行擬合，將擬合結(jié)果與真實(shí)的CPU利用率進(jìn)行對(duì)比，對(duì)比結(jié)果如圖2所示。圖2CPU利用率擬合曲線(xiàn)從圖中可知，λ=30時(shí)的擬合效果相對(duì)于λ=60時(shí)更加接近真實(shí)情況。隨著λ值的減小，，擬合曲線(xiàn)所包含的樣本集中樣本的數(shù)量逐漸減少，但是擬合的效果卻更加接近真實(shí)的情況。在λ=60時(shí)，經(jīng)驗(yàn)回歸方程為r=－2.135t+65.98包含了時(shí)間為3～20的樣本，σ2^的最終值是42．68。而在λ=30的情況下，得到的經(jīng)驗(yàn)回歸方程為r=－1.513t+56.21，所包含的樣本中分布在時(shí)間為5～20的樣本，并且最終的σ2^值為20.36�？梢�(jiàn)在這兩種情況的對(duì)比下，λ所取值越小，便越接近于最近樣本的分布;但是隨著λ的不斷減小，擬合所包含的樣本數(shù)也會(huì)變小;當(dāng)樣本數(shù)很小的情況下，反而更加不利于未來(lái)趨勢(shì)的預(yù)測(cè)。4實(shí)驗(yàn)及結(jié)果分析本文采用來(lái)自航空管理系統(tǒng)在實(shí)際運(yùn)行情況下的負(fù)載數(shù)據(jù)進(jìn)行算法驗(yàn)證。由于直接運(yùn)用原數(shù)據(jù)并無(wú)法詳細(xì)驗(yàn)證算法在各個(gè)方面的具體表現(xiàn)，并且數(shù)據(jù)很多細(xì)節(jié)由于持續(xù)時(shí)間較短而不利于捕獲，因此將完整的運(yùn)行數(shù)據(jù)，根據(jù)執(zhí)行不同任務(wù)時(shí)的負(fù)載經(jīng)過(guò)適當(dāng)?shù)姆糯笈c調(diào)整后形成一系列任務(wù)集合。實(shí)驗(yàn)環(huán)境由四臺(tái)物理服務(wù)器組成，測(cè)試系統(tǒng)的虛擬機(jī)配置信息如表2所示。表2虛擬機(jī)配置信息屬性配置信息虛擬
【作者單位】： 東北大學(xué)軟件學(xué)院;
【基金】：遼寧省科技項(xiàng)目博士啟動(dòng)基金資助項(xiàng)目(20111001) 中央高�；究蒲袠I(yè)務(wù)費(fèi)資助項(xiàng)目(N110417004) 遼寧省科技攻關(guān)項(xiàng)目(2011216027)
【分類(lèi)號(hào)】：TP308

【相似文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前8條

1 劉飛宇;OpenStack云平臺(tái)下的虛擬機(jī)監(jiān)控與控制的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2013年

2 王霄飛;基于OpenStack構(gòu)建私有云計(jì)算平臺(tái)[D];華南理工大學(xué);2012年

3 汪楠;基于OpenStack云平臺(tái)的計(jì)算資源動(dòng)態(tài)調(diào)度及管理[D];大連理工大學(xué);2013年

4 梁U_成;面向公有云存儲(chǔ)的高并發(fā)關(guān)鍵技術(shù)研究及系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2013年

5 賴(lài)文華;分布式對(duì)象云存儲(chǔ)平臺(tái)設(shè)計(jì)及第三方應(yīng)用開(kāi)發(fā)[D];華南理工大學(xué);2013年

6 李婧;基于云計(jì)算的遠(yuǎn)程教育資源共享技術(shù)研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2013年

7 蔡官明;開(kāi)放式云存儲(chǔ)服務(wù)平臺(tái)設(shè)計(jì)及移動(dòng)云盤(pán)應(yīng)用開(kāi)發(fā)[D];華南理工大學(xué);2013年

8 彭近堯;基于能效的數(shù)據(jù)中心資源整合機(jī)制[D];電子科技大學(xué);2013年

本文編號(hào)：2550193