云數(shù)據(jù)中心中存在著高能耗和高服務(wù)水平協(xié)議違約率的問題,為了解決此問題,提出了一種基于多目標(biāo)優(yōu)化的虛擬機(jī)整合算法.綜合考慮能耗、服務(wù)質(zhì)量和遷移開銷等多種因素,將虛擬機(jī)整合問題構(gòu)建為一個(gè)具有資源約束的多目標(biāo)優(yōu)化問題.使用蟻群系統(tǒng)算法對該多目標(biāo)優(yōu)化問題進(jìn)行求解,進(jìn)行虛擬機(jī)整合,獲得近似最優(yōu)的虛擬機(jī)主機(jī)映射關(guān)系.為了減少算法復(fù)雜度,利用CPU利用率雙閾值來判斷主機(jī)負(fù)載狀態(tài),根據(jù)主機(jī)負(fù)載狀態(tài)分階段進(jìn)行整合并使用不同的整合策略.基于CloudSim平臺(tái)對多目標(biāo)優(yōu)化的虛擬機(jī)整合算法和其他6種虛擬機(jī)整合算法進(jìn)行仿真實(shí)驗(yàn),將本文算法與現(xiàn)有虛擬機(jī)整合算法實(shí)驗(yàn)結(jié)果進(jìn)行比較,結(jié)果表明本文提出的算法在能耗和服務(wù)水平協(xié)議違約方面優(yōu)化顯著,具有較好的綜合性能. 

【文章來源】：湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,47(02)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

ESV值對比

在MOVMC算法中，α和β值分別控制蟻群算法中信息素和啟發(fā)式因子的重要性，對蟻群算法的性能有很大的影響.α反映了螞蟻在以往搜索過程中積累的信息素在指導(dǎo)蟻群尋找新解時(shí)的重要程度.α值越大，螞蟻越有可能選擇之前走過的路徑，尋找隨機(jī)解的可能性隨之降低.β則反映了啟發(fā)式因子在指導(dǎo)蟻群尋找新解時(shí)的重要程度.β值越大，啟發(fā)式因子的重要程度越大.α和β的取值越大，計(jì)算量也越大，計(jì)算時(shí)間就越長.考慮到數(shù)據(jù)中心內(nèi)龐大的數(shù)據(jù)量，為了得到最優(yōu)的算法性能，選擇α和β值在[0.5,3.5]內(nèi)以0.5為單位遞增，討論α和β的組合取值對算法目標(biāo)函數(shù)值的影響，實(shí)驗(yàn)結(jié)果如圖1所示.算法中使用的其他參數(shù)值如表4所示.當(dāng)α和β取值過大時(shí)，算法容易過早收斂，易陷入局部最優(yōu).當(dāng)α和β取值過小時(shí)，基于經(jīng)驗(yàn)值和先驗(yàn)性因素的指導(dǎo)作用減弱，致使算法很難找到最優(yōu)解.從圖1中可以看出，當(dāng)α和β取值分別為1和1.5時(shí)，對應(yīng)的目標(biāo)函數(shù)值最小，系統(tǒng)可以取得最好的性能.故在后面的對比實(shí)驗(yàn)中，將α和β分別取值為1和1.5作為系統(tǒng)參數(shù)值.3.4結(jié)果分析

為了評估MOVMC算法的性能，本研究將MOVMC算法與6種虛擬機(jī)動(dòng)態(tài)分配算法ST[4]、DT[4]、MAD[5]、IQR[5]、LR[5]和EVMCACS[15]進(jìn)行比較.圖2為在實(shí)際工作負(fù)載下MOVMC、ST、DT、MAD、IQR、LR、EVMCACS的能耗值.算法名稱后面的數(shù)值為該算法的當(dāng)前參數(shù)值.與ST、DT、MAD、IQR、LR、EVMCACS相比，MOVMC消耗的能源最少.由于MOVMC算法優(yōu)先將虛擬機(jī)遷移到正常負(fù)載的主機(jī)，因此許多低載主機(jī)都可以切換到睡眠模式，從而減少了數(shù)據(jù)中心中活躍主機(jī)的數(shù)量并節(jié)省大量能源.圖3是算法針對SLA違約指標(biāo)進(jìn)行的比較.圖3(a）是對SLAV的比較，可以看出，與其他算法相比，MOVMC算法在實(shí)際工作負(fù)載下具有最低的SLA違約率.MOVMC算法從過載主機(jī)中遷出虛擬機(jī)，通過保證主機(jī)的CPU利用率低于過載閾值來防止SLA違約.另外，啟發(fā)式準(zhǔn)則確保目標(biāo)主機(jī)在遷入虛擬機(jī)后不會(huì)超出過載閾值.因此，MOVMC算法的SLAV性能優(yōu)于其他算法.

【參考文獻(xiàn)】：
期刊論文
[1]云數(shù)據(jù)中心基于閾值的虛擬機(jī)遷移節(jié)能調(diào)度算法[J]. 吳小東,韓建軍.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(09)
[2]基于層次拓?fù)錁涞奶摂M機(jī)節(jié)能分配算法[J]. 蔡立軍,何庭欽,孟濤,陳磊.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)



本文編號(hào)：3234960