為了優(yōu)化數(shù)據(jù)中心中虛擬機的合并過程,提高物理主機利用率和降低虛擬機的遷移代價,利用螞蟻群體智能方法提出一種新的多目標虛擬機合并算法。該算法基于重要性按序優(yōu)化了兩個目標,第一目標是最大化虛擬機合并過程中的主機釋放量。同時,由于虛擬機遷移是資源密集型操作,第二目標選擇最小化虛擬機遷移量。通過修正的螞蟻搜索過程,最終得到了最優(yōu)的虛擬機合并效果。與兩種代表性螞蟻算法進行實驗對比,結果表明,在所有四個實驗場景下,新算法在多數(shù)場景和參數(shù)配置條件下得到的主機釋放量、虛擬機遷移量、包裝效率以及算法運行時間均有更佳表現(xiàn)。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖2釋放主機數(shù)量表4釋放主機量場景參數(shù)ACSMOACSFeller-ACOChangep-value中位值91511136%0．005

圖3虛擬機遷移量表5虛擬機遷移量場景參數(shù)ACSMOACSFeller-ACOChangep-value中位值91511136%0．005

第8期李玉萍等:基于螞蟻群體智能的多目標虛擬機合并優(yōu)化2472)VM遷移量。圖3是算法得到虛擬機遷移量結果，表5同步給出數(shù)值結果。可以看出，MOACS在此目標上也是優(yōu)于Feller-ACO的，MOACS僅利用Feller-ACO虛擬機遷移量的82%即可得到更好的包裝效率。在場景1....

本文編號：4019102