為了優(yōu)化數(shù)據(jù)中心中虛擬機(jī)的合并過(guò)程,提高物理主機(jī)利用率和降低虛擬機(jī)的遷移代價(jià),利用螞蟻群體智能方法提出一種新的多目標(biāo)虛擬機(jī)合并算法。該算法基于重要性按序優(yōu)化了兩個(gè)目標(biāo),第一目標(biāo)是最大化虛擬機(jī)合并過(guò)程中的主機(jī)釋放量。同時(shí),由于虛擬機(jī)遷移是資源密集型操作,第二目標(biāo)選擇最小化虛擬機(jī)遷移量。通過(guò)修正的螞蟻搜索過(guò)程,最終得到了最優(yōu)的虛擬機(jī)合并效果。與兩種代表性螞蟻算法進(jìn)行實(shí)驗(yàn)對(duì)比,結(jié)果表明,在所有四個(gè)實(shí)驗(yàn)場(chǎng)景下,新算法在多數(shù)場(chǎng)景和參數(shù)配置條件下得到的主機(jī)釋放量、虛擬機(jī)遷移量、包裝效率以及算法運(yùn)行時(shí)間均有更佳表現(xiàn)。

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

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

圖3虛擬機(jī)遷移量表5虛擬機(jī)遷移量場(chǎng)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(biāo)虛擬機(jī)合并優(yōu)化2472)VM遷移量。圖3是算法得到虛擬機(jī)遷移量結(jié)果，表5同步給出數(shù)值結(jié)果。可以看出，MOACS在此目標(biāo)上也是優(yōu)于Feller-ACO的，MOACS僅利用Feller-ACO虛擬機(jī)遷移量的82%即可得到更好的包裝效率。在場(chǎng)景1....

本文編號(hào)：4019102