袁靜珍，劉亞同

(1.韓山師范學(xué)院 物理與電子工程學(xué)院,廣東 潮州 521041; 2.河南廣播電視大學(xué) 信息工程學(xué)院， 鄭州 450008)

0 引 言

近年來(lái)，大規(guī)模節(jié)能云數(shù)據(jù)中心的構(gòu)造與使用成為政府和各大IT企業(yè)越來(lái)越重視的問(wèn)題[1-3]。一個(gè)云數(shù)據(jù)中心(data center,DC)通常配置有大量的物理主機(jī)(physical machines,PMs)，虛擬化是云數(shù)據(jù)中心的關(guān)鍵技術(shù)，虛擬化通過(guò)虛擬機(jī)(virtual machines,VM)的形式將應(yīng)用程序的任務(wù)與數(shù)據(jù)封裝起來(lái)，通過(guò)虛擬機(jī)分配策略將虛擬機(jī)調(diào)度到具體的物理節(jié)點(diǎn)之上執(zhí)行。為了節(jié)省云數(shù)據(jù)中心的能量消耗成本，云服務(wù)提供商還采用虛擬機(jī)遷移(VM migration,VMM)策略來(lái)完成虛擬機(jī)在各個(gè)物理服務(wù)器上的選擇與放置，最終目標(biāo)是節(jié)省云數(shù)據(jù)中心能量消耗，提高服務(wù)質(zhì)量(quality of service,QoS)，節(jié)省物理空間和提高可靠性等。

目前，以Anton Beloglazov博士團(tuán)隊(duì)開(kāi)發(fā)的Cloudsim項(xiàng)目在云數(shù)據(jù)中心的節(jié)能研究方面處于世界領(lǐng)先地位[4-5],Cloudsim項(xiàng)目中把虛擬機(jī)遷移過(guò)程劃分為物理主機(jī)狀態(tài)檢測(cè),虛擬機(jī)選擇和虛擬機(jī)放置3個(gè)步驟,最終完成整個(gè)虛擬機(jī)遷移。物理主機(jī)狀態(tài)檢測(cè)可以通過(guò)觀察它的資源使用狀態(tài)來(lái)判斷，如果CPU的使用效率超過(guò)90%或者低于10%都可以認(rèn)為是超負(fù)載或者低負(fù)載。在這個(gè)時(shí)候，該物理節(jié)點(diǎn)的虛擬機(jī)將被選擇出來(lái)，同時(shí)放置到另外一個(gè)物理節(jié)點(diǎn)之上。虛擬機(jī)選擇的含義是通過(guò)判斷物理主機(jī)的運(yùn)行狀態(tài)(超負(fù)載over-utilized或低負(fù)載under-utilized)，然后從中選擇出合適的候選遷移虛擬機(jī)。虛擬機(jī)放置的含義是將虛擬機(jī)選擇算法中選擇出來(lái)的虛擬機(jī)按照一定的算法重新放置到云數(shù)據(jù)中心其他最合適的物理節(jié)點(diǎn)。

從這個(gè)過(guò)程可以看出，虛擬機(jī)選擇和虛擬機(jī)放置應(yīng)該屬于2個(gè)不同的步驟，這2個(gè)過(guò)程都可以通過(guò)算法進(jìn)行優(yōu)化。前者可以通過(guò)虛擬機(jī)尺寸、資源利用效率等來(lái)進(jìn)行優(yōu)化；后者屬于一類(lèi)經(jīng)典裝箱問(wèn)題(classical packing problem,CPP)，即把大量的候選虛擬機(jī)VM放置到大量的物理節(jié)點(diǎn)之中,還有些文獻(xiàn)把它稱(chēng)為穩(wěn)定匹配或者醫(yī)院病床分配問(wèn)題[6]。

目前研究虛擬機(jī)遷移策略的文獻(xiàn)不足之處往往都在研究虛擬機(jī)選擇算法本身和虛擬機(jī)放置算法本身等方面,很少研究?jī)烧咧g的密切關(guān)系。事實(shí)上，虛擬機(jī)選擇可以影響到虛擬機(jī)放置，至少在私有云中虛擬機(jī)選擇和虛擬機(jī)放置都可以由一個(gè)機(jī)構(gòu)去控制。本文的研究重點(diǎn)在虛擬機(jī)放置階段，提出了融合虛擬機(jī)選擇和放置的虛擬機(jī)遷移策略(interrelation virtual machine migration,Inter_VMM)。在物理主機(jī)狀態(tài)檢測(cè)和虛擬機(jī)選擇階段,Inter_VMM采用了Cloudsim項(xiàng)目中的基本思路與方法，在虛擬機(jī)放置階段提出了自己的融合虛擬機(jī)選擇與放置2個(gè)過(guò)程之間的密切聯(lián)系的策略，與醫(yī)院病床分配類(lèi)似,Inter_VMM根據(jù)匹配雙方每個(gè)個(gè)體的優(yōu)先級(jí)來(lái)確定,虛擬機(jī)和物理主機(jī)都是穩(wěn)定可靠匹配的，該機(jī)制可以保證活動(dòng)主機(jī)的物理資源有比較滿意的利用效率。

采用真實(shí)的工作負(fù)載數(shù)據(jù)，Inter_VMM虛擬機(jī)遷移策略通過(guò)Cloudsim來(lái)實(shí)現(xiàn)和仿真,仿真結(jié)果表明，Inter_VMM策略比Cloudsim中普通的虛擬機(jī)遷移策略可以更好地節(jié)省云數(shù)據(jù)中心的能量消耗,減少了服務(wù)等級(jí)協(xié)議(service level agreement,SLA )違規(guī)率,保證了服務(wù)質(zhì)量。

1 相關(guān)工作

1.1 虛擬機(jī)選擇相關(guān)工作

針對(duì)云數(shù)據(jù)中心的虛擬機(jī)選擇問(wèn)題，國(guó)內(nèi)外已經(jīng)有相當(dāng)多的研究，大部分研究焦點(diǎn)關(guān)注在物理主機(jī)的計(jì)算能力[7-9]，其他的研究也有關(guān)注硬件資源，比如內(nèi)存大小[10-11]等，它們的研究目標(biāo)是在性能與虛擬機(jī)代價(jià)之間追求平衡。

也有文獻(xiàn)把虛擬機(jī)選擇算法放在虛擬機(jī)最小代價(jià)計(jì)算方面。大部分文獻(xiàn)認(rèn)為虛擬機(jī)代價(jià)與虛擬機(jī)使用時(shí)間成比例[12-15]，還有研究認(rèn)為該代價(jià)應(yīng)該由消費(fèi)資源的使用情況或者是長(zhǎng)期處于租賃狀態(tài)下的物理資源使用來(lái)計(jì)算[16]。

在Cloudsim項(xiàng)目中采用的是最小遷移時(shí)間(minimum migrationtime，MMT)虛擬機(jī)選擇策略,即選擇一個(gè)在最短時(shí)間內(nèi)能夠完成遷移的虛擬機(jī)作為候選遷移對(duì)象,文獻(xiàn)[4]表明該策略要明顯優(yōu)于其他的虛擬機(jī)選擇策略。本文的Inter_VMM虛擬機(jī)遷移策略在這個(gè)階段借鑒了MMT方法。

1.2 虛擬機(jī)放置相關(guān)工作

在虛擬機(jī)放置方面，目前也有很多研究。一些研究關(guān)注于物理主機(jī)的計(jì)算能力和虛擬機(jī)的計(jì)算負(fù)載方面[17-19]，另外的一些研究把放置因素聚焦在物理資源的內(nèi)存大小、磁盤(pán)空間大小、網(wǎng)絡(luò)帶寬大小、I/O通訊能力等方面[20-23]。

虛擬機(jī)放置研究中一個(gè)最重要的因素是活動(dòng)物理主機(jī)的數(shù)量(number of turn-on PMs)，因?yàn)樗梢宰畲蟪潭鹊貨Q定能量消耗的大小[17]；還有一些研究考慮到了物理主機(jī)的動(dòng)態(tài)能量消耗的負(fù)載相關(guān)性(number of PMs overloads)[24]。

在虛擬機(jī)放置中，如果資源比較單一，只把目標(biāo)放到物理主機(jī)的數(shù)量降低上，該類(lèi)問(wèn)題可以劃歸為經(jīng)典的裝箱問(wèn)題，它沒(méi)有最優(yōu)解，只有近似最優(yōu)，包括Cloudsim項(xiàng)目等都使用經(jīng)典裝箱問(wèn)題來(lái)完成虛擬機(jī)的放置問(wèn)題。

1.3 虛擬機(jī)選擇與虛擬機(jī)放置的結(jié)合

也有部分文獻(xiàn)沒(méi)有把虛擬機(jī)選擇和虛擬機(jī)放置劃分開(kāi)來(lái)，而是發(fā)掘它們之間的相關(guān)聯(lián)系，例如文獻(xiàn)[25]根據(jù)任務(wù)的特點(diǎn)，選擇最優(yōu)的虛擬機(jī)尺寸來(lái)分配虛擬機(jī)，它的目的是通過(guò)最小資源的使用來(lái)降低能量消耗,不考慮它的負(fù)載，每個(gè)虛擬機(jī)都有一個(gè)固定的尺寸，虛擬機(jī)尺寸之間的差異及它的負(fù)載的總體尺寸都有規(guī)定。

文獻(xiàn)[26]把軟件即服務(wù)云平臺(tái)中應(yīng)用程序的組件映射給虛擬機(jī)，它關(guān)注的也是虛擬機(jī)尺寸，虛擬機(jī)的共享能力，該策略也提出了虛擬機(jī)放置算法的建議，哪些虛擬機(jī)放置可以靜態(tài)處理，哪些虛擬機(jī)放置需要?jiǎng)討B(tài)處理，但是實(shí)際上這些虛擬機(jī)到物理主機(jī)的放置并未完成，而是通過(guò)一個(gè)外部算法來(lái)操作。與文獻(xiàn)[26]比較起來(lái)，本文主要把重點(diǎn)放在虛擬機(jī)選擇過(guò)程和虛擬機(jī)放置過(guò)程的穩(wěn)定匹配方面，通過(guò)設(shè)計(jì)穩(wěn)定匹配算法完成虛擬機(jī)和物理主機(jī)的高效率資源利用。

2 虛擬機(jī)遷移策略的工作背景

2.1 虛擬機(jī)遷移的工作背景

Inter_VMM把虛擬機(jī)的遷移過(guò)程分為物理主機(jī)負(fù)載檢測(cè)過(guò)程、虛擬機(jī)選擇過(guò)程與虛擬機(jī)放置過(guò)程，最終完成整個(gè)虛擬機(jī)遷移過(guò)程,具體包括下面4個(gè)步驟。

步驟1周期性檢測(cè)云數(shù)據(jù)中心物理主機(jī)的超負(fù)載或者低負(fù)載狀態(tài)(over-utilized或under-utilized)；

步驟2判斷其是否進(jìn)行虛擬機(jī)遷移操作；

步驟3基于可靠匹配完成虛擬機(jī)的選擇;

步驟4將候選虛擬機(jī)進(jìn)行虛擬機(jī)放置操作。

Cloudsim項(xiàng)目中已經(jīng)有的物理主機(jī)狀態(tài)檢測(cè)方法,根據(jù)物理資源利用效率的使用閾值情況，常見(jiàn)的包括下面5種。

1)局部歸約檢測(cè)方法(local regression，LR)；

2)魯棒局部歸約檢測(cè)方法(local regression robust， LRR)；

3)絕對(duì)中位差檢測(cè)方法(median absolute deviation，MAD)；

4)靜態(tài)的資源使用效率閾值檢測(cè)法(static threshold ，THR)；

5)4分位數(shù)區(qū)間檢測(cè)方法(inter quartile range，IQR)。

步驟3中，CloudSim項(xiàng)目中已經(jīng)有的虛擬機(jī)選擇算法包括下面幾種。

1)最大關(guān)聯(lián)選擇方法(maximum correlation，MC):即選擇同一個(gè)物理主機(jī)上與CPU使用效率有最高關(guān)聯(lián)度的虛擬機(jī)作為對(duì)象；

2)最小遷移時(shí)間選擇方法(minimum migration time，MMT):即遷移一個(gè)在最短時(shí)間內(nèi)能夠完成的虛擬機(jī)作為選擇對(duì)象；

3)最小資源使用效率選擇辦法(minimum utilization，MU):即對(duì)一個(gè)具有最小使用效率的虛擬機(jī)進(jìn)行遷移；

4)隨機(jī)選擇策略(random selection，RS):即在物理主機(jī)上隨機(jī)選擇一個(gè)虛擬機(jī)進(jìn)行遷移。

本文的Inter_VMM虛擬機(jī)遷移策略與Cloudsim項(xiàng)目中不同的是，在后續(xù)的虛擬機(jī)放置過(guò)程中，融合虛擬機(jī)選擇和虛擬機(jī)放置的相結(jié)合方法,著重考慮虛擬機(jī)和物理主機(jī)匹配雙方每個(gè)個(gè)體的優(yōu)先級(jí)而不是經(jīng)典裝箱方法。

2.2 虛擬機(jī)遷移的相關(guān)術(shù)語(yǔ)

2.2.1 物理主機(jī)使用效率

物理主機(jī)的使用效率體現(xiàn)了云數(shù)據(jù)中心資源使用狀態(tài)，所有物理主機(jī)的平均使用效率可以表示為

(1)

(1)式中：ui是當(dāng)前的物理主機(jī)i的CPU使用效率；m是物理主機(jī)的數(shù)目。

2.2.2 能源消耗模型

為了計(jì)算云數(shù)據(jù)中心的能源消耗，假設(shè)服務(wù)器是空閑的，它的能源消耗的百分比是k,pfull表示服務(wù)器在完全滿負(fù)載工作時(shí)的能源消耗，ui是當(dāng)前的物理主機(jī)i的CPU使用效率,物理主要數(shù)目為m,則整個(gè)云服務(wù)器端的能源消耗表示為

(2)

3 融合虛擬機(jī)選擇的虛擬機(jī)放置算法描述

Inter_VMM虛擬機(jī)遷移策略主要工作在平臺(tái)即服務(wù)(infrastructure as a service,IaaS)的條件下，假設(shè)一個(gè)云數(shù)據(jù)中心有N個(gè)異構(gòu)的物理服務(wù)器節(jié)點(diǎn)，在一個(gè)給定的時(shí)間內(nèi)，有多個(gè)客戶端提交應(yīng)用程序到該平臺(tái)，該應(yīng)用程序被虛擬化技術(shù)封裝成M個(gè)虛擬機(jī)到該平臺(tái),接下來(lái)該M個(gè)虛擬機(jī)將被分配到具體的物理服務(wù)器上執(zhí)行。按照前面思路，應(yīng)該包括物理主機(jī)狀態(tài)檢測(cè),虛擬機(jī)選擇,虛擬機(jī)放置等過(guò)程。

Inter_VMM的策略在前2個(gè)階段分別采用了魯棒局部歸約放檢測(cè)方法LRR完成物理主機(jī)狀態(tài)檢測(cè),采用了最小遷移時(shí)間選擇方法MMT來(lái)完成虛擬機(jī)選擇,之所有選擇這2個(gè)方法是因?yàn)橄嚓P(guān)文獻(xiàn)表明它們?cè)跇?gòu)造節(jié)能的云數(shù)據(jù)中心方面具有良好、優(yōu)異的性能。在第3階段,即虛擬機(jī)放置階段，Inter_VMM采用了一種兼顧虛擬機(jī)和物理主機(jī)雙方資源優(yōu)先級(jí)沖突的方法,表1描述了相關(guān)的術(shù)語(yǔ),算法步驟具體描述如下。

表1 Inter_VMM虛擬機(jī)遷移策略的相關(guān)符號(hào)描述

步驟1給每個(gè)候選遷移列表中虛擬機(jī)確定最高優(yōu)先級(jí)的物理主機(jī)。

a)假設(shè)有α≤M個(gè)虛擬機(jī)要放置到β≤N個(gè)物理主機(jī)之上,定義虛擬機(jī)的集合為V,V={V1,V2,…,Vα},定義可用的物理主機(jī)的集合為P,P={P1,P2,…,Pβ}。

b)對(duì)于集合V中的每一個(gè)虛擬機(jī)Vi,計(jì)算物理主機(jī)集合P中的Uij,公式為

(3)

c)計(jì)算理想目標(biāo)利用效率Uth和評(píng)測(cè)利用效率Uij之間的差值,如果Uth≥Uij,該差異值計(jì)算表達(dá)式為

ΔUij=Uth-Uij

(4)

否則，表明這個(gè)物理主機(jī)不適合作為被放置的物理節(jié)點(diǎn)。

d)物理主機(jī)Pk(i)是一個(gè)容易被虛擬機(jī)Vi最優(yōu)先放置的物理節(jié)點(diǎn)，則有

k(i)=argminΔUij,1≤j≤β

(5)

根據(jù)它們的優(yōu)先級(jí),多個(gè)虛擬機(jī)也可以選擇相同的物理主機(jī),這里定義Vlist_j為根據(jù)它們的優(yōu)先級(jí)完成排序的最容易放置到物理主機(jī)Pj的候選放置列表。

步驟2匹配虛擬機(jī)到物理主機(jī).

a)對(duì)于每個(gè)P集合中的物理主機(jī)，匹配Pj到Vlist_j,這樣都可以獲得一個(gè)最小的ΔUij。

b)在每次匹配過(guò)程完成之后，丟棄Vlist_j列表,并且將Vi從V集合中刪除。

步驟3如果V不等于空集,反復(fù)執(zhí)行步驟1和步驟2,否則終止整個(gè)放置步驟的運(yùn)行。

融合虛擬機(jī)選擇的虛擬機(jī)放置算法的步驟如下。

算法1:融合虛擬機(jī)選擇過(guò)程的虛擬機(jī)放置算法

輸入:物理主機(jī)列表hostList,虛擬機(jī)選擇階段產(chǎn)生的候選虛擬機(jī)列表VMsToMigrateList

輸出:已經(jīng)完成好的虛擬機(jī)放置列表Placement of VMs

1 for vm in VmsToMigrateList do

2 minInterrelationDiff1:=MAX //

3 preferredhostList :=NULL // 優(yōu)先級(jí)物理主機(jī)列表為空

4 for each host in hostList do

5 if host has enough resources for vm then

6 InterrelationDiff1 :=estimated InterrelationDiff1 (host,vm)

7 if (InterrelationDiff1 < minInterrelationDiff1) then//如果ΔUij最小.

8 preferredHost := host//空閑物理主機(jī)加入列表

9 minInterrelationDiff1 :=InterrelationDiff1

10 end if

11 end if

12 end for

13 if preferredHostList !=NULL then

14 preferredHostList.add(vm,preferredHost) //生成最優(yōu)先級(jí)的物理主機(jī)列表

15 end if

16 end for

17 for preferredHost in preferredHostList do

18 minInterrelationDiff2:=MAX

19 finalSelectedVM:=NULL

20 for VM inVMsSelectpreferredHost do

21 InterrelationDiff2:=estimateInterrelationDiff2(host,vm)//計(jì)算物理主機(jī)集合P中的Uij,從而使ΔUij最小

22 If InterrelationDiff2

23 minInterrelatinDiff2:=InterrelationDiff2

24 finalSelectdVM:=VM//虛擬機(jī)匹配到最優(yōu)先級(jí)的物理主機(jī)列表preferredHostList

25 end if

26 end for

27 end for

28 if finalSelectedVM !=NULL then

29 placement.add(finalSelectedVM,preferredHost)

30 end if

31 return Placement

上述代碼中1—16行的功能是從候選遷移物理主機(jī)列表VmsToMigrateList中產(chǎn)生最優(yōu)先級(jí)的物理主機(jī)列表preferredHostList,在這個(gè)步驟中，每次都獲得一個(gè)最小的minInterrelationDiff1.estimatedInterrelationDiff1函數(shù)，功能是計(jì)算物理主機(jī)集合P中的Uij,從而使ΔUij最小。代碼17—31行的功能是將虛擬機(jī)匹配到最優(yōu)先級(jí)的物理主機(jī)列表preferredHostList,該過(guò)程每次也可以獲得一個(gè)最小的ΔUij。

該算法表明物理資源的利用效率與理想利用效率的差值最小，物理主機(jī)的利用效率比較高。在每次完成匹配之后，被匹配的虛擬機(jī)將從候選虛擬機(jī)列表中刪除，該算法一直執(zhí)行直到候選虛擬機(jī)列表中的所有虛擬機(jī)都完成匹配為止,最后返回一個(gè)虛擬機(jī)遷移地圖。

4 仿真實(shí)驗(yàn)與性能分析

4.1 仿真環(huán)境

為了對(duì)本文提出的融合虛擬機(jī)選擇的虛擬機(jī)放置Inter_VMM模型進(jìn)行實(shí)驗(yàn)分析，采用了Cloudsim模擬器。Cloudsim的最新版本中提供了很多已有的虛擬機(jī)遷移策略的能量消耗模型的實(shí)驗(yàn)數(shù)據(jù)，方便科研工作者對(duì)云數(shù)據(jù)中心的能量相關(guān)的虛擬機(jī)遷移算法的比較與研究[5]。

根據(jù)虛擬機(jī)遷移3個(gè)階段的步驟，Cloudsim中比較好的辦法是用LRR策略為物理主機(jī)狀態(tài)檢測(cè),結(jié)合MMT策略完成虛擬機(jī)選擇,再結(jié)合經(jīng)典裝箱方法(classical packing problem,CPP)完成虛擬機(jī)放置,本文稱(chēng)之為L(zhǎng)RR_MMT_CPP策略,它的實(shí)現(xiàn)結(jié)果見(jiàn)文獻(xiàn)[4-5]。

LRR_MMT_CPP策略為與本文Inter_VMM策略作為比較的對(duì)象。被模擬的云數(shù)據(jù)中心主要由2類(lèi)物理服務(wù)器組成，物理服務(wù)器總數(shù)為800個(gè)，物理服務(wù)器配置如表2。

表2 云數(shù)據(jù)中心物理服務(wù)器配置

模擬云客戶端的應(yīng)用程序訪問(wèn)，使用10 000個(gè)具有正確CPU與內(nèi)存請(qǐng)求的任務(wù)數(shù)據(jù), 運(yùn)行的可以是一個(gè)Web應(yīng)用程序或者其他一個(gè)具有不同類(lèi)型工作負(fù)載的應(yīng)用程序,一共產(chǎn)生大約4類(lèi)虛擬機(jī),如表3。

表3 云數(shù)據(jù)中心4類(lèi)虛擬機(jī)需求情況

能量模型如2.2節(jié)所描述的能量消耗模型,這也是Cloudsim中常用的能量消耗模型。虛擬機(jī)遷移周期設(shè)置為5 min，這種設(shè)置就意味著虛擬機(jī)的負(fù)載探測(cè)和虛擬機(jī)的遷移5 min運(yùn)行一次，一共運(yùn)行24 h,每次統(tǒng)計(jì)一天內(nèi)的能量消耗,在一周內(nèi)重復(fù)運(yùn)行5次。

4.2 評(píng)測(cè)標(biāo)準(zhǔn)

按照Cloudsim項(xiàng)目研究思路，虛擬機(jī)遷移策略評(píng)價(jià)的主要指標(biāo)有4個(gè):①云數(shù)據(jù)中心的總體能量消耗;②虛擬機(jī)遷移次數(shù);③平均的SLA違規(guī)分析;④能量與SLA違規(guī)的聯(lián)合指標(biāo)。這4個(gè)指標(biāo)可以體現(xiàn)與能量消耗相關(guān)的虛擬機(jī)遷移策略的性能好壞。前面2個(gè)指標(biāo)比較好理解，現(xiàn)在主要描述下指標(biāo)③和指標(biāo)④。

4.2.1 SLA違規(guī)比率

在云數(shù)據(jù)中心中，SLA違規(guī)值表明在客戶有服務(wù)請(qǐng)求的時(shí)候，CPU并沒(méi)有分配資源的情況。本文參考了文獻(xiàn)[4]中的方法，采用了2個(gè)方法來(lái)評(píng)價(jià)SLA違規(guī)。單活動(dòng)主機(jī)SLA違規(guī)時(shí)間(SLA violation time per active host ,SLATAH), 虛擬機(jī)遷移后降低的性能(performance degradation due to migrations , PDM)。 所以，最終SLA違規(guī)的具體值可以表示為

SLAV=SLATAH*PDM

(6)

(6)式中：SLATAH是活動(dòng)主機(jī)的CPU具有100%的使用效率所占的比例；PDM是整個(gè)系統(tǒng)因?yàn)樘摂M機(jī)遷移后降低的性能。

4.2.2 SLA違規(guī)與能量消耗聯(lián)合指標(biāo)

能量消耗和SLA違規(guī)這2個(gè)指標(biāo)往往是互相沖突的，如果SLA違規(guī)比率過(guò)高,表明云數(shù)據(jù)中心提供服務(wù)出現(xiàn)異常，這樣企業(yè)將會(huì)失去商業(yè)利潤(rùn)。如果使用過(guò)多的IT物理資源來(lái)保證QoS,這樣能量消耗就會(huì)增加,間接提高了企業(yè)的成本,所以本文主要是保證能量消耗和QoS之間的平衡。參考Cloudsim中的ESV(energy and SLA violations)方法來(lái)評(píng)價(jià)整個(gè)云數(shù)據(jù)中心的性能, ESV的計(jì)算公式為

ESV=E*SLAV

(7)

(7)式中：E是云數(shù)據(jù)中心的整體能量消耗，SLAV是(6)式中的SLA違規(guī)情況,ESV體現(xiàn)了能量與SLA違規(guī)的聯(lián)合指標(biāo).

4.3 仿真結(jié)果與性能分析

本文在Cloudsim上執(zhí)行融合虛擬機(jī)選擇和虛擬機(jī)放置的虛擬機(jī)遷移策略Inter_VMM的仿真。

資源的使用效率閾值調(diào)整為0.8,與LRR_MMT_CPP策略進(jìn)行比較。

本文的方法與LRR_MMT_CPP策略方法不同的地方是最后在虛擬機(jī)放置階段采用了新的虛擬機(jī)與物理主機(jī)匹配算法。在Inter_VMM的方法中，融合了虛擬機(jī)選擇的結(jié)果，體現(xiàn)了虛擬機(jī)選擇與虛擬機(jī)放置的結(jié)合，使虛擬機(jī)與物理主機(jī)能夠達(dá)到穩(wěn)定匹配。

本文的實(shí)驗(yàn)結(jié)果在總體能量消耗，虛擬機(jī)遷移次數(shù)，SLA違規(guī)比率,ESV等指標(biāo)了進(jìn)行了計(jì)算,結(jié)果如圖1—圖4,包括從周一到周五每天的實(shí)驗(yàn)數(shù)據(jù),體現(xiàn)了普遍性。

從圖1可以看出，Inter_VMM策略的總體能量消耗低于LRR_MMT_CPP策略,周一到周五平均至少節(jié)省30%的總能量消耗,分析原因是Inter_VMM以提高物理主機(jī)資源利用效率為最終目標(biāo),如果提高了利用效率,將直接降低資源能量消耗，而不是像LRR_MMT_CPP策略中采用經(jīng)典裝箱方法和遞減經(jīng)典裝箱方法中以降低活動(dòng)物理主機(jī)數(shù)量為目標(biāo)。

圖1 云數(shù)據(jù)中心總體能量消耗性能比較Fig.1 Total energy consumption performance results of cloud data center

圖2顯示云數(shù)據(jù)中心的SLA違規(guī)比率情況。Inter_VMM策略比LRR_MMT_CPP策略的SLA違規(guī)比率要低,SLA違規(guī)比率都在0.002%～0.007%，意味著10000次的云客戶端訪問(wèn),只有大約0.2～0.7次物理資源無(wú)法分配，Inter_VMM和LRR_MMT_CPP都比較優(yōu)秀,但是Inter_VMM虛擬機(jī)遷移過(guò)程的服務(wù)質(zhì)量QoS比LRR_MMT_CPP要好,分析原因是2個(gè)策略都采用了MMT方法完成候選物理主機(jī)列表,遷移時(shí)間短,這樣可靠性比較好。

圖2 云數(shù)據(jù)中心SLA違規(guī)比率性能比較Fig.2 SLA violation rate performance results of cloud data center

由于每次虛擬機(jī)遷移都會(huì)影響到系統(tǒng)能量消耗和SLA違規(guī)的比率,所以虛擬機(jī)遷移的次數(shù)也非常重要。圖3顯示了融合虛擬機(jī)選擇和虛擬機(jī)放置的Inter_VMM策略的實(shí)驗(yàn)結(jié)果,Inter_VMM策略虛擬機(jī)遷移次數(shù)明顯要少,正是因?yàn)檫w移次數(shù)少，才會(huì)直接導(dǎo)致云數(shù)據(jù)中心的可靠性與節(jié)能性能進(jìn)一步提高。

在SLA違規(guī)和能量消耗聯(lián)合性能指標(biāo)之上，ESV的值越小，云數(shù)據(jù)中心的總體性能就越優(yōu)秀。從圖4可以看出，Inter_VMM策略比LRR_MMT_CPP策略要低,這是因?yàn)樵诓捎萌诤咸摂M機(jī)選擇和虛擬機(jī)放置的虛擬機(jī)遷移策略后，所有物理服務(wù)器的CPU使用效率可以控制在很接近一個(gè)理想的使用效率范圍，這樣就增加了虛擬機(jī)資源的利用效率,Inter_VMM策略可以將那些空閑的物理服務(wù)器關(guān)閉,最終節(jié)省了云數(shù)據(jù)中心能量消耗。

圖3 云數(shù)據(jù)中心虛擬機(jī)遷移次數(shù)比較Fig.3 Virtual machine migration numbers results of cloud data center

圖4 云數(shù)據(jù)中心綜合ESV性能比較Fig.4 Total ESV performance results of cloud data center

5 結(jié) 論

本文提出了云數(shù)據(jù)中心融合虛擬機(jī)選擇的虛擬機(jī)放置的策略Inter_VMM。該策略主要工作在虛擬機(jī)放置階段，將虛擬機(jī)和物理主機(jī)雙方的穩(wěn)定匹配作為目標(biāo),將云數(shù)據(jù)中心的物理資源的利用效率控制在一個(gè)理想的閾值范圍。實(shí)驗(yàn)表明，本文方法比Cloudsim中已經(jīng)有的虛擬機(jī)遷移策略在總體能量消耗,虛擬機(jī)遷移次數(shù)，SLA違規(guī)比率，ESV等指標(biāo)上有更加優(yōu)秀的性能,本文方法對(duì)其他企業(yè)構(gòu)造大規(guī)模節(jié)能的云數(shù)據(jù)中心具有重要參考價(jià)值。