云计算中多目标驱动的虚拟机安置技术研究

As an important problem in cloud computing and green computing, these years have witnessed the hot research topic of virutal machine placement and its adaptive management.Virtual Machine(VM) placement is to dynamically migrate VMs among servers to ensure workload balance, or consolidate low VM workloads distributed in servers and turning off unloaded servers to achieve greater energy savings. However, these may be conflicting objectives when considered all together. Most of the extant work focuses on only one or at most two specific aspects of the objectives of VM placement. This project considers an effective VM placement tradeoffs among all these objectives of energy saving, workload balance and service level agreement(SLA) in the cloud. In order to avoid extensive change in VM placement due to the resource overhead incurred and time consumed by multiple VM migrations, VM placement is divided into two tasks, that is, initial VM placement and dynamci VM placement. This project clarifies the different objectives modeling methods and different optimization algorithms of the two tasks. Rapid placement or replacement of cloud infrastructure can reduce power consumption and improve resource usage, which are significant contributors to realize energy saving and green computing. Therefore，the project of multi-objective VM placement in cloud computing has good scientific significance and applicable prospects, and will provide thoughts and approaches for the management and development of "Green Cloud Infrastructure".

近几年，作为云计算、绿色计算的关键技术之一，虚拟机安置管理等内容成为研究热点。虚拟机安置是指能够根据云基础设施的负载情况动态地将虚拟机在物理机间迁移，从而使物理机资源得到负载均衡，或者将若干低负载的虚拟机整合到少数物理机上，关闭那些没有虚拟机的物理机，从而达到节能的目标。然而，这些目标的优化是相互冲突的，与当前研究大多只涉及某一方面的优化不同，本课题考虑了云计算环境中服务这一最基本的资源提供形式，综合节能、负载均衡及服务等级协议（SLA）的目标，将虚拟机安置划分为初始化安置及动态安置两种任务，阐明了这两种任务对目标的不同建模方式以及对虚拟机安置的不同优化机制，避免了广泛的虚拟机迁移带来的资源消耗和时间浪费。本课题旨在实现云基础设施的快速部署和重部署，降低能源消耗，提高资源利用率，从而实现节能和绿色计算。课题具有很好的科学意义和应用前景，将为绿色云基础设施的虚拟资源管理和发展提供思路和方法。

近年来以虚拟机为粒度的虚拟机放置管理成为云数据中心能耗管理、实现动态可伸缩资源提供的重要支撑技术。本课题在虚拟机的初始化放置和动态管理两个阶段，开展了以下四个方面的研究：1. 虚拟机的初始化放置：（1）提出多目标优化的虚拟机初始化放置策略。针对SLA违背率，资源损耗和电源消耗三个目标，提出了基于最大最小蚂蚁系统和排除法的多目标优化蚁群算法。该方法具有正反馈机制，通过信息素的不断更新可以高效地收敛到最优解。实验表明，与传统的启发式方法和遗传算法相比，提出的多目标优化虚拟机放置蚁群算法能够在多个相互冲突的目标间实现最优权衡和折衷，使得在发生SLA违背概率较少的情况下，系统的资源浪费和电源消耗也较少。（2）传统的物理机CPU是以一个固定频率运行的，然而这个频率不一定是运行该负载的最佳频率。分析了电源能耗与物理机CPU频率之间的关系，提出基于CPU调频技术的虚拟机初始化放置策略。通过引入CPU频率的动态范围扩大了虚拟机放置方案的解空间，设计了启发式的蚁群算法用于搜索解空间。在真实的物理集群环境下开展了实验，面向不同的负载分布，在节约能耗方面与传统的贪心算法相比，有6-10%的提升。2. 虚拟机的动态管理：（3）提出了多目标优化的虚拟机动态管理方法。考虑服务质量、资源竞争和电源消耗3个目标，解决应用负载的动态变化引起的虚拟机重新放置问题，即什么时候进行虚拟机迁移、迁移哪些虚拟机和放置到哪些物理结点上。在待迁虚拟机选择问题上，根据不同的优化目标分别采取不同的策略；在目标物理及选择问题上，为了均衡系统中多个目标间的冲突，采用解决多准则决策分析方法中的TOPSIS方法来选择物理结点。实验表明，所提出的方法能够得到较低的SLA违背率，较小的资源负载和较少的电源消耗，并且很好地平衡了不同目标之间的冲突。（4）在动态管理的迁移时机决策上，提出一种基于阈值滑动窗口机制的虚拟机迁移判决算法。与现有方法不同，提出的算法考虑了数据中心负载不断变化的情况，高低阈值构成的阈值窗口能够随着数据中心整体负载量的变化而调整，通过建立数据中心任务量的预测机制，当预测任务量接近满负荷时，阈值窗口调大，避免虚拟机不必要的迁移，从而降低迁移失败率，减少传输代价。只有当阈值窗口调整之后，当前负载的资源利用率仍不在阈值窗口内时，才会触发虚拟机的迁移。实验表明，在迁移数量、迁移代价和耗能方面，所提算法 均有良好效果。