面向节能及弹性需求的数据中心虚拟网络拓扑预配置及映射算法研究

Virtual resource rent of data centers is an emerging resources supply mode in present IT market. Its dynamic and flexible mechanism has great significance for enterprises to save costs and flexibly deploy application. For current situation of virtual resource management in data centers, it is an effective solution for virtual resources allocation and management in the granularity of virtual networks. However, the existing approaches have some crucial problems, such as not considered the topology structure of data center, no elasticity resource demand supports and overmuch energy consumption costs, etc. Therefore, there is no holistic solution in virtual resource allocation and management in data centers. From the perspective of the virtual network embedding problem in combination with the original proposed virtual topology configuration mechanism, this project leverages discrete grey prediction, fuzzy multi-objective programming and other mathematical method to design data center virtual resource allocation algorithm which can support elastic resources demand and save energy consumption costs. The project focus on the three key problems: (1) Virtual resource dynamic parameter prediction problem based on elastic demand; (2) Virtual topology pre-configuration based topological equivalent transformation; (3) Virtual network embedding algorithm taking into account energy consumption problem. The project turns to achieve a virtual resource management system with can support elastic demands and save energy consumption, which can provide technical reserve for data centers in operating flexibility and resources scheduling.

数据中心虚拟资源租赁作为新兴的资源供应模式，其动态、灵活的机制对于企业节约成本、灵活部署应用等具有极大意义。对当前数据中心虚拟资源管理现状来说，以虚拟网络为粒度进行分配和管理是行之有效的方案。但现有手段存在拓扑结构针对性差、无资源需求弹性支持，能耗开销大等问题，导致数据中心虚拟资源的分配及管理还无法获得整体性解决方案。针对上述问题，本项目从虚拟网络映射映射问题入手，利用离散灰色预测、模糊多目标规划等数学方法，结合独创的虚拟拓扑预配置机制，设计能够应对弹性资源需求且兼顾能耗开销的数据中心虚拟资源分配算法。项目将重点研究解决三个关键问题：（1）动态弹性资源需求参数预测问题；（2）基于等价变换的虚拟拓扑预配置问题；（3）兼顾节能目标的虚拟网络映射算法设计问题。项目将初步建立较完整的兼顾节能目标的弹性数据中心资源租赁管理体系，为数据中心在运营弹性及资源优化调度等方面提供技术储备。

对于当前的数据中心虚拟资源分配和管理现状来说，虚拟网络映射是公认的行之有效的解决方案，但尚存在资源利用率低，映射算法求解效率较差等问题。为此本项目针对数据中心拓扑结构特点，从资源利用率、能耗节约角度，利用智能算法、强化学习等手段研究设计了高效的虚拟网络映射算法，及数据中心虚拟资源的分配方案。具体包括：1.针对数据中心特定的拓扑结构及虚拟网络节点拓扑特性，提出了一种基于离散粒子群算法的面向拓扑的网络优化算法。不仅根据虚拟节点的带宽和联通度，而且根据其在整个虚拟网络中的连通性来计算虚拟节点的排序。依次将虚拟网络节点映射到底层物理网络中，并结合所提出的物理网络的拓扑启发式信息，以提高算法的收敛速度和物理网络收益/成本比； 2.针对虚拟网络映射问题中历史数据的利用问题，设计了基于主动强化学习的虚拟网络映射算法，该算法可以利用映射的历史经验来优化自身，并使用策略梯度来对指针网络的参数进行优化，最后利用主动搜索的过程来更新网络的参数、得出最终的映射方案。3.针对拓扑变换及大规模解空间搜索效率问题，设计了基于蒙特卡洛树搜索的虚拟网络映射算法，并设计了虚拟拓扑节点重要性评估算法以加快搜索速度，更准确地估计仿真值，从而获得更好的映射解；4.针对搜索策略知识发现问题，设计了基于Q-Learning的虚拟网络映射策略求解算法，算法中agent依据每次学习得到的Q-table来寻找最优策略，依据奖励机制获取虚拟网络映射的最优解决方案。5.针对虚拟资源调度中的能耗问题，基于Pareto熵并结合混合式粒子群算法，提出了兼顾收益及底层能耗开销的多目标虚拟网络映射算法，算法在保证资源代价较小的前提下尽可能控制物理网络的能耗以达到节能目的。通过引入Pareto熵多目标优化模型，计算差熵并评估种群的进化状态，并以此作为反馈信息，设计动态自适应的粒子速度更新策略，以达到近似最优多目标优化映射方案求解的目的。项目的实施为当前云环境下数据中心的虚拟资源分配提供了一定的技术储备。