基于弹性虚拟池的绿色数据中心节能研究

目前数据中心的能耗管理研究已经取得了一些重要进展，但面对高度弹性化和动态化的云计算环境，缺乏有效的能耗与效率评估、智能分析和能耗优化机制，在自适应能耗模型、多层控制算法和宏观能耗架构上存在很多局限和约束。本课题拟提出一个新的全局能耗管理模型-弹性虚拟池（Elastic VM Pool）。以此为中心系统地研究虚拟化能耗架构、自适应能耗模型、可预测控制算法三项关键技术。弹性虚拟池支持创建、伸缩、休眠、唤醒、迁移和销毁虚拟机以及按需调整分配给虚拟机的各类资源。研究多层自适应能耗模型，建立数据中心虚拟资源和能耗之间的定量模型，并在不同层次上建立相应的理论控制模型，实现动态按需调整服务器负载分配和主动式智能能源管理。提出优化控制算法，平衡应用层服务质量和底层虚拟机的资源。通过可预测控制，平滑应用负载变动带来的能耗和性能波动。从而为将来的大规模绿色数据中心平台建设提供核心理论支撑和实验验证。

本课题提出了一个新的全局能耗管理模型-弹性虚拟池（Elastic VM Pool）。以此为中心系统地研究了虚拟化能耗架构、自适应能耗模型、可预测控制算法三项技术。研究多层自适应能耗模型，建立数据中心虚拟资源和能耗之间的定量模型，并在不同层次上建立相应的理论控制模型，实现动态按需调整服务器负载分配。该机制利用虚拟机资源再配置和服务器整合来改进数据中心的能耗。提出了优化控制算法，平衡应用层服务质量和底层虚拟机的资源。通过基于多输入多输出（MIMO）性能控制器和能源优化器，平衡应用负载变动带来的能耗和性能。结合一个单输入单输出（SISO）的控制器和一个队列网络模型来动态的调节CPU资源的分配和运行频率，从而确保虚拟化数据中心的服务质量。提出了一个改进的首次自适应算法，利用虚拟机实时迁移技术来动态整合虚拟机到少量的物理服务器上，从而降低数据中心的能耗。并提出了一个用于求解绿色数据中心虚拟机放置问题的蚁群优化算法。与现存的虚拟机放置算法相比，所提出的算法将一个最大最小蚂蚁系统（MMAS）算法和一个局部搜索算法相结合来更加有效搜索解空间，从而可以找到一个具有最低能源消耗的解。..本项目组发表在HPDC、CLUSTER、NPC、ISCC、JCSS、JSS、SPE、JSA等会议和期刊上发表了15篇论文，出版专著1部，申请专利4项，获得软件著作权2项。项目负责人获得教育部新世纪优秀人才奖1项，并获得2012年度教育部科技进步奖一等奖（排名第六）。