基于云计算服务质量感知的虚拟机节能管理研究

《基于云计算服务质量感知的虚拟机节能管理研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于云计算服务质量感知的虚拟机节能管理研究摘要：云计算是大量的虚拟化的计算机资源的服务节点，如何管理基于节能型和服务型的动态可扩展资源已成为一个重要的问题。针对这一目的，综合大量前期工作，提出了一种改进的遗传算法，并构造系统模型，通过使用CloudSim（云计算仿真软件）和CloudAnalyst（云分析软件）进行定性和定量的数据分析。同时也与传统的动态电压和频率缩放（DVFS）做了比较，通过数据验证证明出利用服务质量感知对虚拟机的节能管理在响应时间、能源消耗、虚拟机迁移数量及合并适应性方面都起到改进作用。表现为在相同功率

2、条件下，新方法能降低用户请求的响应时间，进而提高了用户的服务质量；在相同的响应时间内，新方法又能有效的降低能量功耗。这些改进都能提高用户对服务质量的满意度，同时也为未来使用并行计算技术打下了基础。中国8/vie　　关键词：云计算；负载平衡；节能感知；资源分配；CloudSim；CloudAnalyst　　中图分类号：TP39文献标识码：ADOI：10.3969/j.issn.10036199.2017.01.031　　1简介　　云计算的发展基于面向服务的体系结构、网格计算、并行计算和分布式计算等，这是一个新的脱颖而出的模式

3、，是以高效的为用户提供服务为前提的模式[1]。由于它的如基础设施服务，平台即服务和软件即服务的卓越性能，云计算被人们广泛的接受并使用。通过不断提高了用户的使用效率，同时向不同的消费层次提供各项服务，云计算环境已经成为数据中心的主要力量。　　云�算中降低数据中心的能源消耗是一个具有挑战性且复杂的问题，这需要性能卓越的服务器。节约能源对于确保未来云计算是可一种持续的资源是相当必要的[2]。近些年绿色计算的宣传提出解决这一问题的很多办法，其中许多工作基于功率效率（电源效率）展开，如节能处理器，硬件支持DVFS技术等，也有其他方法

4、来降低虚拟数据中心的能源消耗[3]。通过虚拟化技术可实现软件应用与底层硬件相隔离，它包括将单个资源划分成多个虚拟资源的裂分模式，也包括将多个资源整合成一个虚拟资源的聚合模式[4]。当虚拟机上运行的移动信息从一个网络节点到另一个网络节点时，需要应用虚拟机的快速迁移技术来平衡工作所产生的负载。　　虚拟机管理是提高云计算数据中心效率的关键问题。许多研究工作都围绕这个问题展开，不同的资源分配策略会导致不同的成本和效率水平[5]。因此，如何找到一个高效的资源分配策略，特别是针对有限的能源的分配，同时消耗较低的能源消耗，这是一项艰巨的

5、任务。　　这篇文章当中，我们提出了一种改进的遗传算法，该算法重点研究考虑网络延迟和能源消耗的动态资源管理。我们认为在云计算环境中的用户的服务质量是非常重要的，因此应答时间也是这个实验的关键点。这篇论文的贡献在于以下俩点：第一，在相同功率条件下，我们的方法降低了用户请求的响应时间，提高了用户的服务质量；第二，在相同的响应时间内，我们的方法又能有效的降低能量功耗。　　计算技术与自动化2017年3月　　第36卷第1期李爽：基于云计算服务质量感知的虚拟机节能管理研究　　2研究背景和相关工作　　在云计算中，能量感知一直是研究的一个重

6、点内容。近期的研究方式是通过关闭不活跃的服务器来达到节约能源的作用。文献[6]定义了一个高效节能云计算解决方案的体系结构框架和原则，然后又介绍了高效节能管理的虚拟机分配算法。王晓莹等[7]提出的资源分配和使用可变时工作负载和异构多级应用的能源管理的自适应模型方法。根据文献[8]的论述，该作者使用新的自适应粒子游动来优化的虚拟机配置，以使空闲服务器的处于省电状态。　　很多工作围绕负载平衡结合若干的途径能解决节约能源的问题。前人通过使用关闭计算机电源的方法并不能起到根本的作用，且此种做法只能在理论层面实现。在文献[11]中，作

7、者建议使用局部优化的随机爬山算法来动态分配进入服务器和虚拟机的工作。文献[12]解决了在云计算环境下基于使用映射-规约编程模型的资源管理问题。赵剑锋等人的论文[8]将资源调度模型转化为具有负载均衡目标的有向化多背包问题。文献[14]提出了一种资源调度模型，它使用的概念资源服务比率作为目标函数，而不是任务完成时间，然后采用分布估计算法（EDA）做了验证。研究者通过大量的实验证明了他们提出的调度模型比EDA的资源服务比率算法的效率平均提高了至少1.004，最多1.793倍。　　3利用改进遗传算法的资源配置　　为了节约能源和提升

8、用户的响应时间，在这部分中，我们首先描述一个系统的模型，然后我们介绍能源损耗的定义，最后，我们提出一种采用改进能量功率的遗传算法的优化算法。　　3.1系统模型　　本文定义的系统模型与以往有俩种不同：首先，不同于大多数的节能系统如在文献[6][7]中提到的，注重考虑CPU和RAM的负载平衡，本文着重从用户