云計(jì)算中面向虛擬資源節(jié)能算法的研究

1、云計(jì)算中面向虛擬資源節(jié)能算法的研究云計(jì)算是目前國內(nèi)外科研和商業(yè)機(jī)構(gòu)重點(diǎn)研究的一種新興計(jì)算模式，它是網(wǎng)格計(jì)算、并行計(jì)算和分布式計(jì)算的發(fā)展，是下一代網(wǎng)絡(luò)與應(yīng)用的新技術(shù)，主要運(yùn)用虛擬化技術(shù)，將云計(jì)算數(shù)據(jù)中心的任務(wù)進(jìn)行自動(dòng)化部署。在云計(jì)算系統(tǒng)研發(fā)和產(chǎn)業(yè)化過程中，最迫切解決的技術(shù)問題是可靠性問題，其次是能耗問題。云計(jì)算系統(tǒng)中數(shù)據(jù)中心的能耗不僅增加了云服務(wù)提供商的運(yùn)營成本，而且已經(jīng)組件演變成一個(gè)環(huán)境問題。本文將圍繞如何降低云計(jì)算中的能耗問題，提出了一種基于虛擬機(jī)遷移、負(fù)載均衡新型節(jié)能調(diào)度策略；然后再圍繞如何讓實(shí)現(xiàn)虛擬機(jī)遷移和負(fù)載均衡提出了蟻群算法，分析該算法的優(yōu)缺點(diǎn)。【關(guān)鍵詞】云計(jì)算 虛擬機(jī)遷移 節(jié)能 蟻

2、群算法云計(jì)算在各個(gè)領(lǐng)域已得到廣泛應(yīng)用，在云計(jì)算發(fā)展的同時(shí)，構(gòu)成云計(jì)算的基礎(chǔ)設(shè)施也消耗了大量的電力資源。據(jù)2011年的數(shù)據(jù)統(tǒng)計(jì)，世界范圍內(nèi)的計(jì)算中心的年均耗電量已經(jīng)超過3兆kW，且其增長呈明顯的加速趨勢(shì)。高能耗一方面帶來了操作成本的增加，從而導(dǎo)致投資回報(bào)率的減少；另一方面也帶來嚴(yán)重的環(huán)境污染問題。因此，降低數(shù)據(jù)中心的能耗和提高單位能耗的效用已經(jīng)成為云計(jì)算中心研究領(lǐng)域一個(gè)亟待解決的問題。目前，云計(jì)算數(shù)據(jù)中心大都采用虛擬化技術(shù)，由于資源的虛擬化的存在，系統(tǒng)資源和任務(wù)負(fù)載都具有高度的動(dòng)態(tài)性，并由此衍生出一系列的能耗優(yōu)化問題。例如，I/O 操作局部性;特征對(duì)系統(tǒng)能耗的影響、用戶 QoS 需求對(duì)能耗感知型

3、調(diào)度算法的影響、任務(wù)結(jié)構(gòu)特征對(duì)能耗優(yōu)化策略的影響等。對(duì)此，國內(nèi)外研究者從不同的角度提出了大量的解決策略和方案，用于補(bǔ)充宏觀能耗優(yōu)化體系結(jié)構(gòu)的不足，或者為系統(tǒng)提供更加細(xì)粒度的能耗優(yōu)化與控制策略。1 一種新型的虛擬機(jī)遷移資源調(diào)度策略虛擬機(jī)遷移、負(fù)載均衡資源調(diào)度優(yōu)化算法，它允許作業(yè)運(yùn)行一段時(shí)間后立即將作業(yè)進(jìn)行遷移，并且利用虛擬機(jī)遷移技術(shù)對(duì)云節(jié)點(diǎn)間的作業(yè)進(jìn)行不均衡調(diào)度，使作業(yè)整合到盡可能少的云節(jié)點(diǎn)上；同時(shí)，通過關(guān)閉空閑的云節(jié)點(diǎn)來釋放未被使用的資源以實(shí)現(xiàn)高效節(jié)能。云計(jì)算資源管理與作業(yè)調(diào)度中提出了兩種基本的調(diào)度算法，對(duì)文獻(xiàn)采用四種資源調(diào)度場(chǎng)景（scenarios）來對(duì)資源按照不同要求進(jìn)行合理的有效分配，并

4、完成各自的能耗測(cè)量，得出不同的場(chǎng)景消耗不一樣多的能源，這就很好的區(qū)別了虛擬機(jī)管理場(chǎng)景和基礎(chǔ)管理場(chǎng)景；不同的策略在不同的調(diào)度算法有不一樣的性能，在此我們用能耗來衡量其性能。為了使系統(tǒng)能耗更低，本文提出了一種新的資源優(yōu)化調(diào)度策略。具體步驟：（1）不一定非要等到最小的作業(yè)運(yùn)行完之后再對(duì)虛擬機(jī)進(jìn)行遷移，該新算法允許作業(yè)運(yùn)行30s之后就開始對(duì)作業(yè)進(jìn)行動(dòng)態(tài)遷移。（2）接著，利用負(fù)載整合技術(shù)將盡可能多的作業(yè)分配到較少的節(jié)點(diǎn)上，使得節(jié)點(diǎn)間的負(fù)載不均衡，讓資源獲得高效利用。（3）最后，關(guān)閉未被使用的節(jié)點(diǎn)以節(jié)能。這種調(diào)度策略考慮到了虛擬機(jī)遷移具有靈活控制資源分配，資源動(dòng)態(tài)分配的優(yōu)勢(shì)，負(fù)載均衡、負(fù)載整合技術(shù)對(duì)資源的

5、優(yōu)化，以及開關(guān)策略控制節(jié)點(diǎn)的開啟與關(guān)閉有效降低能耗。它在某種程度上能夠降低節(jié)點(diǎn)的能耗，但是這種方法如何實(shí)現(xiàn)也是一個(gè)很重要的問題，下文將介紹蟻群算法來具體闡述。2 蟻群算法2.1 算法原理在路徑選擇過程中，如果到一條還沒有走過的路徑，即周圍沒有信息素的指引的時(shí)候，就按照自己原來運(yùn)動(dòng)的方向隨機(jī)地挑選一條路徑前行，同時(shí)釋放出與路徑長度相關(guān)的信息素。為了防止螞蟻原地轉(zhuǎn)圈，它會(huì)記住剛走過的哪些點(diǎn)，盡量避開剛走過的一些點(diǎn)，螞蟻釋放出的信息素會(huì)與走過的路徑長度成正比，路徑越長，則播散的信息素就越少。當(dāng)后來的螞蟻經(jīng)過這個(gè)路徑附近的時(shí)候，就會(huì)感知信息素的存在，并選擇信息量較大的路徑前進(jìn)，直到找到食物，這種現(xiàn)象稱

6、之為正反饋機(jī)制。局部最優(yōu)路徑即螞蟻能找到食物的路徑上經(jīng)過的螞蟻會(huì)越來越多，該路徑上信息素的量也越來越大，而其他路徑上的信息量卻會(huì)隨著時(shí)間的推移而逐漸揮發(fā)，最終整個(gè)蟻群找到食物的那條就是最優(yōu)路徑。利用這種方式進(jìn)行虛擬機(jī)的遷移，將盡可能多的作業(yè)分配到較少的節(jié)點(diǎn)，使資源達(dá)到高效利用。2.2 算法的優(yōu)缺點(diǎn)2.2.1優(yōu)點(diǎn)（1）較強(qiáng)的魯棒性，及穩(wěn)定性或健壯性。螞蟻本身的這種覓食規(guī)則顯示了螞蟻不會(huì)因?yàn)橐恍┊惓Ｇ闆r而出現(xiàn)找不到食物的現(xiàn)象。（2）分布式計(jì)算。蟻群算法是一種基于種群生存過程的擬生態(tài)算法，具有并行性，能有效提高作業(yè)運(yùn)行效率。（3）蟻群算法是一種本質(zhì)上并行的算法，由于每只螞蟻搜索過程彼此獨(dú)立，通過信息

7、素進(jìn)行信息交換和通信。這種并行且獨(dú)立搜索能力，不僅增加了算法的可靠性，還降低整個(gè)系統(tǒng)完成搜索的時(shí)間，使運(yùn)行作業(yè)較多的虛擬機(jī)能快速進(jìn)行遷移。2.2.2 缺點(diǎn)蟻群算法適用范圍有限，雖然算法思想簡(jiǎn)單，在執(zhí)行過程中需要花費(fèi)較強(qiáng)的計(jì)算，初始階段由于禁忌表記錄的路徑數(shù)少而容易出現(xiàn)停滯現(xiàn)象，差別并不明顯，但可能會(huì)導(dǎo)致錯(cuò)誤的引導(dǎo)信息，造成大量的無效搜索，降低搜索效率。經(jīng)過較長一段時(shí)間后，才能使較好路徑上的信息素明顯高于其它路徑，隨著時(shí)間的推移，差別越來越明顯，從而最終收斂。但當(dāng)群體規(guī)模較大時(shí)，該表記錄的路徑數(shù)目將非常龐大，很難在較短時(shí)間內(nèi)從大量雜亂無章的路徑中尋找到一條較好的路徑，因此整個(gè)系統(tǒng)運(yùn)行速度就慢。3

8、 總結(jié)本文圍繞云計(jì)算中心的節(jié)能問題，重點(diǎn)研究并提出了基于虛擬機(jī)遷移、負(fù)載整合的新型資源調(diào)度優(yōu)化算法，并用蟻群算法去具體實(shí)現(xiàn)。參考文獻(xiàn)【1】陳康，鄭緯民.云計(jì)算：系統(tǒng)實(shí)例與研究現(xiàn)狀.軟件學(xué)報(bào)，2009，20（5）：1337-1348.【2】S Ricciardi，D Careglio，G S Boada， et al.Saving Energy in Data Center. Infrastructures .Proceedings of the First International Conference on Data Compression， Communications and Processing，2011：265-270.【3】米海波，王懷民，尹剛等.一種面向虛擬化數(shù)字中心資源按需重配置方法.軟件學(xué)報(bào)，2011.【4】R Garg，S W Son，M Kandemir，P Raghavan， R Prabhakar.Markov Model Based Disk Power Management for Data Intensive Workloads .In：Proceedings of IEEE/ACM International Symposium on Cluster C