基于虛擬機(jī)遷移的負(fù)載均衡實(shí)現(xiàn)云計(jì)算節(jié)能

1、基于服務(wù)器集群負(fù)載均衡的云計(jì)算節(jié)能摘要：為降低大規(guī)模云數(shù)據(jù)中心的能量消耗，需要在一定程度上實(shí)現(xiàn)資源負(fù)載均衡。目前常用的負(fù)載均衡算法按照任務(wù)的分配方式可以分為兩類：靜態(tài)負(fù)載均衡算法和動(dòng)態(tài)負(fù)載均衡算法。任務(wù)分配之后導(dǎo)致的負(fù)載不均衡問(wèn)題，可以通過(guò)虛擬機(jī)遷移技術(shù)來(lái)解決，其中一種基于虛擬機(jī)遷移的面向能耗降低的負(fù)載均衡方法LBES(Load Balancing and Energy Saving)效果較好。該方法綜合考慮多種資源負(fù)載情況以及群聚沖突等問(wèn)題，對(duì)虛擬機(jī)遷移過(guò)程的3個(gè)關(guān)鍵步驟進(jìn)行分析優(yōu)化，并給出相應(yīng)的策略。關(guān)健詞：云數(shù)據(jù)中心；負(fù)載均衡算法；虛擬機(jī)遷移；能耗降低；1、概述近年來(lái)，在商業(yè)和科學(xué)應(yīng)用對(duì)

2、計(jì)算能力需求的驅(qū)動(dòng)下，云計(jì)算1誕生了。然而，云計(jì)算在不斷發(fā)展的同時(shí)，云計(jì)算模式下數(shù)據(jù)中心的能耗問(wèn)題也越來(lái)越引人關(guān)注。在云計(jì)算環(huán)境下，由于用戶代理選擇物理節(jié)點(diǎn)的不確定性和物理節(jié)點(diǎn)處理能力的差異性導(dǎo)致云計(jì)算環(huán)境中物理節(jié)點(diǎn)的負(fù)載失衡，經(jīng)過(guò)證明：在總頻率不變的前提下，當(dāng)數(shù)據(jù)中心的主機(jī)處理器頻率分布更均勻時(shí)，功耗更低2。因此，如何有效均衡云計(jì)算環(huán)境中各個(gè)物理節(jié)點(diǎn)中的各種資源負(fù)載、減少云數(shù)據(jù)中心的能耗成為一個(gè)需要迫切解決的問(wèn)題。目前常用的負(fù)載均衡算法按照任務(wù)的分配方式可以分為兩類：靜態(tài)負(fù)載均衡算法和動(dòng)態(tài)負(fù)載均衡算法。靜態(tài)負(fù)載均衡算法如輪轉(zhuǎn)法、散列法。動(dòng)態(tài)負(fù)載均衡算法根據(jù)服務(wù)器當(dāng)前負(fù)載的狀況，動(dòng)態(tài)地將用戶請(qǐng)

3、求分配給每臺(tái)服務(wù)，主要有：最少連接法、最低缺失法、最快響應(yīng)法。上述算法均無(wú)法完全保證任務(wù)分配之后服務(wù)器集群負(fù)載均衡，而這時(shí)可以通過(guò)虛擬機(jī)遷移來(lái)實(shí)現(xiàn)整個(gè)服務(wù)集群負(fù)載的動(dòng)態(tài)平衡。然而，在云數(shù)據(jù)中心環(huán)境下由于被遷移對(duì)象的粒度太大，遷移時(shí)所需的帶寬、時(shí)間等條件也更苛刻，因此遷移開(kāi)銷是一個(gè)需要考慮的問(wèn)題。文獻(xiàn)4闡述了云環(huán)境下虛擬機(jī)遷移技術(shù)的應(yīng)用背景，并對(duì)虛擬機(jī)實(shí)時(shí)遷移技術(shù)進(jìn)行了介紹：為了解決云計(jì)算環(huán)境中的能耗問(wèn)題與負(fù)載均衡問(wèn)題，文獻(xiàn)5根據(jù)物理節(jié)點(diǎn)的CPU利用率，提出了一種雙閾值遷移策略，在保證SLA的基礎(chǔ)上實(shí)現(xiàn)節(jié)能，但該研究忽略了虛擬機(jī)運(yùn)行所需資源的多樣性與虛擬機(jī)遷移過(guò)程的復(fù)雜性。一種基于虛擬機(jī)遷移的面

4、向能耗降低的負(fù)載均衡方法LBES(Load Balancing and Energy Saving)較好地解決了這個(gè)問(wèn)題。2、分配任務(wù)時(shí)采取的負(fù)載均衡算法 均衡算法設(shè)計(jì)直接決定了集群在負(fù)載均衡上的表現(xiàn)。一般的均衡算法主要任務(wù)是決定如何選擇下一個(gè)集群節(jié)點(diǎn),然后將新的服務(wù)請(qǐng)求轉(zhuǎn)發(fā)給他。好的負(fù)載均衡算法可以取得更好的效果，但也并不是萬(wàn)能的,它一般只在某些特殊的應(yīng)用環(huán)境下才能發(fā)揮最大效用，可在部署的時(shí)候根據(jù)集群自身特點(diǎn)進(jìn)行綜合考慮,把不同的算法和技術(shù)結(jié)合起來(lái)使用。2.1 負(fù)載均衡算法1 ：輪轉(zhuǎn)法輪轉(zhuǎn)算法是所有調(diào)度算法中最簡(jiǎn)單也最容易實(shí)現(xiàn)的一種方法。在一個(gè)任務(wù)隊(duì)列里,隊(duì)列的每個(gè)成員(節(jié)點(diǎn))都具有相同的地

5、位,輪轉(zhuǎn)法簡(jiǎn)單的在這組成員中順序輪轉(zhuǎn)選擇。在負(fù)載均衡環(huán)境中,均衡器將新的請(qǐng)求輪流發(fā)給節(jié)點(diǎn)隊(duì)列中的下一節(jié)點(diǎn),如此連續(xù)周而復(fù)始,每個(gè)集群的節(jié)點(diǎn)都在相等的地位下被輪流選擇，這個(gè)算法在DNS域名輪詢中被廣泛使用。輪轉(zhuǎn)法的活動(dòng)是可預(yù)知的,每個(gè)節(jié)點(diǎn)被選擇的機(jī)會(huì)是1/N,因此很容易計(jì)算出節(jié)點(diǎn)的負(fù)載分布。輪轉(zhuǎn)法典型的適用于集群中所有節(jié)點(diǎn)的處理能力和性能均相同的情況,在實(shí)際應(yīng)用中,一般將他與其他簡(jiǎn)單方法聯(lián)合使用時(shí)比較有效。2.2 負(fù)載均衡算法2： 散列法散列法也叫哈希法(HASH),通過(guò)單射不可逆的HASH函數(shù),按照某種規(guī)則將網(wǎng)絡(luò)請(qǐng)求發(fā)往集群節(jié)點(diǎn)。哈希法在其他幾類均衡算法不是很有效時(shí)會(huì)顯示出特別的威力，例如在

6、UDP會(huì)話的情況下,由于輪轉(zhuǎn)法和其他幾類基于連接信息的算法,無(wú)法識(shí)別出會(huì)話的起止標(biāo)記,會(huì)引起應(yīng)用混亂。而采取基于數(shù)據(jù)包源地址的哈希映射可以在一定程度上解決這個(gè)問(wèn)題:將具有相同源地址的數(shù)據(jù)包發(fā)給同一服務(wù)器節(jié)點(diǎn),這使得基于高層會(huì)話的事務(wù)可以以適當(dāng)?shù)姆绞竭\(yùn)行。相對(duì)稱的是,基于目的地址的哈希調(diào)度算法可以用在Web Cache集群中,指向同一個(gè)目標(biāo)站點(diǎn)的訪問(wèn)請(qǐng)求都被負(fù)載均衡器發(fā)送到同一個(gè)Cache服務(wù)節(jié)點(diǎn)上,以避免頁(yè)面缺失而帶來(lái)的更新Cache問(wèn)題。2.3 負(fù)載均衡算法3 ：最少連接法在最少連接法中,均衡器紀(jì)錄目前所有活躍連接,把下一個(gè)新的請(qǐng)求發(fā)給當(dāng)前含有最少連接數(shù)的節(jié)點(diǎn)。這種算法針對(duì)TCP連接進(jìn)行,但

7、由于不同應(yīng)用對(duì)系統(tǒng)資源的消耗可能差異很大,而連接數(shù)無(wú)法反映出真實(shí)的應(yīng)用負(fù)載,因此在使用重型Web服務(wù)器作為集群節(jié)點(diǎn)服務(wù)時(shí)(例如Apache服務(wù)器),該算法在均衡負(fù)載的效果上要打個(gè)折扣。為了減少這個(gè)不利的影響,可以對(duì)每個(gè)節(jié)點(diǎn)設(shè)置最大的連接數(shù)上限(通過(guò)閾值設(shè)定體現(xiàn))。2.4 負(fù)載均衡算法4： 最低缺失法在最低缺失法中,均衡器長(zhǎng)期紀(jì)錄到各節(jié)點(diǎn)的請(qǐng)求情況,把下個(gè)請(qǐng)求發(fā)給歷史上處理請(qǐng)求最少的節(jié)點(diǎn)。與最少連接法不同的是,最低缺失記錄過(guò)去的連接數(shù)而不是當(dāng)前的連接數(shù)。2.5 負(fù)載均衡算法5 ：最快響應(yīng)法均衡器記錄自身到每一個(gè)集群節(jié)點(diǎn)的網(wǎng)絡(luò)響應(yīng)時(shí)間,并將下一個(gè)到達(dá)的連接請(qǐng)求分配給響應(yīng)時(shí)間最短的節(jié)點(diǎn),這種方法要求

8、使用ICMP包或基于UDP包的專用技術(shù)來(lái)主動(dòng)探測(cè)各節(jié)點(diǎn)。在大多數(shù)基于LAN的集群中,最快響應(yīng)算法工作的并不是很好,因?yàn)長(zhǎng)AN中的ICMP包基本上都在10 ms內(nèi)完成回應(yīng),體現(xiàn)不出節(jié)點(diǎn)之間的差異;如果在WAN上進(jìn)行均衡的話,響應(yīng)時(shí)間對(duì)于用戶就近選擇服務(wù)器而言還是具有現(xiàn)實(shí)意義的;而且集群的拓?fù)湓椒稚?這種方法越能體現(xiàn)出效果來(lái)。這種方法是高級(jí)均衡基于拓?fù)浣Y(jié)構(gòu)重定向用到的主要方法。2.6 負(fù)載均衡算法6 ：加權(quán)法加權(quán)方法只能與其他方法合用,是它們的一個(gè)很好的補(bǔ)充。加權(quán)算法根據(jù)節(jié)點(diǎn)的優(yōu)先級(jí)或當(dāng)前的負(fù)載狀況(即權(quán)值)來(lái)構(gòu)成負(fù)載均衡的多優(yōu)先級(jí)隊(duì)列,隊(duì)列中的每個(gè)等待處理的連接都具有相同處理等級(jí),這樣在同一個(gè)隊(duì)

9、列里可以按照前面的輪轉(zhuǎn)法或者最少連接法進(jìn)行均衡,而隊(duì)列之間按照優(yōu)先級(jí)的先后順序進(jìn)行均衡處理。在這里權(quán)值是基于各節(jié)點(diǎn)能力的一個(gè)估計(jì)值。靜態(tài)均衡算法沒(méi)有考慮負(fù)載節(jié)點(diǎn)的動(dòng)態(tài)變化，簡(jiǎn)單容易實(shí)現(xiàn)，但在實(shí)際應(yīng)用中存在許多缺陷，不能有效保證各服務(wù)器負(fù)載均衡。動(dòng)態(tài)負(fù)載均衡算法對(duì)于小型服務(wù)器集群系統(tǒng)效果較好，對(duì)于大型服務(wù)器集群系統(tǒng)則不太理想。基于遺傳算法的服務(wù)器集群負(fù)載均衡算法，利用實(shí)時(shí)監(jiān)控和綜合分析：CPU利用率、內(nèi)存利用率、磁盤(pán)FO訪問(wèn)率和請(qǐng)求執(zhí)行的時(shí)間等參數(shù)，通過(guò)這種模擬自然界生物進(jìn)化機(jī)制的遺傳算法，相比于現(xiàn)有的這些算法，取得了更好的負(fù)載均衡效果3。3、任務(wù)分配結(jié)束后基于虛擬機(jī)遷移的負(fù)載均衡方法云環(huán)境下的

10、虛擬機(jī)遷移過(guò)程有3個(gè)關(guān)鍵步驟：(1)物理節(jié)點(diǎn)何時(shí)遷移最佳，即遷移時(shí)機(jī)的確定；(2)在一個(gè)被觸發(fā)遷移的物理節(jié)點(diǎn)中可能有多個(gè)虛擬機(jī)，選擇哪些虛擬機(jī)進(jìn)行遷移能夠使得遷移開(kāi)銷更小、釋放的資源能力更多，即被遷移虛擬機(jī)的選擇；(3)在一個(gè)云數(shù)據(jù)中心中，可能有成千上萬(wàn)個(gè)物理節(jié)點(diǎn)，將虛擬機(jī)遷移到哪個(gè)物理節(jié)點(diǎn)效果最好，即目標(biāo)節(jié)點(diǎn)的定位。為了能夠?qū)崿F(xiàn)更有效率的虛擬機(jī)遷移，本文對(duì)這3個(gè)關(guān)鍵步驟分別提出了相應(yīng)的策略。31 遷移時(shí)機(jī)的確定由于CPU利用率的不穩(wěn)定，為避免一個(gè)瞬時(shí)負(fù)載峰值或谷值觸發(fā)無(wú)謂的遷移造成的系統(tǒng)開(kāi)銷浪費(fèi)，只有當(dāng)CPU利用率超過(guò)設(shè)定的閾值且持續(xù)一段時(shí)間才觸發(fā)遷移，一種基于預(yù)測(cè)機(jī)制的雙閾值觸發(fā)策略。為了

11、預(yù)測(cè)t+l時(shí)刻的負(fù)載情況，本文采用基于歷史數(shù)據(jù)的加權(quán)預(yù)測(cè)機(jī)制。在t時(shí)刻，該預(yù)測(cè)機(jī)制使用t個(gè)過(guò)去的、按時(shí)間序列排列的歷史記錄值對(duì)未來(lái)做出預(yù)測(cè)。例如觀測(cè)的負(fù)載值序列：Zl，Z2，Zf，對(duì)于這個(gè)給定的歷史記錄序列，t+l時(shí)刻的預(yù)測(cè)值Zf+1可利用下式計(jì)算：Zf+1=其中，Ai是時(shí)間序列i時(shí)刻的加權(quán)參數(shù)；Zi是i時(shí)刻觀測(cè)到的CPU利用率，如果觀測(cè)值與預(yù)測(cè)值在時(shí)間上越靠近，則該觀測(cè)值的加權(quán)參數(shù)Ai值越大。當(dāng)預(yù)測(cè)值Zt+l小于較小的閾值Zmin，或大于較大的閾值Zmax 時(shí)，遷移被觸發(fā)執(zhí)行。32 被遷移虛擬機(jī)的選擇一旦某個(gè)物理節(jié)點(diǎn)被觸發(fā)遷移，必須選擇該物理節(jié)點(diǎn)上的哪個(gè)虛擬機(jī)進(jìn)行遷移，以達(dá)到遷移開(kāi)銷較小、釋

12、放資源較多等目的。目前虛擬機(jī)的在線遷移主要是通過(guò)迭代拷貝虛擬機(jī)的內(nèi)存鏡像，同時(shí)追蹤哪些頁(yè)面被修改、需要重新被發(fā)送，或者是拷貝一次虛擬機(jī)的內(nèi)存鏡像，再將之后修改內(nèi)存頁(yè)面的日志文件迭代拷貝到目標(biāo)節(jié)點(diǎn)，目標(biāo)節(jié)點(diǎn)再做相關(guān)的處理操作。這不僅要消耗相當(dāng)大的帶寬資源，還將影響虛擬機(jī)中應(yīng)用程序的性能。以往關(guān)于云計(jì)算中的虛擬機(jī)遷移的研究通常只考慮物理節(jié)點(diǎn)中的CPU資源，而不關(guān)心它的內(nèi)存資源6。事實(shí)上，如果虛擬機(jī)在物理節(jié)點(diǎn)中的內(nèi)存占用不足，即便有足夠的CPU計(jì)算能力，它也無(wú)法正常工作。所以，在選擇遷移對(duì)象時(shí)，須綜合考慮該虛擬機(jī)對(duì)CPU的使用率和內(nèi)存的占用情況。虛擬機(jī)對(duì)內(nèi)存的占用量越大，遷移所需拷貝的內(nèi)存鏡像就越大

13、，遷移的系統(tǒng)消耗也越大，但同時(shí)，遷移也釋放了原節(jié)點(diǎn)中更多的內(nèi)存空間。鑒于以上情況，本文決定當(dāng)觸發(fā)遷移節(jié)點(diǎn)的內(nèi)存使用率過(guò)高時(shí)，選擇遷移內(nèi)存使用率和CPU使用率都較高的虛擬機(jī)，反之，則遷移內(nèi)存使用率較低而CPU使用率較高的虛擬機(jī)。圖1給出了本文被遷移虛擬機(jī)的選擇流程。在圖1中，Zt+l為被檢測(cè)物理節(jié)點(diǎn)在t+l時(shí)刻的CPU使用率預(yù)測(cè)值，Zmin是該物理節(jié)點(diǎn)CPU使用率遷移觸發(fā)較小閾值，Zmax是該物理節(jié)點(diǎn)CPU使用率遷移觸發(fā)較大閾值，該物理節(jié)點(diǎn)的內(nèi)存使用率閾值為Mthreshold ， 當(dāng)前內(nèi)存使用率為Mnow，該物理節(jié)點(diǎn)中的虛擬機(jī)i的CPU利用率為Ci ，內(nèi)存使用率為Mi ，則 ：Ri=CiMi

14、，URi= Ci/Mi。33 目標(biāo)節(jié)點(diǎn)的定位虛擬機(jī)被選擇遷移后，需要考慮選擇合適的目標(biāo)節(jié)點(diǎn)接受被遷移的虛擬機(jī)。在云環(huán)境中，如果多個(gè)物理節(jié)點(diǎn)同時(shí)選擇在當(dāng)前環(huán)境下性能最好的節(jié)點(diǎn)作為目標(biāo)節(jié)點(diǎn)進(jìn)行遷移，就會(huì)導(dǎo)致被選中節(jié)點(diǎn)的負(fù)載在短時(shí)間內(nèi)急劇增加，造成群聚效應(yīng)。為了避免群聚效應(yīng)的發(fā)生，使得節(jié)點(diǎn)負(fù)載更均衡，本文的定位策略并不以固定的方式將虛擬機(jī)遷移到當(dāng)前數(shù)據(jù)中心性能最高的宿主機(jī)，而是基于概率機(jī)制選擇目標(biāo)節(jié)點(diǎn)，定位時(shí)要綜合考慮節(jié)點(diǎn)的CPU計(jì)算能力、內(nèi)存容量2個(gè)性能指標(biāo)。此外，當(dāng)一個(gè)物理節(jié)點(diǎn)出現(xiàn)內(nèi)存不足、但CPU計(jì)算能力過(guò)剩，或者內(nèi)存過(guò)剩、但CPU利用率不足的情況，該節(jié)點(diǎn)中的虛擬機(jī)都不能正常運(yùn)行，造成資源浪費(fèi)

15、。為了能夠均衡物理節(jié)點(diǎn)中內(nèi)存資源與CPU計(jì)算資源的使用，本文在選擇目標(biāo)節(jié)點(diǎn)的過(guò)程中，須考慮待遷移虛擬機(jī)與目標(biāo)節(jié)點(diǎn)的(CPU 消耗內(nèi)存消耗)的匹配程度。為了便于分析和描述，表1給出了相關(guān)符號(hào)及其含義說(shuō)明。33節(jié)點(diǎn)定位過(guò)程節(jié)點(diǎn)的定位過(guò)程主要由3個(gè)步驟構(gòu)成：(1)根據(jù)目標(biāo)節(jié)點(diǎn)的URavailable 和虛擬機(jī)的URcost值匹配度，以及目標(biāo)節(jié)點(diǎn)的性能，從云數(shù)據(jù)中心中選擇出n個(gè)符合要求的目標(biāo)節(jié)點(diǎn)。(2)根據(jù)這n個(gè)目標(biāo)節(jié)點(diǎn)的Ravailable值所組成的概率模型進(jìn)行定位，設(shè)節(jié)點(diǎn)的當(dāng)前可利用資源能力為（Ri）available，則該節(jié)點(diǎn)接受被遷移虛擬機(jī)的概率 Pi為：設(shè)目標(biāo)節(jié)點(diǎn)的集合V：V1，V2，V3，

16、V4，其可利用資源能力Ravailable =4.0，3.0，2.0，1.0，則根據(jù)上式得定位概率P=40，30，2O，l0 。(3)用一個(gè)隨機(jī)函數(shù)生成一個(gè)O，1之間的數(shù)，然后根據(jù)該數(shù)落在由哪個(gè)目標(biāo)節(jié)點(diǎn)的概率空間中，最后確定遷移到哪個(gè)目標(biāo)節(jié)點(diǎn)。34實(shí)驗(yàn)結(jié)果與分析為了驗(yàn)證本文方法的性能，設(shè)計(jì)了一個(gè)仿真實(shí)驗(yàn)，該實(shí)驗(yàn)基于云計(jì)算環(huán)境模擬器cloudsim7進(jìn)行實(shí)現(xiàn)，在實(shí)驗(yàn)中模擬了一個(gè)云數(shù)據(jù)中心，比較云數(shù)據(jù)中心的任務(wù)在各種方法下的執(zhí)行情況和耗能情況，并對(duì)ST(Single Threshold)算法、DT(Double Thresholds)算法、LBES方法通過(guò)賦予不同的閾值進(jìn)行多次模擬。341 環(huán)境配

17、置表2給出了模擬數(shù)據(jù)中心中實(shí)現(xiàn)的參數(shù)設(shè)置。342 結(jié)果分析表3表明了本文方法和NPA(Non Power Aware policy)方法、DVFS 8(Dynamic Voltage and Frequency Scaling)方法、ST方法、DT 方法、LBES方法的比較結(jié)果，由于NPA與DVFS方法不進(jìn)行虛擬機(jī)遷移，實(shí)驗(yàn)結(jié)果只對(duì)其能量消耗結(jié)果進(jìn)行了記錄?？梢钥闯觯涸诠?jié)能效果上，DVFS方法、ST方法與NPA方法相比，有了明顯的提高。DT通過(guò)在ST的基礎(chǔ)上多設(shè)立一個(gè)閾值，在實(shí)現(xiàn)了負(fù)載均衡的基礎(chǔ)上，同時(shí)降低了能量的消耗。在觸發(fā)策略閾值相同的情況下，LBES與DT相比，能量消耗、虛擬機(jī)遷移數(shù)量、

18、SLA違反率均有減少，這是由于LBES在DT基礎(chǔ)上，對(duì)遷移時(shí)機(jī)的決定、被遷移虛擬機(jī)的選擇和目標(biāo)節(jié)點(diǎn)的定位3個(gè)關(guān)鍵步驟進(jìn)行了優(yōu)化，使得虛擬機(jī)的遷移變得更有效率。ST、DT、LBES 3種方法隨著閾值的增加，云數(shù)據(jù)中心中的能量消耗減少，而SLA的違反率增加，這說(shuō)明在一定條件下，為了實(shí)現(xiàn)節(jié)能，要以降低用戶的QoS為代價(jià)。4、結(jié)束語(yǔ)在云數(shù)據(jù)中心環(huán)境下，可以通過(guò)虛擬機(jī)的遷移實(shí)現(xiàn)虛擬機(jī)的動(dòng)態(tài)重分配也即負(fù)載的動(dòng)態(tài)重分配，這種基于虛擬機(jī)遷移的方法LBES，在雙閾值觸發(fā)策略的基礎(chǔ)上，對(duì)遷移時(shí)機(jī)的決定、被遷移虛擬機(jī)的選擇和目標(biāo)節(jié)點(diǎn)的定位3個(gè)關(guān)鍵步驟進(jìn)行了優(yōu)化。通過(guò)實(shí)驗(yàn)證明，該方法可以在實(shí)現(xiàn)負(fù)載均衡、保證SLA的基

19、礎(chǔ)上，更好地實(shí)現(xiàn)節(jié)能降耗。由于虛擬機(jī)遷移要消耗很多資源，最好是結(jié)合一個(gè)效率更高的任務(wù)分配算法，盡可能減少虛擬機(jī)遷移次數(shù)。下一步工作是進(jìn)一步改進(jìn)任務(wù)分配時(shí)的遺傳算法，基于二者使用的很多參數(shù)相同，可以將兩種算法相結(jié)合以形成更好的負(fù)載均衡性能。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J軟件學(xué)報(bào)，2009，20(5)：133713482易星宇，翁楚良：面向云計(jì)算中心效能優(yōu)化的負(fù)載平衡方法J計(jì)算機(jī)科學(xué)與探索，2012，6(4)：3303 許海成傅錦偉：服務(wù)器集群負(fù)載均衡的建模與仿真研究 J計(jì)算機(jī)仿真， 2012， 3 (01)： 1801834Schmidt E SCSI總線和IDE接口：協(xié)議

20、、應(yīng)用和編程M精英科技，譯北京：中國(guó)電力出版社，20015 陳宇龍，溫東新，張展，等基于SCSI的故I牽注入工具設(shè)計(jì)與實(shí)現(xiàn)J計(jì)算機(jī)工程，2011，37(22)：2222244 Clark C， Fraser KHand S，et a1Live Migration of Virtual Machinesc/Proc of the 3rd ChinaGrid Annual Conference. Dunhuan ，China：sn.2008：89955 Be1oglazov A，Buyya REnergy Efficient Allocation of Virtual Machines in Cloud Data centers。C/Proc. Of the 10th IEEE/ACM IEEEACM International Conference on Cluster,Cloud and Grid ComputingMelbourne，Aus