基于强化学习的虚拟机资源自动配置
需积分: 0 83 浏览量
2021-04-16
16:00:16
上传
评论
收藏 1.44MB PDF 举报
-
38
- - 39 -
基于强化学习的虚拟机资源自动配置
李文婵
１
，彭志平
２
（1. 江苏科技大学 计算机科学与工程学院，江苏 镇江 212003；
2. 广东石油化工学院 计算机与电子信息学院，广东 茂名 525000）
在虚拟化数据资源管理中心环境
[1]
中，应用被封装在一
个或多个虚拟机中。例如典型的互联网应用由 web 服务器前
端、中间应用逻辑和后端数据库 3 个层次构成；这些层次可
能各自封装在独立的虚拟机中。
虚拟化资源的调度存在于两个层次
[2]
: 局部调度涉及如
何在虚拟机之间合理共享物理机的 CPU、内存和 IO 资源，由
虚拟机管理器负责；全局调度解决如何优化组合虚拟机、在
物理机间平衡负载，这相当于把资源合理地分配给应用。本
文主要讨论前者。
虚拟机技术允许多个虚拟机同时运行，每个虚拟机
有自己的操作系统 OS 并同时支持多个服务，这就需要在
同一个物理机上共享资源。它主要依赖隶属于硬件和来
宾 OS 之间的虚拟机监视器 VMM，以便在虚拟机之间分配
资源。
1
实验环境简介
收稿日期：2013
–
06
–
26 稿件编号：201306167
作者简介：李文婵 (1989—)，女，福建泉州人，硕士研究生。研究方向：云计算与人工智能。
Abstract:
Virtual machine technology enables multiple virtual machines shared resources on the same physical host.
In response to the application requirements change, or changes in supply of resources, distribution of resources on
the virtual machine should be able to be reconfigured dynamically. In this article, we propose an algorithm based on
reinforcement learning to automate the VM configuration process,Its name is SRLAC(Standard Reinforcement Learning
Auto-Configuration). SRLAC emphasizes the algorithm based-model to solve the system management applications
to ensure stability and adaptability. Through a virtual machine-based cloud testbed CloudSim implementation of
a representative server load experiments prove the validity of the results. This method can find an optimal (or near
optimal) allocation strategy in small-scale systems, and it perform a good stability and adaptability.
Key words:
virtual machines; resource allocation; reinforcement learning; CloudSim; cloud computing
1.1
CloudSim
简介
CloudSim 是在 GridSim 模型基础上发展而来，提供了云
计算的特性，支持云计算的资源管理和调度模拟。CloudSim
提供基于数据中心的虚拟化技术、虚拟化云的建模和仿真功
能。CloudSim 提供了资源的监测、主机到虚拟机的映射功能。
CloudSim 的 CIS（Cloud Information Service）和 DataCenterBroker
实现资源发现和信息交互，是模拟调度的核心。用户自行开发
的调度算法可在 DataCenterBroker 的方法中实现，从而实现调
度算法的模拟。
1.2
XEN
及 XEN 监视器
XEN
[3]
是由剑桥大学开发的开源准虚拟化虚拟机，通过
改动客户 OS，使其以为自己运行在虚拟机上，能够和 VMM
协同工作，图 1 显示了 XEN 虚拟机的体系结构
[4]
。在 XEN 上
虚拟机技术允许多个虚拟机在同一台物理主机上共享资源。为了响应应用需求的变化或者是资源供应的变化，
分配到虚拟机上的资源应该能够动态的重新配置。为此，本文提出了一个基于强化学习的算法来自动处理 配置进程，
即 (Standard Reinforcement Learning Auto-Configuration)。 强调了基于 算法的模型来解决在资源管理系统的稳定性和
适应性问题。这里通过在一个云环境仿真软件 CloudSim 在基于 虚拟机的云测试床实施具有代表性的服务器负载的
实验，结果证明了 的有效性。这个方法可以在小规模系统里发现最优（或接近最优）的配置策略，并且表现了很
好的稳定性和适应性。
关键词：虚拟机；资源配置；强化学习；CloudSim；云计算
中图分类号：
TP
399
文献标识码：A
文章编号：1674-6236(2014)05-0038-03
摘要
：
A reinforcement learning approach to virtual machines auto-conguration
LI Wen-chan
1
,PENG Zhi-ping
2
（
1. College of Computer Science and Engineering,Jiangsu University of Technology,
Zhenjiang 212003, China; 2. College of Computer Electronic Information,Guangdong University of
Petrochemical Techndogy, Maoming 525000, China
）
电子设计工程
第
5
期第
22
卷
Vol.
22
No.
5
Electronic Design Engineering
Mar.
2014
2014 年3月
评论0
最新资源