论文研究-基于容量感知和负载特征的虚拟机选择算法.pdf

所需积分/C币:5 2019-07-22 21:02:06 1.02MB .PDF
收藏 收藏
举报

虚拟机迁移是解决物理服务器过载的主要手段之一。作为虚拟机迁移领域的经典算法之一,基于最小迁移时间的虚拟机选择算法虽然具有较低的服务等级协议违例率,但是往往需要迁移多个虚拟机才能解决一次过载,效率较低。为解决这一问题,提出了一种基于容量感知和负载特征的虚拟机选择算法。该方法利用最少虚拟机策略和最小迁移时间策略选择虚拟机,以此降低解决服务器过载时迁移的虚拟机次数和耗费的时间。与基于最小迁移时间的算法相比,文中方法可以在保证服务质量的同时将迁移次数降低56.8% 。
3748· 计算机应用研究 第32卷 then 采用了 Planct lab CoMon项目提供的虚拟机监测数据“,包含 add ym in to curlist if curlist≠NULL 了对分布在全球500多个不同地区的1000多个虚拟机的监 the 测信息。不次实验随机从2011年3月至4月的监测记录中选 if curlist. size()>1 择了10天的数据,作为实验负载,详细信息如表2所示。 表1虚拟机型置 for each vin in curlist lculate Aver( u) of vm stance CP/mips memory/GB mList + vm with max Aver(u) High-CPUl 2500 0.85 return mlist Midde- I 1.7 else if curList. size()==l Middle-Ⅱ 1000 return curlist 表2实验负载模型 囗期 虚拟机数量 平均值/% 0110303 052 calculate T of vm 011030 11.4 011030y9 add vn with minimum t to mlist 20110322 1516 while(( host load vm u)>host. thrLoad) 0110325 1078 10.56 return mlist 20110403 l463 当大容量服务器过载时,采用MM簽略选择待迁移的虚拟 20110409 11.12 机。为保证解除服务器过载迁移的虚拟机最少,MM策略优先 0110411 201104l2 1054 11.54 选择满足式(9)的虚拟机Ⅴs。当同时有多个虚拟机满足式 20110420 1033 10.43 9)时,优先选择在过大段时间对服务器负载的平均贡献度 木文用数据中心能耗( energy)、服务等级协议违例率 最高的虚拟机。当找不到满足式(9)的虚拟机时,则按照MMT(LAV)、虚拟机迁移次数(migs)以及ESV(ESV= energy 策略选择并迁移虚拟机。 SAV)作为评价指标。其中, energy越低表示节能效果越好, U1-Uhm≤Umr SLNⅤ越低表示服务质量越好; Miers表示虚拟机迁移次数 记虛拟机V对服务器负载的平均贡献度为Aver(n),Mg越低表示数据中心扰动越少,ESⅤ表示算法在节能和保 Aver(Ua)可根据式(10)计算。在式(10)中,Ua(1)表示时刻 暲服务质量两方面的综合性能,其值越低越好。通过对比分别 时,V"对服务器负截的贡献度,n表示在过去一段时间内的采采用本文方法(新方法)和 beloglazov等人提出的方法(原方 样总数。对丁部署在同一台服务器上的多个虚拟机,负载半均法)时这四项指标的值,来评价本文方法的有效性。 贡献庋最髙的虚拟机,其负载继续增长的可能性相对较低,迁 在实验中,分别用新算法和原方法在选定数据集上进行虚 移后不易引发新的过载。故优先选择此类虚拟札进行迁移。 拟机调度仿真。每个方法都仿真了10次,并对仿真过程和结 Aver(Ua)=∑() (10)果作了详细记录。表3是根据仿具结果计算的各项评价指标 当服务器过载时,本方法根据服务器的容量大小采用不同的均值。与原方法相比,采用新方法后,ESV下降30.4%,总 的虚拟机选择迁移策略,这主要是因为 能耗降低2-.5%,SLAV降低10.3%,虚拟仉迁移次数 Miers减 )待迁移虚拟机实际利用的计算资源越多、负载越高,迁少568% 移对其性能影响越大,因而不宜每次都选择对物理机负载贡献 表3实验结果 度最大的虚拟机进行迁移。 策咚EsV(×E-3) energy/ kWh SLAV(xE-5) Migs 原方法 6.414 172.37 2703 bυ)要使负载降低到相同的阈值之下,大容量物理机比小新方法4.48 133.64 11666 容量物理机所需释放的资源史多。若都采用MMT策略,解除 图1对比了采用新方法和原方法时数据中心的能耗变化。 大容量物理机一次过载往往需婁迁移多个虚拟机。 由图可知,采用新方法进行虚拟机调度时,系统能耗更低。与 c)要解除小容量物理机的过载需要释放的资源相对较原方法相比,在最好情况下新方法可以将系统能耗降低 少,且频繁迁移高负载虚拟机会影响系统的服务质量。 24.1%,在最差情况下也能将能耗降低20.8%。 300 4实验分析 20原尔齿 基容量感知和负载特征的虚拟札选择算法通过采用 新方法 MⅥ策略和MMI'策略,减少在解除物理机过载时需要迁栘的 虚拟机。本章将利用 CloudSim13仿真平台验证该算法的有效 性。本次实验模拟了一个包含800个物理节点的数据中心,其 150 中400台物理机为 hP ProLiant Ml10G4( Intel Xcon3040,2 100 Cores x1860MHz,4GB),属于小容量物理机;另外400台为 HP ProLiant ML110 G5( Intel Xeon 3075, 2 Cores x 2660 MHz. 4 GB),属于大容量物理机。在这些物理机上,运行四种类型的 虚拟机,详细信息如表1所示。 2011201120112011201120112011201120112011 0303030603090322032504030409041104120420 为使仿真平台上的物理机和虚拟机负载更接近现实情况 图1能耗对比 第12期 张冬生,等:基于容量感知和负载特征的虚拟机选择算法 3749 图2对比了采用新方法和原方法时数据中心的SLAV。由步降低数据中心能耗的方法。 图可知,在绝大部分情况下,采用新方法进行虚找机调度时,能参考文献 将SLAV降得更低,即能更好地保证服务质量。但是在基于[1]刘永,三新华,王朕,等,数据中心节能算法研究综述[J·徽型 20l1年4月20号的监测数据进行虚拟机调度时,新方法没有 机与应用,2012,31(7):1-5 原方法好,这可能与过载检测算法、负载预测算法等的因素相[2] Barroso l a, Holzle u. The case for energy-prop-ortional computing 关,将在下一步工作中深入分析这一问题。 [J]. Computer.2007,40(12):33-37 [3 Fan Xiao, Weber W D, Barroso L A. Power provisioning for a ware- 口原方法 house-sized computer//Proc of the 34th Annual International 嬲新方汰 Symposium on Computer Ar hitecture. San Diego, USA: ACM Pres 2007 L4 Wu Linlin, Garg SK, Buyya R. SLA-based resource allocation for software as a service provider( Saas) in cloud computing environ- 二 ments[C]//Proc of IEEE/ ACM International Symposium on Cluster Cloud and Grid Computing. 2011: 195-204 [5 Beloglazov A, Buyya R. Optimal online deterministic algorithms and Hdlaplive heuristics for energy and performane e efficient dynamic con- olidation of virtual machines in cloud data centers[ J. Concurrency 2011201120112011201120112011201120112011 0303030603090322032504030409041104120420 and Computation Practice and Experience, 2012, 24(13) 图2SLAV对比 1397-1420 图3对比了采用新方法和原方法处理物理机过载时所迁[6] Kusic D, Kephart J0, Hanson,etal. Power and performance 移的虚拟机数量。由图可知,采用新方法处理过载吋所迁移的 management of virtualized computing environments via look ahead 虚拟机更少。与原方法相比,新方法在最好情况下可将虚拟机 control J. Cluster Computing, 2009, 12(1): 1-15 迁移次数减少61.5%,在最差情况下也可减少52.3%。 [7Vu H T A traffie and power-aware algorithm for virl ual machine placement in cloud data center[ J. International Journal 口原方法 of grid Distributed computing, 2014,7(1): 21-32 新方法 [8 Graubner P, Schmidt M, Freisleben B. Energy-efficient management of virtual machines in eucalyptus [ C ]//Proc of IEEE International Conference on Cloud Computing. [S. 1.]: IEEE Press, 2011: 243 s20 Hybrid shuffled fro le tions,2014,41(13):5804-5816 [1U]姜建华,刘渝,王丽敏,等,数据云宀基于启发式反向蜂群的虛 0 机选择节能算法[J].吉林大学学报:理学版,2014,52(6):1239- 2011201120112011201120112011201120112011 0303030603090322032504030409041104120420 1248. 图3迁移次数对比 LI]」曾凯,佘堃,敬思远,云环境下基于功耗感知的虚拟机博弈迂姼算 法J.计算机应用研究,2013,30(6):1668-1671 5结束语 [12]叶可江,吴翊晖,姜哓红,等.虚拟化云计算平台的能羌管理[冂]. 为了减少MMT策略在解除服务器过载时虚拟机迁移次 计算机学报,2012,35(6):1262-1285 数较高的问题,本文结合物理机容量特征和虚拟机负载特征, [13] Calheiros R N, Rajiv R, Beloglazov A. CloudSim: a toolkit for mod 提出」基于容量感知和负载特征的虚拟机选择算法。该算法 eling and simulation of cloud computing environments and evaluation of resource provisioning algorithms[ J]. Software Practice and Ex 根据服务器的容量,采用不同的虛拟机选择策略,以期达到减 ference,2011,41(1):23-50 少虚拟机迁移次数,降低数据中心的能耗并保证服务质量的目[14]PaKs,PaVs. CoMon: a mostlv-scalable monitoring system for 标。仿真结果表明,该方法可以达到既定目标。下一步,笔者 PlanetLab.I. ACM SIGOPS Operating Systems Review, 2006 将开展服务器负载预测及轻载服务器整合方面的研究,寻找进 40(1):65-74 (上接第3737页) 衡算法LJ」.计算机应用研究,2014,31(11):3397-3400 L5」钱琼芬,李春林,张小庆,等·云數椐中心虛拟資源管理硏究综述l」夲逦,姚晔,李铁.基于改过型亼工萤火虫算法的云;算資源斫 LJ」.计算机应用研究,2012,29(7):2411-2415,2421 究J」.计算机应用研究,2013,30(8):298-2300,2333 [6』左利云,曹志波云计算中调度问题研究综述[J].计算机应用研[11] Nurmi n, Wolski R, Grzeyorezyk O,ral. The eut:l 究,2012,29(11):4023-4027 source eloud-cormputiny syslem[ C]//Pmc of IEEE/ACM Internatio- [7 Armbrust M, Fox A, Griffith R. A view of cloud computing [JJ nal Symposium on Cluster Computing and the Grid. 2009 Communications of the ACM, 2010, 53(4): 50-58 [12]openNebula[Eb/oL].(2010).Http://www.opennebula.org [8]李宝祲,张伟.基于 Hadoop平台的并行特征匹配算法研究[J].计[13]Ⅴ imbusLEB/OL].(2010).htp:// nimbusprmoject.org 算机应用研究,2014,31(11):3320-3323 [14]张劲松,王启富,万立基于本伓的产品配置建模研究[J].计算 [9]宁树,谷琼,吴钊,等云汴算环境下的泥沌萤火虫的资源负栽均 机集成制造系统,2003,9(5):344-350

...展开详情
试读 4P 论文研究-基于容量感知和负载特征的虚拟机选择算法.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分,得勋章
最新推荐
论文研究-基于容量感知和负载特征的虚拟机选择算法.pdf 5积分/C币 立即下载
1/4
论文研究-基于容量感知和负载特征的虚拟机选择算法.pdf第1页

试读结束, 可继续读1页

5积分/C币 立即下载 >