基于混合群智能的节能虚拟机整合方法
作者:
作者单位:

作者简介:

通讯作者:

林伟伟,linww@scut.edu.cn

基金项目:

国家自然科学基金(62072187,61872084);广东省基础与应用基础研究重大项目(2019B030302002);广东省重点领域研发计划(2020B010164003);广州市科学研究计划重点项目(202007040002,201902010040,201907010001);广州开发区科技项目(2018GH17);中央高校科研业务费项目(2019ZD26)


Energy Efficient Hybrid Swarm Intelligence VM Consolidation
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    数据中心的虚拟机(VM)整合技术是当今云计算领域的一个研究热点.要在保证服务质量(QoS)的前提下尽可能降低云数据中心的服务器能耗本质上是一个多目标优化的NP难问题.为了更好地解决该问题,本文面向异构服务器云环境提出了一种基于差分进化与粒子群优化的混合群智能节能虚拟机整合方法(HSI-VMC).该方法包括基于峰值效能比的静态阈值超载服务器检测策略(PEBST),基于迁移价值比的待迁移虚拟机选择策略(MRB),目标服务器选择策略,混合离散化启发式差分进化粒子群优化虚拟机放置算法(HDH-DEPSO)以及基于负载均值的欠载服务器处理策略(AVG).其中,PEBST、MRB、AVG策略的结合能够根据服务器的峰值效能比和CPU的负载均值检测出超载和欠载服务器并选出合适的虚拟机进行迁移,降低负载波动引起的服务水平协议违约率(SLAV)和虚拟机迁移的次数;HDH-DEPSO算法结合DE和PSO的优点,能够搜索出更优的虚拟机放置方案,使服务器尽可能地保持在峰值效能比下运行,降低服务器的能耗开销.基于真实云环境数据集(PlanetLab/Mix/Gan)的一系列实验表明,HSI-VMC方法相比当前主流的几种节能虚拟机整合方法能够更好地兼顾多个QoS指标,并有效降低云数据中心的服务器能耗开销.

    Abstract:

    VM consolidation for cloud data centers is one of the hottest research topics in cloud computing. It is challenging to minimize the energy consumption while ensuring QoS of the hosts in cloud data centers, which is essentially a NP-hard multi-objective optimization problem. In this paper, we propose an Energy Efficient Hybrid Swarm Intelligence VM Consolidation Method (HSI-VMC) for heterogeneous cloud environments to address this problem, which including Peak Efficiency Based Static Threshold Overloaded Hosts Detection Strategy (PEBST), Migration Ratio Based Reallocate-VM Selection Strategy (MRB), Target Host Selection Strategy, Hybrid Discrete Heuristic Differential Evolutionary Particle Swarm Optimization VM Placement Algorithm (HDH-DEPSO) and Load Average Based Underloaded Hosts Processing Strategy (AVG). Specifically, the combination of PEBST, MRB and AVG is able to detect the overloaded and underloaded hosts and selects appropriate VMs for migration to reduce SLAV and VM migrations. Also, HDH-DEPSO combines the advantages of DE and PSO to search for the best VM placement solution, which can reduce cluster's real-time power effectively. A series of experiments based on real cloud environment datasets (PlanetLab, Mix and Gan) show that HSI-VMC can reduce energy consumption sharply with accommodate to multiple QoS metrics, outperforms several existing mainstream energy-aware VM consolidation approaches.

    参考文献
    相似文献
    引证文献
引用本文

李俊祺,林伟伟,石方,李克勤.基于混合群智能的节能虚拟机整合方法.软件学报,,():0

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2020-10-02
  • 最后修改日期:2021-02-03
  • 录用日期:
  • 在线发布日期: 2021-08-02
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号