数据中心电费最小化的负载调度策略

为了降低电费成本,一些数据中心使用绿色能源供电。然而,负载的波动性和电价的时间差异性给数据中心电费成本带来了挑战。针对上述问题,提出一种低成本的负载调度算法,使得数据中心电费最小化。首先,建立电力耗费模型;然后,将电费最小化问题形式化为一个多目标约束的优化问题;最后,求解该优化问题得到相应的负载调度策略。实验结果表明:该算法可以在保证负载性能的前提下,有效降低数据中心的电费成本。     

基于改进多目标优化算法的分布式数据中心负载调度

在数据中心的运营中运营商需要考虑如何在利润最大化的同时降低碳排放和提升服务质量,这些目标之间的平衡是一个巨大挑战.针对该问题,建立分布式数据中心负载调度的多目标优化模型,提出一种改进拥挤距离和自适应交叉变异的非支配排序遗传算法(ICDA-NSGA-II).在NSGA-II算法的基础上,通过对拥挤距离的改进能够提高算法的开采和勘探能力,引入正态分布交叉(NDX)算子和自适应变异算子增强种群的多样性,从而保证算法能快速、准确地得到Pareto解集.为了显示改进算法的有效性,对基准测试函数进行求解,仿真结果表明,改进算法相比于典型的NSGA-II和MOEA/D具有更快的收敛速度和精度,在分布式数据中心负载调度优化中,能够快速有效地给出满足利润、碳排放和服务质量等目标的Pareto最优解.     

基于大流调度的软件定义数据中心网络负载均衡算法

传统负载均衡算法对数据中心网络中的大流进行调度时,会造成部分链路负载过重、网络整体负载不均衡等问题。将负载均衡问题转化为多商品流问题进行求解,结合软件定义网络集中控制的思想和数据中心网络的流量特征,提出一种基于大流调度的软件定义数据中心网络负载均衡算法。根据阈值将数据流划分为大流和小流,结合路径上大流分布度和可用负载度对大流进行重路由,以减小大流对网络负载均衡的影响。仿真实验表明,在流量大小分布不均衡的数据中心网络中,该算法与传统的等价多路径算法和基于全局最先匹配的动态流量调度算法相比,在平均对分带宽上获得了更大的提升,能够更好地实现数据中心网络的负载均衡。     

云数据中心基于负载权重的负载均衡调度算法

针对现有云数据中心的多维资源利用不均衡问题,提出基于资源负载权重的动态多资源负载均衡调度算法。算法结合服务器各维度资源动态负载情况,构造层次分析法（AHP）判断矩阵来处理多维资源对于负载均衡影响权重大小,在此基础上综合考虑任务资源需求,将任务放置到合适服务器来改善资源利用,实现资源间负载均衡。平台仿真显示新算法可有效提高利用率低的资源的利用效率,在提高整体资源利用率、降低资源间负载不均衡率方面有优势。     

一种可分负载WSN的能耗均衡负载调度算法

无线传感器网络的节点电源能量有限,其能耗均衡问题已成为研究热点。针对星型可分负载无线传感器网络的负载调度过程,在同时感知、顺序返回信息的工作模型下提出了一种以能耗均衡为目标的负载调度算法(DLEBS)。该算法以降低网络能耗标准差为优化目标,在保证网络总体传输时间及传输顺序的情况下,可以得到相应的负载调度策略。仿真实验表明,算法得到的负载调度可以有效降低网络的能耗标准差。并且随给定时间的增加,算法得到的负载调度使得能耗标准差相应地减小。     

光电混合数据中心网络负载均衡流量调度机制

光电混合数据中心网络采用传统的RED(Random Early Detection)流量调度机制容易造成数据流丢失,同时在等价转发路径的选择上存在随机性。提出一种基于流量预测矩阵的负载均衡流量调度机制。该机制利用软件定义网络,具有全局视角的优点,周期性统计网络流量,建立流量预测矩阵。通过流量预测矩阵动态计算数据流在多条等价链路上的转发概率,并按此概率完成下一个周期的转发。同时,利用电交换链路单独处理突发流量,提高网络吞吐量,实现网络负载均衡。在光电混合数据中心网络拓扑结构上建立合成流量模型进行仿真实验和性能分析。结果表明,与传统的RED流量调度机制相比,该机制能够提高网络吞吐量、降低数据流丢弃率。     

虚拟FTP服务器的一种负载调度算法

本文根据已有的LVS集群系统组建了一台虚拟FTP服务器,针对已有调度算法的不足和FTP服务的特点提出一种基于主机的调度算法,并从理论上分析了算法的可行性。     

基于OpenFlow的数据中心网络负载均衡算法

现代数据中心网络(Date Center Network,DCN)经常会使用多路径(Multi Path,MP)拓扑结构,这样可以避免两节点间某条链路失效而导致的网络拥塞问题,而且增加了网络的带宽和容错率。传统的OSPF(Open Shortest Path First)路由算法会选择单条最短路径作为最终路径,这样可能会导致大部分数据流集中在单一路径上而出现网络拥塞,而其他可用路径处于闲置状态,不能充分地利用DCN中的链路资源,基于SDN(Software Defined Network)的集中化的调度方式能够提高网络利用效率。设计了一套基于Open Flow协议的链路负载均衡模型,详细阐述了它的总体框架和算法实现过程,并通过实验仿真验证了算法的可行性和有效性。     

一种自适应负载的I/O调度算法

I/O调度算法对磁盘阵列(RAID)性能具有至关重要的影响。虽然已有很多典型的I/O调度算法在一定负载情况下可获得较好的性能,但很难有哪一种算法在各种负载情况下均能获得很好的性能。本文提出了一种智能RAID控制模型,结合C4.5决策树和AdaBoost算法实现负载自动分类,根据负载变化和性能反馈情况动态调整I/O调度策略,实现面向应用需求的自治调度。模拟实验结果表明,自适应调度算法具有较好的适应性,在各种负载情况下优于现有的I/O调度算法,尤其适用于多线程混合负载环境的I/O性能优化。     

数据中心网络负载均衡问题研究

数据中心网络是现代网络和云计算的重要基础设施,实现数据中心网络负载均衡是保证网络吞吐并提高服务体验的关键环节.首先分析了数据中心网络与传统互联网之间的区别,总结其特点及特殊性在负载均衡方案设计方面的优势.然后从数据中心的复杂性和多样性角度分析其负载均衡方案设计所面临的挑战.将现有数据中心网络负载均衡方案根据不同的实现层次从网络层、传输层、应用层和综合方案4个角度进行分析,对比各个方案的优缺点,并从控制结构、负载均衡粒度、拥塞感知机制、负载均衡策略、可扩展性和部署难度几个方面进行综合评价.最后对现有数据中心网络负载均衡方案进行总结,并指出未来可能的研究方向.     

虚拟化数据中心全局能耗优化调度方法

虚拟化数据中心的制冷和供电设备能耗比重大且浪费严重,但当前虚拟化能耗优化的研究仅考虑IT设备能耗,针对该问题,通过对数据中心能耗逻辑的研究,提出一种虚拟化数据中心全局能耗优化调度方法。该方法通过感知数据中心负载和热分布状况,依据虚拟化调度规则生成动态调度策略,并对虚拟设备组的制冷供电设备进行同步调度,减少数据中心冗余制冷和设备空载损耗,以此最小化数据中心能耗。实验结果表明,该调度方法可节省制冷设备近26％的冗余制冷,并提升供电设备8％左右的供电效率,提高数据中心的能耗有效性,降低整体能耗。     

混部数据中心负载特征及其任务调度优化分析

随着现代互联网数据中心的规模越来越大,数据中心面临着能耗、可靠性、可管理性与可扩展性等方面的挑战。同时,数据中心承载的服务多样,既有在线Web服务,也有离线批处理任务。在线任务要求较低的延迟,而离线任务要求较高的吞吐量。为了提高服务器利用率,降低数据中心能耗,当前数据中心往往将在线任务和离线任务混合部署到同一个计算集群中。在混部场景下,如何同时满足在线和离线任务的不同要求,是目前面临的关键挑战。分析了阿里巴巴于2018年发布的含有4034台服务器的混部计算集群在8天内的日志数据(cluster-trace-v2018),从静态配置信息、动态混部运行状态、离线批处理作业DAG依赖结构等出发,揭示其负载特征,包括任务倾斜与容器部署的相关关系等,根据任务依赖关系与关键路径,提出了相应的任务调度优化策略。     

绿色车间调度优化研究进展

当今社会环境问题日益严重,绿色制造的研究备受关注.作为现代化制造模式,绿色制造旨在保证产品功能与质量,降低生产成本,提高生产效益,同时减少环境污染与能源浪费,实现经济指标和绿色指标的协同优化.绿色车间调度是绿色制造的重要环节,比传统调度问题的求解难度更高,更具学术研究意义和工程应用价值.绿色车间调度通过资源分配、操作排序和运作模式的合理优化,实现增效、节能、减排、降耗.为此,分析绿色车间调度问题的复杂性和相应的处理机制,介绍绿色车间调度在问题、方法、应用层面的代表性研究进展,进而指出各层面有待进一步研究的若干方向和内容,以促进智能制造与绿色制造的研究与发展.     

面向移动云计算的自适应虚拟机调度算法

随着移动云计算的快速发展和应用普及,如何对移动云中心资源进行有效管理同时又降低能耗、确保资源高可用是目前移动云计算数据中心的热点问题之一.本文从CPU、内存、网络带宽和磁盘四个维度,建立了基于多目标优化的虚拟机调度模型VMSM-EUN(Virtual Machine Scheduling Model based on Energy consumption,Utility and minimum Number of servers),将最小化数据中心能耗、最大化数据中心效用以及最小化服务器数量作为调度目标.设计了基于改进粒子群的自适应参数调整的虚拟机调度算法VMSA-IPSO(Virtual Machine Scheduling Algorithm based on Improved Particle Swarm Optimization)来求解该模型.最后通过仿真实验验证了本文提出的调度算法的可行性与有效性.对比实验结果表明,本文设计的基于改进粒子群的自适应虚拟机调度算法在进行虚拟机调度时,能在降低能耗的同时提高数据中心效用.     

Towards Automated Provisioning and Emergency Handling in Renewable Energy Powered Datacenters

Designing eco-friendly system has been at the forefront of computing research. Faced with a growing concern about the server energy expenditure and the climate change, both industry and academia start to show high interest in computing systems powered by renewable energy sources. Existing proposals on this issue mainly focus on optimizing resource utilization or workload performance. The key supporting hardware structures for cross-layer power management and emergency handling mechanisms are often left unexplored. This paper presents GreenPod, a research framework for exploring scalable and dependable renewable power management in datacenters. An important feature of GreenPod is that it enables joint management of server power supplies and virtualized server workloads. Its interactive communication portal between servers and power supplies allows dataeenter operators to perform real-time renewable energy driven load migration and power emergency handling. Based on our system prototype, we discuss an important topic： virtual machine （VM） workloads survival when facing extended utility outage and insufficient onsite renewable power budget. We show that whether a VM can survive depends on the operating frequencies and workload characteristics. The proposed framework can greatly encourage and facilitate innovative research in dependable green computing.