云计算环境下基于多目标优化的虚拟机放置研究

云数据中心的规模日益增长导致其产生的能源消耗及成本呈指数级增长.虚拟机的放置是提高云计算环境服务质量与节约成本的核心.针对传统的虚拟机放置算法存在考虑目标单一化和多目标优化难以找到最优解的问题,提出一种面向能耗、资源利用率、负载均衡的多目标优化虚拟机放置模型.通过改进蚁群算法求解优化模型,利用其信息素正反馈机制和启发式...     

云计算中面向能耗降低的虚拟机多资源放置算法

为降低云计算系统产生的能耗,实现系统多类型资源的合理利用,提出虚拟机多资源能耗优化放置模型,并给出虚拟机多目标资源随机多组优化算法(RMRO)。RMRO算法随机生成多组虚拟机放置序列,并对每组序列进行优化,从中选出最优的序列作为最终的虚拟机序列。基于RMRO,进一步提出了3种虚拟机放置序列的再优化策略,通过实验对比,选择MMBA策略作为最佳策略。仿真结果表明,RMRO相比传统的MBFD和MBFH算法,能明显降低数据中心的能耗,同时使系统多种资源利用更合理。     

云环境中多目标优化的虚拟机放置算法

虚拟机放置（VMP）是虚拟机整合的核心,是一个多资源约束的多目标优化问题。高效的VMP算法不仅能显著地降低云数据中心能耗、提高资源利用率,还能保证服务质量（QoS）。针对数据中心能耗高和资源利用率低的问题,提出了基于离散蝙蝠算法的虚拟机放置（DBA-VMP）算法。首先,把最小化能耗和最大化资源利用率作为优化目标,建立多目标约束的VMP优化模型;然后,通过效仿人工蚁群在觅食过程中共享信息素的机制,将信息素反馈机制引入蝙蝠算法,并对经典蝙蝠算法进行离散化改进;最后,用改进的离散蝙蝠算法求解模型的Pareto最优解。实验结果表明,与其他多目标优化的VMP算法相比,所提算法在使用不同数据集的情况下都能有效降低能耗,提高资源利用率,实现了在保证QoS的前提下的降低能耗和提高资源利用率两者之间的优化平衡。     

基于网络感知的两阶段虚拟机放置算法

现有的虚拟机放置研究多以节能为目标,通过资源整合减少能源消耗,然而资源的过度聚合会影响网络性能。为此,研究网络感知的虚拟机放置问题并分析相关影响因素,提出一种两阶段启发式虚拟机放置算法。根据虚拟机之间的相似度进行适当聚合,以提高虚拟机之间的网络通信能力,减少数据中心的网络流量,同时根据聚合结果,利用改进的背包算法在物理机之间合理分配虚拟机。实验结果表明,与最佳适应算法和随机算法相比,该算法能更有效地优化网络流量分布,减少激活的物理机数量,降低能源开销。     

基于改进分组遗传算法的虚拟机放置研究

为了提高云计算的资源利用率以及减少能耗,采用改进的分组遗传算法来解决虚拟机放置的效率.通过对遗传算法的交配和突变等过程进行重新设计,提高遗传算法过程中优秀基因遗传给后代的几率,并提出了相应的算法,达到快速求解虚拟机放置问题的目的.实验结果表明,该算法可以快速采用最少的物理机来放置虚拟机,有效地提高了虚拟机放置问题的求解速度.     

云计算中虚拟机资源分配算法

为了解决云计算中虚拟机部署预留方案浪费大量资源和单目标部署方案不够全面问题,提出了一种基于组的多目标遗传算法虚拟机资源分配算法.该算法分成组编码和资源编码,资源编码根据虚拟机历史资源需求进行整合编码,通过改进的交叉和变异操作,将物理机器个数和虚拟机占用物理机器资源整合.实验结果表明,该算法有效减少了物理机器个数使用和提高了物理机器资源使用率,达到了节能目的.     

HPC Cloud环境中基于网络Ⅰ/O负载的虚拟机放置算法

随着虚拟化技术和云计算技术的发展,越来越多的高性能计算应用运行在云计算资源上.在基于虚拟化技术的高性能计算云系统中,高性能计算应用运行在多个虚拟机之中,这些虚拟机可能放置在不同的物理节点上.若多个通信密集型作业的虚拟机放置在相同的物理节点上,虚拟机之间将竞争物理节点的网络Ⅰ/O资源,如果虚拟机对网络Ⅰ/O资源的需求超过物理节点的网络Ⅰ/O带宽上限,将严重影响通信密集型作业的计算性能.针对虚拟机对网络Ⅰ/O资源的竞争问题,提出一种基于网络Ⅰ/O负载均衡的虚拟机放置算法NLPA,该算法采用网络Ⅰ/O负载均衡策略来减少虚拟机对网络Ⅰ/O资源的竞争.实验表明,与贪心算法进行比较,对于同样的高性能计算作业测试集,NLPA算法在完成作业的计算时间、系统中的网络Ⅰ/O负载吞吐率、网络Ⅰ/O负载均衡3个方面均有更好的表现.     

基于粒子群优化算法的虚拟机放置策略

当前云计算虚拟化平台无法适用于对时延要求较高的应用。为此,提出一种基于粒子群优化算法的虚拟机放置策略。介绍粒子群优化算法,建立云环境内部时延模型,设计虚拟机放置策略架构。实验结果表明,该策略的请求响应时间比动态资源调度(DRS)策略降低14%~19%,每秒处理请求数比DRS方案提高约17%。     

云计算中任务调度与虚拟机分配的优化算法

在互联网时代,云计算是近年来快速发展起来的高效分布式平台。在云计算中,与云平台相关的主要问题是任务调度,为任务分配合适的虚拟机(VM)是一项具有挑战性的任务。目前,提出了许多算法来优化云环境中的调度过程,但现有算法都有其自身的缺点。提出了一种混合模型,利用分层过程对任务进行优先级排序,然后提交给调度程序。对带宽感知可分任务调度模型进行了改进,建立了混合优化机制。在数据中心应用抢占策略时,采用最小过载和最小租赁策略,以减少虚拟机的过载。采用不同的参数对所提出的混合模型的性能进行了评估,结果证明了该混合模型的有效性。     

基于家族遗传算法的虚拟机放置策略

提出一种基于家族遗传算法的虚拟机放置策略FGA-VMP(family genetic algorithm based virtual machine place-ment).采用一个自调节的变异算子(mutation operator)避免普通遗传算法的早熟问题;把整个种群划分为多个家族,将这些家族的进化操作并行处理,...     

云环境下计算资源适用性评估

随着云计算和虚拟化技术的发展,一种应用不再是只能部署在一台物理机上,而是可将物理机的计算资源虚拟化成一台虚拟机来部署该应用。传统的分配物理资源放置虚拟机,只考虑应用所需资源是否充足,而未考虑应用类型对物理资源需求的特殊性。本文提出计算资源适用性概念--计算资源当前状态适合部署的应用类型。当需要部署某一应用时,首先判别应用所属类型,同时获取应用对资源占用量;然后根据当前候选资源节点的监控数据,分别进行静态评估和动态评估,计算出综合评估结果,得出部署应用的虚拟机和物理机的映射关系。实验结果表明,与传统的虚拟机放置算法相比,提出的计算资源适用性评估算法,使得应用响应时间变短,提高了应用效率与资源利用率。     

云计算下虚拟机部署机制的研究

随着云计算的发展,虚拟化技术重新得到了人们的关注。当前,在用户服务不断增多,待处理量激增的情况下,如何提高云计算下虚拟机部署效率成为了人们研究的热点。对云计算下虚拟机部署的体系结构和部署流程,以及针对虚拟机部署机制的优化策略进行了研究。使用了分布式模板文件存储方法来提高虚拟机部署效率,通过实验验证了该方法的有效性。     

基于随机规划的云计算中虚拟机分配优化研究

IaaS是云计算中一种基本的服务模式,虚拟机分配是其中的一项重要任务。本文针对虚拟机分配中响应时间和费用消耗的目标,给出了一种虚拟机分配问题的优化算法。该算法在需求具有不确定性的前提下,综合考虑了响应时间和费用消耗两方面的因素,对从属不同供应商的虚拟机资源进行调度和分配。本文基于随机规划理论,对算法进行了建模和仿真,给出了面向响应时间和费用消耗的目标函数及其约束,并通过仿真实验对模型进行了求解。结果表明,该方法能在最大限度节省计算费用的基础上满足不同用户的需要。     

云计算中高效节能的虚拟机分布式管理方法

云计算数据中心的集中管理方法存在虚拟机迁移数量过多、不能很好地扩展到大规模集群上的问题。为此,提出一种节能的虚拟机分布式管理方法。分布式管理方法分为本地管理与全局管理,本地管理负责监控数据中心的各个节点,通过设置高门限值和低门限值决定虚拟机的迁移,全局管理负责将虚拟机迁移到产生最小电源消耗的物理节点上。实验结果表明,分布式管理方法能在减少虚拟机迁移数量、提高系统服务质量的同时,实现云计算数据中心的高效节能。     

QoS约束的虚拟机镜像放置优化方法

随着云计算的兴起, 虚拟机正逐步成为应用服务的部署环境, 如何高效、经济地管理虚拟机镜像文件至关重要. 提出了一种QoS约束的虚拟机镜像放置优化方法, 通过存储收益模型量化分析用户服务质量约束下的存储服务综合收益, 优化镜像文件的存储策略. 实验结果表明该方法可以在满足用户服务质量的前提下, 显著优化存储收益.     

云计算数据中心虚拟机节能管理机制研究

云计算数据中心的耗电量巨大,但绝大多数的云计算数据中心并没有取得较高的资源利用率,通常只有15%-20%,有相当数量的服务器处于闲置工作状态,导致大量的能耗白白浪费。为了能够有效降低云计算数据中心的能耗,提出了一种适用于异构集群系统的云计算数据中心虚拟机节能调度算法(PVMAP算法),仿真实验结果表明：与经典算法PABFD相比,PVMAP算法的能耗明显更低,可扩展性与稳定性都更好。与此同时,随着〈Hosts,VMs〉数目的不断增加,PVMAP 算法虚拟机迁移总数和关闭主机总数的增长幅度都要低于PABFD算法。     

云环境下一种基于能耗感知的虚拟机部署算法

云计算技术已经越来越得到人们的关注和接受。在保证用户性能的前提下,怎样有效提高服务器资源的利用率,同时又能节约能源已成为一个热门话题。针对云计算环境下虚拟机初次部署问题,提出了一种基于能耗感知的虚拟机部署算法（ PAVMAA）。该算法充分考虑用户对于不同应用的不同需求,从系统整体最优角度考虑,以能耗与利用率之间的最佳组合点为出发点,通过计算虚拟机性能需求期望与服务器空闲性能之间的欧几里得距离来匹配部署虚拟机。通过Cloudsim仿真平台上的实验,结果表明：算法实现简单,能明显降低能量消耗。     

云计算环境虚拟机匿名身份证明方案

作为云环境的重要构成部分,虚拟机的身份管理与认证是云计算安全中的重要问题.由于云计算环境具有大规模、分布式等特点,通常在云内存在多个身份权威.而现有的虚拟机身份证明方案中,身份权威的信息是公开的,因此在应用于云计算环境时,将造成组织结构、虚拟机位置等相关性信息的泄露,与云环境的结构透明、位置无关等特性相违背.提出的虚拟机身份证明,在保障原有认证性和信任关系的情况下,实现了身份证明过程中对身份权威信息的隐藏,避免了上述组织结构、位置等信息的暴露,可支持云环境结构透明、位置无关的特点.此外,该方案实现了对平台属性的安全证明,且证明过程无需身份权威的参与,避免了校验者和身份权威的合谋攻击,进一步提高了方案的安全性和实用性.     

基于负载高峰特征的虚拟机放置算法

提出了一种基于虚拟机负载高峰特征的虚拟机放置策略,通过更好地复用物理主机资源来实现资源共享,从而提高资源利用率.在云环境下,当多个虚拟机的负载高峰出现在相同的时间段内时,非高峰时段的资源利用率就会明显偏低;相反,多个虚拟机只要负载高峰能错开在不同的时间,闲置的资源就能更充分地被利用.由于应用的负载通常具有一定的周期性,因此,可以利用虚拟机负载的历史数据作为分析的依据.基于虚拟机的负载高峰特征对虚拟机负载进行建模,建立虚拟机负载之间的相似度矩阵来实现虚拟机联合放置.使用CloudSim模拟实现了所提出的算法,并与基于相关系数的放置算法、随机放置算法进行了比较.实验结果表明:所提算法在平均CPU利用率上有8.9%~12.4%的提高,主机使用量有8.2%~11.0%的节省.