云计算系统中数据中心的节能算法研究

简要介绍了云计算的定义和特点,重点研究了云计算数据中心的高能耗问题,对目前的节能算法进行了分类,重点综述了基于DVFS的节能算法、基于虚拟化的节能算法以及基于主机关闭/开启的节能算法,并对算法的优缺点和适用环境作了比较分析。最后总结了云计算数据中心的能耗管理中进一步的研究难题。     

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。     

云计算数据中心可扩展服务器节能优化研究

摘要：云计算数据中心越来越庞大,硬件规模也日益增大,而且还会有大量的计算资源、存储资源会出现在云端,促使出现了一大批十万级、百万级、乃至千万级服务器的数据中心,且服务器还可以增量扩展与增量部署,高能耗问题已经日益凸显,严重制约到云计算数据中心的可持续性发展。本文提出了一种新型的云计算数据中心可扩展服务器节能优化策略——效能优化策略,能够基于全局角度来降低能源消耗,优化服务器选择过程,并且还可促使不同服务器之间实现负载均衡。仿真实验结果表明：基于能耗大小来看,本文提出的效能优化策略要比DVFS策略、无迁移策略所对应的能耗分别节约15.23%、24.33%;基于迁移数来看,本文提出的效能优化策略要比DVFS策略所对应的迁移次数减少2425次,总之,本文提出的效能优化策略总体而言要明显比DVFS策略、无迁移策略更优越。     

虚拟化云计算数据中心资源节能调度算法研究

针对当前云计算数据中心资源调度过程耗时长、能耗高、数据传输准确性较低的问题,提出基于VR沉浸式的虚拟化云计算数据中心资源节能调度算法。构建云计算数据中心资源采样模型,结合虚拟现实(virtual reality,VR)互动装置输出、转换、调度中心资源,提取中心资源的关联规则特征量,采用嵌入式模糊聚类融合分析方法三维重构中心资源,建立虚拟化云计算数据中心资源的信息融合中心,采用决策相关性分析方法,结合差异化融合特征量实现对数据中心资源调度,实现虚拟化云计算数据中心资源实时节能调度。仿真结果表明,采用该方法进行虚拟化云计算数据中心资源节能调度的数据传输准确性较高,时间开销较短,能耗较低,在中心资源调度中具有很好的应用价值。     

基于萤火虫算法的云计算数据中心的高效节能技术

云数据中心对能源需求的不断增加导致能源的大量消耗。云计算服务商要为客户提供高质量的服务,就需要管理好能源,这是目前大型数据中心降低能耗的一种挑战。为了解决这个问题,采用虚拟主机迁移方法对服务器进行整合,以最大限度地降低能耗。该过程分为三个阶段：第一阶段,分析每个物理主机的资源利用率,根据分析数据使用调整降序最佳算法;第二阶段,应用萤火虫算法处理新用户的请求;第三阶段,通过采用人工神经网络对部署的VM进行确认。通过仿真验证了该方法能够获得最小数量主机,最大程度减少能源消耗。     

数据中心节能算法研究综述

介绍了在数据中心服务器的硬件层、操作系统层、应用程序层以及集群层新涌现的节能技术及算法,给出了数据中心节能的其他研究问题,最后介绍了研究热点以及未来所面临的挑战。     

多核系统中基于Global EDF 的在线节能实时调度算法

随着多核系统能耗问题日益突出,在满足时间约束条件下降低系统能耗成为多核实时节能调度研究中亟待解决的问题之一.现有研究成果基于事先已知实时任务属性的假设,而实际应用中,只有当任务到达之后才能够获得其属性.为此,针对一般任务模型,不基于任何先验知识提出一种多核系统中基于Global EDF在线节能硬实时任务调度算法,通过引入速度调节因子,利用松弛时间,结合动态功耗管理和动态电压/频率调节技术,降低多核系统中任务的执行速度,达到实时约束与能耗节余之间的合理折衷.所提出的算法仅在上下文切换和任务完成时进行动态电压/频率调节,计算复杂度小,易于在实时操作系统中实现.实验结果表明,该算法适用于不同类型的片上动态电压/频率调节技术,节能效果始终优于Global EDF算法,最多可节能15％～20％,最少可节能5％～10％.     

云计算数据中心资源管理系统研究

云计算简单的说就是利用计算机进行互联计算,并且能够进行大规模的数据计算,这个技术是进入21世纪以来最热门的技术之一。本文主要分析了云计算的发展状况,并且对云计算数据中心进行了全面的概述,并且详细的介绍了云计算的资源管理系统。     

基于访问量预测的数据中心自适应节能机制

为能在保证服务质量的前提下提高数据中心能源利用率,提出一种基于用户访问量预测的数据中心虚拟机自适应节能机制,根据自适应Holt-Winters(AHW)预测法研究互联网用户访问行为的周期性,使其能根据用户访问量自适应地调整虚拟机数量以提高虚拟机的利用率,达到减少数据中心能耗的目的。仿真实验结果显示,AHW预测法最高平均绝对百分误差为22.46%,基于AHW预测法的数据中心虚拟机利用率为97.88%,相比未采用节能机制时提高了37.19%,从而证明该节能机制对周期性用户访问进行预测时具有较好的统计性能和较强的鲁棒性,能更好地满足数据中心节能的需求。     

云计算中能耗和性能感知的虚拟机优化部署算法

优化虚拟机部署是数据中心降低能耗的一个重要方法。目前大多数虚拟机部署算法都明显地降低了能耗,但过度虚拟机整合和迁移引起了系统性能较大的退化。针对该问题,首先构建虚拟机优化部署模型。然后提出一种二阶段迭代启发式算法来求解该模型,第一阶段是基于首次适应下降装箱算法,提出一种虚拟机优化部署算法,目标是最小化主机数;第二阶段是提出了一种虚拟机在线迁移选择算法,目标是最小化待迁移虚拟机数。实验结果表明,该算法能够有效地降低能耗,具有较低的服务等级协定(SLA)违背率和较好的时间性能。     

虚拟化云计算数据中心能量感知资源分配机制

针对云计算的资源管理问题,提出了云计算数据中心的能量模型以及四个虚拟机放置算法。首先计算每个机架上主机的负载并根据设定的阈值进行归类,然后采用最少迁移策略从主机上选择合适迁移的虚拟机并且接受新的虚拟机分配请求,对每个虚拟机与主机集合进行匹配,选择最优化的主机进行放置。实验结果表明,与现有的能量感知资源分配方法相比,该方法在主机、网络设备以及冷却系统方面能量利用率分别提高了2.4%,18.5%和28.1%,总的能量利用率平均提高了14.5%。     

云计算环境下的虚拟机快速克隆技术

虚拟机克隆技术是指在云计算环境下快速复制出多个虚拟机（VM）并将这些VM分发到多台物理主机上,克隆出来的VM共享相同的初始状态然后独立运行提供服务。虚拟机克隆使得云计算提供商能够快速有效地部署系统资源。给出了一种虚拟机快速克隆方法,利用写时拷贝技术来创建虚拟磁盘和内存状态的快照,然后用按需分配内存技术和多点传送技术来请求和传输这些状态信息。在C3云平台上的实验表明,此方法在不中断源虚拟机中运行服务的情况下,实现了云计算中的快速虚拟机克隆。     

云环境下基于改进遗传算法的虚拟机调度策略

针对云环境下服务器内部多种资源间分配不均衡问题,提出了一种多维资源协同聚合的虚拟机调度算法MCCA。该算法在分组遗传算法的基础上,采用模糊逻辑及基于资源利用率多维方差的控制参量,设计适应度函数指导搜索解空间。算法使用基于轮盘赌法的选择方法,并对交叉和变异等进行了优化,以实现快速有效地获取近似最优解。在CloudSim环境下进行了仿真,实验结果表明该算法对均衡多维资源分配和提高资源综合利用率具有一定的优势。     

一种基于能耗优化的云计算系统任务调度方法

服务器执行任务产生的能耗是云计算系统动态能耗的重要组成部分。为降低云计算系统任务执行的总能耗,提出了一种基于能耗优化的最早完成时间任务调度方法,建立了服务器动态功率计算模型,基于动态功率的服务器执行能耗模型,以及云计算系统的能耗优化模型。调度策略根据任务的截止时间要求和在不同服务器上的执行能耗,选择不同的调度算法,以获得最小任务执行总能耗。实验结果证明,提出的任务调度方法,能够较好地满足任务截止时间的要求,降低云计算系统任务执行的总能耗。     

云计算虚拟化技术的发展与趋势

云计算是一种融合了多项计算机技术的以数据和处理能力为中心的密集型计算模式,其中以虚拟化、分布式数据存储、分布式并发编程模型、大规模数据管理和分布式资源管理技术最为关键。经过十多年的发展,云计算技术已经从发展培育期步入快速成长期,越来越多的企业已经开始使用云计算服务。与此同时,云计算的核心技术也在发生着巨大的变化,新一代的技术正在改进甚至取代前一代技术。容器虚拟化技术以其轻便、灵活和快速部署等特性对传统的基于虚拟机的虚拟化技术带来了颠覆性的挑战,正在改变着基础设施即服务（IaaS）平台和平台即服务（PaaS）平台的架构和实现。对容器虚拟化技术进行深入介绍,并通过分析和比较阐述容器虚拟化技术和虚拟机虚拟化技术各自的优势、适应场景和亟待解决的问题,然后对云计算虚拟化技术的下一步研究方向和发展趋势进行展望。     

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。     

Layered virtual machine migration algorithm for network resource balancing in cloud computing

Due to the increasing sizes of cloud data centers, the number of virtual machines (VMs) and applications rises quickly. The rapid growth of large scale Internet services results in unbalanced load of network resource. The bandwidth utilization rate of some physical hosts is too high, and this causes network congestion. This paper presents a layered VM migration algorithm (LVMM). At first, the algorithm will divide the cloud data center into several regions according to the bandwidth utilization rate of the hosts. Then we balance the load of network resource of each region by VM migrations, and ultimately achieve the load balance of network resource in the cloud data center. Through simulation experiments in different environments, it is proved that the LVMMalgorithm can effectively balance the load of network resource in cloud computing.     

云计算可信性问题研究

系统地总结梳理了国内外云计算可信性研究现状,重点综述了云计算可信平台、框架与模型,可信机制,可信技术,可信管理,可信评估等方面,并得出若干结论:(1)较多文献往往借鉴传统信任管理和可信计算理论与方法;(2)针对云服务提供商的可信性评估研究较少;(3)可信服务度量与评估是云计算领域亟待突破的重要研究课题。