ESG Lab公布EMCVSPEXTM认证基础设施解决方案测试结果

针对500个虚拟桌面和100个虚拟机配置的测试表明该解决方案具备IT即服务情况下的易部署、高性能和高敏捷等特性性博科公布了ESG Lab对EMCVSPEX认证基础设施解决方案的测试结果。该解决方案采用了Brocade VDX以太网矩阵数据中心网络交换机,它适用于100个虚拟机和500个虚拟桌面实例的云优化配置。每个配置都对中小型企     

基于虚拟机部署策略的云平台容错即服务方法

针对如何充分利用云基础架构层资源,满足上层云应用系统租户对应用系统容错的需求多样性和高可靠性要求的问题,提出一种面向租户和云服务提供商的、基于虚拟机部署策略的云平台容错即服务方法。该方法根据租户的特定容错需求适配适合的容错方法及容错级别,据此计算并最优化云服务提供商的收益和资源使用量,在此基础上对提供容错服务的虚拟机进行优化部署,充分利用底层虚拟机资源为租户的云应用系统提供更为可靠的容错服务。实验结果表明,所提方法能够在保障云服务提供商收益的基础上,为多租户云应用系统实现更灵活且可靠性更高的容错服务。     

基于萤火虫群优化算法的容器云资源低能耗部署方法

为了降低容器云中大量物理主机的消耗能量,提出基于萤火虫群优化算法的容器云资源低能耗部署方法。通过建立能量消耗模型得出能耗代价函数,将能耗问题转换成多目标优化问题,利用帕累托占优求解多目标优化问题得出最优解集,保证部署过程中最低能耗。基于容器云资源部署的要求,利用萤火虫群优化算法不断更新容器云资源虚拟机,将主机视为萤火虫种群,根据荧光素在全局中寻优,得出相应虚拟机,生成最优部署方案。实验结果表明,萤火虫群方法优化的容器云部署性能较好,部署运行时间短、开销小。     

IaaS环境中一种保证SLA的资源调度策略

当基础设施即服务(IaaS)云计算中心的资源需要重新分配时,MM策略在选择迁出集合进行动态迁移时存在过多迁移,因此增大了服务等级协议(SLA)的违反几率,并且会导致能量消耗过多.针对该问题,提出一种改进的资源调度策略FMS.通过服务运行的历史数据得到各虚拟机的资源使用情况,分两阶段对物理机集合进行扫描,从中选出需要迁出的虚拟机并与物理机进行映射.CloudSim软件上的实验结果表明,FMS能减少虚拟机的迁移次数,降低迁移开销,而且能更好地满足服务的SLA,实现IaaS模型下资源的优化部署.     

云环境下云平台虚拟机批量部署算法研究

为了提高云环境下云平台虚拟机的批量收发转换和控制能力,需要构建优化的部署模型,提出基于节点度量和多维参数估计的云环境下云平台虚拟机批量部署算法。采用虚拟机节点能量参数估计,分析云环境下云平台虚拟机的信息感知和覆盖模型,通过云平台虚拟机节点的最优覆盖控制,建立云平台虚拟机部署的寻优控制参数模型,采用虚拟机节点的参数度量和多维特征参量估计的方法,实现对虚拟机的网格分块化调节,选择最大覆盖集作为云环境下云平台虚拟机批量部署的寻优控制目标函数,通过网格的覆盖贡献度估计和连通性测试,实现云环境下云平台虚拟机批量部署算法的优化设计。仿真测试结果表明,采用该方法进行云环境下云平台虚拟机批量部署的节点覆盖度较好,虚拟机的批量收发和转换性能较高,提高了云环境下云平台虚拟机动态寻优和自适应控制能力,提高了节点寿命,降低了能量开销。     

数据中心中能量与QoS保障的虚拟机部署

针对已有虚拟机部署方法侧重于优化数据中心能耗,而忽略QoS保障的问题,提出一种基于能量与多维度QoS保障的虚拟机部署算法。建立虚拟机部署的QoS模型,设计一种通用QoS效用函数,实现不同形式QoS的标准量化。并在此基础上,将虚拟机部署问题形式化为满足全局QoS保障的同时能耗最小化问题。设计一种基于改进粒子群算法的虚拟机部署策略对优化问题进行求解。该策略通过相关参数和进化操作的重新定义,以及局部适应度优先的粒子位置更新机制,实现能耗与全局QoS保障的均衡优化。对算法进行了仿真实验分析,结果表明,该算法不仅在能耗与全局QoS保障性能上是优于同类算法的,并且在稳定性和可扩展性方面也具有较好的性能表现。     

面向数据中心的虚拟机部署及优化算法

虚拟机动态配置是解决数据中心能耗低效的有效方法。针对动态配置过程中的虚拟机部署及优化问题展开研究,提出一种新的面向系统能耗的虚拟机部署算法以及基于主动迁移的优化策略。为了降低系统能耗,新算法采用基于服务器利用率的最佳适配降序算法求解虚拟机部署方案;同时为了适应应用负载的动态变化,新算法启动主动迁移策略对部署方案进行优化,即通过启发式算法在当前部署的基础上搜索使系统能耗更低的优化方案,并根据新部署对虚拟机执行主动迁移。考虑到迁移会导致应用服务质量降级和额外能耗,新算法通过在优化策略中设置基于服务器利用率的启动门限,对虚拟机主动迁移频率进行控制。仿真实验表明,所提算法在系统能耗、虚拟机迁移频率、服务器状态切换频率以及服务质量等多项性能指标上均有显著提高     

基于粒子群优化算法的虚拟机部署策略

针对云计算基础设施即服务(IaaS)中的虚拟机部署问题,提出一种基于粒子群优化(PSO)算法的部署策略。由于PSO算法在处理虚拟机部署这类大规模复杂问题时,具有收敛速度慢且容易陷入局部最优的缺点,首先,引入多种群进化模式提高算法收敛速度,并在此基础上加入高斯学习策略避免局部最优,提出了一种多种群高斯学习粒子群优化(MGL-PSO)算法;然后,根据部署模型,使用轮询(RR)算法对MGL-PSO进行初始化,进而提出了一种以负载均衡为目标的虚拟机部署策略。通过在CloudSim中进行仿真实验,验证了在解决虚拟机部署问题时,MGL-PSO相比PSO算法,具有更快的收敛速度,并且负载不均衡度降低了13.1%。在两种实验场景下,所提算法相比随机负载均衡(OLB)算法,其负载不均衡度分别平均降低了25%和15%;相比贪婪算法(GA),使负载不均衡度分别平均降低了19%和7%。     

应用托管环境下的虚拟机优化调度方法

在面对云服务中典型的应用托管需求时,现有的基础设施即服务IaaS大多采用应用无关的方式进行虚拟机调度,无法针对类型不同的应用托管需求调整调度策略,从而会产生虚拟机集群的负载倾斜及资源利用率不高的情况,甚至会影响所托管的应用。针对上述问题,提出了一种应用托管环境下的虚拟机优化调度方法,通过对所托管应用的分析和物理资源的监控,以贪心方式实现虚拟机周期性的调度策略。实际项目中的应用托管实例表明,该虚拟机调度方法可有效减少所使用的物理服务器数量,并提高物理服务器资源利用率。     

面向数据中心虚拟机部署的智能优化策略?

虚拟机部署问题是影响数据中心性能的关键问题之一。文中综合考虑资源损耗、系统功耗和负载均衡度,提出面向数据中心虚拟机部署的智能优化策略。该策略首先建立虚拟机部署优化的多目标数学模型,然后将虚拟机部署问题抽象为装箱问题,最后提出基于改进的自适应离散型人工萤火虫群优化算法的优化策略。仿真实验表明,文中的自适应离散型人工萤火虫群优化算法具有较强的鲁棒性和较快的收敛速度,提出的智能优化策略能有效解决虚拟机部署问题。