面向云數(shù)據(jù)中心節(jié)能的虛擬機遷移算法研究.pdf

1、近年來，隨著云計算技術(shù)的發(fā)展，越來越多的資源集中在數(shù)據(jù)中心，給數(shù)據(jù)中心能耗的高效管理帶來了挑戰(zhàn)。數(shù)據(jù)中心的高能耗不僅造成電能的浪費、系統(tǒng)運行的不穩(wěn)定，同時也對環(huán)境造成不良影響。因此，在利用云數(shù)據(jù)中心資源的同時，也應(yīng)該考慮數(shù)據(jù)中心的高能耗問題。虛擬化作為云計算的基礎(chǔ)，在數(shù)據(jù)中心資源管理方面發(fā)揮著重要作用。如何利用虛擬化技術(shù)提高數(shù)據(jù)中心的資源利用率，降低能耗，讓云數(shù)據(jù)中心更加節(jié)能成為近年來一個研究的熱點。
　　本文從能耗測量、能耗建模

2、等方面對云數(shù)據(jù)中心的能耗問題進行了系統(tǒng)分析和研究，針對虛擬機能耗測量難的問題，提出了云數(shù)據(jù)中心中虛擬機能耗的監(jiān)控和測量方法，建立了虛擬機系統(tǒng)以及虛擬機遷移時的能耗模型。常用虛擬機遷移方法使用啟發(fā)式算法分配虛擬機，其求解結(jié)果易陷入局部最優(yōu)解，在研究遺傳算法的基礎(chǔ)上，給出了一種基于遺傳算法的虛擬機遷移算法(Migrating algorithm based on Genetic Algorithm，MGA)。該算法利用遺傳進化的全局搜索原理

3、實現(xiàn)虛擬機到目標(biāo)節(jié)點的映射，并通過將虛擬機和目標(biāo)節(jié)點的資源利用率作為輸入因子引入計算過程，對遺傳算法中的目標(biāo)函數(shù)進行改進，在滿足服務(wù)級別協(xié)議的條件下，使目標(biāo)節(jié)點的使用個數(shù)及遷移次數(shù)最少，從而實現(xiàn)數(shù)據(jù)中心的節(jié)能。在Cloudsim仿真平臺中對基于遺傳算法的虛擬機遷移算法進行了仿真，并使用能耗模型對基于遺傳算法的虛擬機遷移算法實現(xiàn)過程中的能耗進行了測量和分析。該算法與單閾值方法(ST)和雙閾值方法(DT)相比，不僅提高了算法的搜索速度，并且