[发明专利]面向异构云数据中心的能耗优化资源调度方法

说明书

技术领域

本发明涉及一种云数据中心的能耗管理技术，特别涉及一种面向异构云数据中心的能耗优化资源调度方法。

背景技术

近年来，数据中心的高能耗逐渐成为一个突出的问题，尤其是随着云计算时代的到来，更多的计算资源和存储资源集中在云端，给能耗的高效管理带来更大的挑战。据统计，2006年美国6000个左右的数据中心，消耗了大约610亿千瓦时的电能，总值高达45亿美元，超过了当年美国所有彩色电视机的总能耗。来自美国能源部的数据表明，数据中心的能耗占全美所有能耗的1.5%，并且对电能的需求仍在以每年12%的速度增长.到2011年，数据中心会消耗1000亿千瓦时的电能，每年花费约74亿美元。此外，IDC（International Data corporation）市场研究公司对全球所有企业电能花费的评估结果表明，每年全球的企业大概要花费400亿美元在能耗上。数据中心的高能耗问题不仅造成电能的浪费、系统运行的不稳定，同时也对环境造成不良影响。美国联邦机构已经指出高能耗问题将对空气质量、国家安全、气候变化、电网可靠性等方面造成严重影响。因此，云数据中心的节能刻不容缓，能耗优化管理已经成为当前云数据中心亟待解决的重要问题。

2005年Google的首席工程师Luiz André Barroso在美国计算机学刊上发表《The price of performance》论文以来，业界掀起了对计算机系统性能追求方式的反思——无限制的追求系统性能，而忽视能源消耗的做法不再受到青睐。近年来，数据中心的高能耗逐渐成为一个突出的问题，如何进行合理的资源调度，尽可能降低能源的消耗，已经成为云数据中心资源管理一个重要的问题。Rajkumar Buyya等人研究云计算数据中心的能耗问题，提出一个绿色云计算体系结构（Green cloud architecture），它由用户层、绿色服务分配器层、虚拟机层、物理主机层组成，其中的核心是绿色服务分配器；并重点给出能耗感知的虚拟机优化放置和选择算法，通过能耗感知的分配方法降低数据中心的能耗。美国G von Laszewski等人针对虚拟集群环境的能耗问题进行了研究，给出一个通过降低处理器速度来降低能耗的调度机制，给出了能耗公式E=E_dynamic+E_static及P_dynamic=ACv²s，其中A为能耗系数，C为总电容负载，v为处理器的电压，s为处理器的频率；该文献给出了根据虚拟机的负载来动态调节处理器电压的调度机制。Mohand-Said Mezmaz等人研究了云计算环境下优先顺序受限的（precedence-constrained）并行应用的调度问题，分别对优先顺序受限并行应用的完成时间和能耗进行了建模，其中能耗模型为：P_dynamic=ACv²s，然后提出了一种平行双目标混合方法，即把该调度问题建模为最小完成时间和能耗双多目标优化问题，并利用了Pareto遗传算法求解多目标优化问题，提出的并行双目标混合遗传算法兼顾到能耗的最少和应用完成时间的最小。为了实现数据中心的节能，Josep Lluis Berral等人提出通过工作负载整合来关闭不必要的服务器，从而减少活动服务器的数量和数据中心的能耗；在工作负载整合过程中，由于调度信息的动态变化，可能出现错误的负载迁移，从而影响系统性能。为了处理这种不确定信息和提高系统性能，作者提出机器学习方法预测负载迁移后应用和机器的关系模型，从而实现更加智能的负载联合和资源调度。然而，该文献并没有考虑不同类型负载的能耗与性能关系的不同；而且他们假设数据中心的服务器是同构的。国内叶可江等人分析了虚拟化云计算平台能耗监测方法，提出了虚拟机系统的整体能耗模型及服务器整合和在线迁移两种关键技术本身的能耗模，从虚拟化层和云平台层两个层次总结了目前能耗管理机制方面取得的进展，并对能耗管理算法进行分类、比较，介绍的相关能耗测量和评估方法对虚拟机能耗管理具有很好的参考意义。另外，国内林伟伟等也对云计算资源调度研究方法进行了研究，讨论了以降低云计算数据中心能耗为目标的资源管理方法的研究现状，特别提出面向异构云数据中心的能耗优化资源调度方法是未来的重要研究方向。