[发明专利]一种虚拟机放置方法及装置

说明书

技术领域

本发明涉及云计算技术，尤指一种虚拟机放置方法及装置。

背景技术

目前，解决云数据中心即资源集节能问题的方法，大多以降低云数据中心物理服务器的使用数目为目标，合理制定虚拟机（VM）到物理服务器（PM）的资源映射策略，实现云数据中心的能耗优化。面向节能的虚拟机放置方法主要有两种：资源能力归一化方法、及多维装箱算法。其中，

资源能力归一化方法，在制定虚拟机到物理服务器的放置策略时，首先，将虚拟机和物理服务器的能力均简化为一维指标；然后，制定待迁移的虚拟机集合、目标物理服务器集合，逐个对迁移的虚拟机进行判断，计算出每个虚拟机的最佳目标物理服务器；最后，输出目标物理服务器集合。

显然，资源能力归一化方法将虚拟机到物理服务器的资源放置抽象为单一数值，在进行虚拟机放置判断的过程中，该方法虽然快速寻找到了目标物理服务器的位置，但是，在实际运行环境中，虚拟机和物理服务器仅使用单一的归一化指标并不能准确描述其资源大小，从而大大降低了防止的有效性。

多维装箱算法，在制定虚拟机到物理服务器的放置策略时，将虚拟机和物理服务器的能力通过CPU、内存和磁盘三个指标进行度量，可见，多维装箱算法考虑了空间多维属性。多维装箱算法是资源能力归一化方法的扩展。多维装箱算法考虑了资源空间的不可叠加性，如下图1所示，图1为现有虚拟机和物理服务器资源的不可叠加性的示意图。

多维资源属性的不可叠加特性是指，在传统装箱问题中，以二维装箱问题为例，如图1(a)所示，箱子中的物品可以在水平和垂直位置上进行叠加，这里的物品指的是待放置的虚拟机，箱子指的是承载虚拟机的物理服务器。然而，由于物理服务器中的CPU、内存、磁盘以及输入/输出（I/O）等资源一旦被分配给VM1，那就不能同时再被分配给VM2了，如图1（b）所示，VM1和VM2沿着对角线方向进行叠加，这种放置方法称为虚拟机放置的不可叠加性。

在考虑空间多维属性的虚拟机放置方法中，首先，将虚拟机和物理服务器的资源属性作为约束条件，将物理服务器的开启数目作为目标函数，进行数学建模；然后，采用启发式算法对多维装箱问题进行求解。多维装箱算法从空间属性上，采用多维度对虚拟机和物理服务器进行度量，准确实现了虚拟机到物理服务器的资源放置，避免了资源放置不合理的情况。但是，在实际运行环境中，虚拟机不仅具有空间属性，同时还具有时间属性。对于此，多维装箱算法缺乏对时间属性的考虑，这样，造成了物理服务器的资源浪费，从而不能有效达到云数据中心节点降耗的目标。

发明内容

为了解决上述技术问题，本发明提供了一种虚拟机放置方法及装置，在满足物理服务器空间约束的前提下，能够更好地避免物理服务器的资源浪费，从而有效降低云数据中心的能耗。

为了达到本发明目的，本发明提供了一种虚拟机放置方法，包括：

根据建立好的物理服务器的能耗模型，分别获取预设时间内资源集中各物理服务器的总能耗；

建立需要放置的虚拟机对各物理服务器的空间约束关系和时间约束关系并获取总能耗目标函数；

采用二维粒子算法，资源集中各物理服务器的总能耗目标函数，获取每次资源分配中满足根据建立的空间约束关系和时间约束关系的最优放置虚拟机的目标物理服务器及能耗信息。

所述获取每次资源分配的最优放置虚拟机的目标物理服务器及能耗信息包括：

将预先设置的虚拟机到物理服务器的放置位置的初始方案作为随机生成的粒子的初始位置和初始速度，按照预先设置的种群规模和迭代次数完成迭代，并计算出各次迭代对应的各虚拟机放置位置的可行解；

将计算出的各可行解分别代入所述总能耗目标函数，得到相应的适应度值，选择出本次资源分配中最小的适应度作为最优的能耗值，并将其可行解对应的虚拟机放置位置作为最优的放置虚拟机的目标物理服务器。

该方法之前还包括按照下式建立物理服务器的能耗模型：P(u(t_i))＝αP_max+(1-α)P_maxu(t_i)；

其中，P_i(u(t))表示物理服务器i的功率函数；u(t)表示在时刻t的CPU利用率，u(t)∈[0,1]；P_max表示CPU利用率满负荷时物理服务器i的单位时间能耗；α为基线能耗占满负荷能耗的比例。

所述分别获取预设时间内资源集中各物理服务器的总能耗包括：