[发明专利]基于多目标生物地理学优化算法的Docker与虚拟机聚合放置方法

说明书

本发明基于多目标生物地理学优化算法的Docker与虚拟机聚合放置方法，包括以下内容：首先，创造性地将Docker与虚拟机同时作为聚合单位建立基于DVP三层架构的DVMP(Docker and Virtual Machine Placement，Docker与VM放置)约束模型；其次，明确DVMP约束模型的约束条件，建立DVMP聚合放置模型；接着，执行基于MBBO的Docker与虚拟机聚合放置的映射方法；然后，进行聚合场景适配与编码求解获得有效解，以不断迭代更新初始种群的方式寻找Docker与虚拟机聚合问题的最优解决方案；最后，根据最优放置方案进行Docker与虚拟机聚合放置。本发明所述方法能解决虚拟机资源占用大而难以聚合的问题，能优化数据中心能耗及服务器资源利用率。

技术领域

本发明属于云计算中的虚拟机聚合领域，具体涉及一种基于多目标生物地理学优化算法的Docker与虚拟机聚合放置方法，用于将Docker与虚拟机同时作为聚合单位，解决虚拟机资源占用大而难以进一步聚合的问题，采用的算法能避免陷入局部最优，大幅度优化数据中心能耗及服务器的资源利用率。

背景技术

2008年以来，云计算(Cloud Computing)技术迅猛发展，数据中心急剧扩张，随之带来了严重的能耗以及高昂的运营成本。现有研究表明数据中心能耗与物理服务器的资源利用率密切相关，故提升数据中心各物理服务器资源利用率，减少激活态物理服务器数量成为降低数据中心能耗与运营成本的关键策略。工业及学术界利用虚拟机(VirtualMachine，简称VM)技术实现物理资源的细粒度分配，聚焦于虚拟机放置问题研究，从而提升物理资源利用率并降低能耗。

2013年以来，随着Docker技术的开源，以Docker为代表的Linux容器技术迅速席卷全球云服务商。如今，大多数PaaS云服务商采用Docker技术与VM技术结合部署的方式，将承担租户完全隔离责任的VM直接运行于PM(Physical Machine，物理服务器)，承担各租户微服务隔离的Docker容器直接运行于VM，从而形成Docker-VM-PM(简称DVP)三层架构。目前，DVP三层架构下的聚合放置研究主要包括以虚拟机作为聚合单位实现降能耗、提升资源利用率、均衡负载、提升带宽使用率这些单、多目标的聚合优化，极少同时将容器与虚拟机作为聚合单位，没有综合考虑容器、虚拟机及服务器间的资源关系，Docker到VM的最优位置决策若仅依赖于VM的资源使用情况而忽略放置成立时对间接承载的服务器产生的资源影响，容易造成容器在数据中心的分散运行，最终可能会使用更多的服务器进行负载分担，从而造成资源利用率低。因此，如何优化数据中心能耗及服务器的资源利用率，解决虚拟机资源占用大而难以进一步聚合的问题，成了亟待解决的难题。

针对如何优化数据中心能耗及服务器的资源利用率，以下专利提供了相应的技术方案：

文献1.一种基于Spark与优化MBBO算法的并行虚拟机聚合方法(201610948453.6)；

文献2.一种基于云环境下的多目标优化虚拟机放置方法(201410128484.8)。

文献1提供了一种基于Spark与优化MBBO算法的并行虚拟机聚合方法，通过拓展的Spark并行框架及MBBO算法，从而能够在比较短的收敛时间内求解虚拟机聚合问题的最佳迁移方案，为后续的虚拟机并行迁移奠定基础。首先，将虚拟机聚合问题映射到生物地理学优化算法中，确定约束条件，明确求解目标；其次，基于拓展的Spark并行框架，分发满足约束条件的初始栖息地群到各Spark计算节点并迭代执行MBBO并行算法，直到满足终止条件；最后，停止算法执行并获取能够平衡多个优化求解目标的最优解。利用拓展的Spark并行框架的同时，将生物地理学概念映射到优化问题中。