[发明专利]一种针对异构云数据中心的可信虚拟机迁移算法

说明书

一种针对异构云数据中心的可信虚拟机迁移算法，包括以下步骤：(1)根据虚拟机的初始映射情况，选取利用率超过上限的超载物理机(2)根据虚拟机和物理机参数的维数确定迁移算法的维度；(3)整合直到该物理机所有维度的利用率都小于上限；(4)判断是否存在未优化的超载物理机(5)根据虚拟机的初始映射情况，选取利用率小于下限的轻载物理机；(6)确定迁移算法的维度；(7)依次对轻载物理机上部署的虚拟机进行整合；(8)判断是否存在未优化的轻载物理机，依次完成所有轻载物理机的优化，完成迁移过程并生成最终的映射结果；本发明降低云数据中心的能耗并提高虚拟机迁移的成功率。

技术领域

本发明涉及高性能计算及云计算技术领域，特别涉及一种针对异构云数据中心的可信虚拟机迁移算法。

背景技术

为了满足云用户不断提升的性能要求，云服务提供商进一步扩大了云数据中心的规模。然而大规模的云数据中心必然带来较高的能耗，对于企业而言，高能耗就意味着高成本。伴随着全球能量的短缺和气候变暖，云计算的能耗已经变成了制约云计算发展的瓶颈之一。

云计算的节能方式主要可以分为静态节能和动态节能两种方式。静态节能主要是针对计算机硬件设备进行处理，一般是在设计之初就考虑了能耗因素。动态节能主要包括动态电压频率调节(DVFS)技术和优化调度算法，调度算法的改进是一个很好的研究途径，它主要包括云任务调度、虚拟机调度和虚拟机整合。之前的迁移算法都未考虑以下几个问题。首先，这些算法大都以同构云数据中心为研究对象。但是现实情况中云数据中心大多是采用廉价机器组成的异构集群，每台物理机由于CPU、内存等配置的不同会表现出不同的性能，之前的算法都是用来解决同构集群的映射问题，并没有考虑集群的异构性。其次，虚拟机和物理机的属性一般都由CPU利用率、内存大小、存储容量和带宽大小等多维因素组成，之前的算法都是把这些属性进行归一化处理，在归一化的过程中，由于所取权重参数的不同会造成结果的极大偏差。因此，真实的环境中应该综合考虑虚拟机和物理机的多维属性。再次，由于之前的研究都没有考虑虚拟机迁移所带来的性能损耗，大量的迁移带来的性能损耗将是进行迁移时不可忽略的重要因素。以往大多是以最大化的提高物理机利用率为目标，但是，过高的物理机利用率会加剧运行在该物理机上的虚拟机对某些共享资源的竞争，反倒会影响虚拟机的性能，从而造成虚拟机性能的下降并且延长云任务的执行时间。因此，为了保证虚拟机的性能应该对物理机的利用率设置一个上限。同时，由于物理机处于空闲状态时的功耗仍然是满载功耗的70％左右，关闭空闲和低利用率的物理机才能真正意义上的减少能耗。最后，这些算法为了降低云数据中心的功耗，在进行虚拟机整合之后往往负载均衡效果很差，良好的负载均衡效果是提高云数据中心效率的前提，因此，必须在虚拟机迁移的同时综合考虑负载均衡。

发明内容

为了克服现有技术存在的问题，本发明的目的在于提供一种针对异构云数据中心的可信虚拟机迁移算法，应用了云计算相关技术、虚拟机迁移技术以及云异构数据中心的调度优化技术构建了一个云数据中心能耗优化、性能分析和自动化迁移方法，可实现云数据中心超载和轻载物理机的自动识别、虚拟机的自动迁移以及物理机的自动整合，从而最大的降低云数据中心的能耗并提高虚拟机迁移的成功率。

为了实现上述目的，本发明采取的技术方案为：

一种针对异构云数据中心的可信虚拟机迁移算法，包括以下步骤：

(1)根据虚拟机的初始映射情况，选取利用率超过上限的超载物理机，利用率的上限为90％；

(2)根据虚拟机和物理机参数的维数确定迁移算法的维度，若是一维虚拟机和物理机，则直接按照该参数对超载的物理机按照利用率从大到小进行排序，否则，按照CPU利用率进行排序；

当考虑多维异构物理机时，对超载的物理机集合按照CPU利用率进行迁移；由于考虑了迁移损耗，每台被迁移虚拟机的CPU需求变为原来的1.1倍；