[发明专利]一种运用蚁群算法优化科学工作流的虚拟机放置方法

说明书

本发明公开了一种运用蚁群算法优化科学工作流的虚拟机放置方法，该方法产生的放置和调度方案包括每个VM的运行开始时间和运行PM。方法的步骤为：首先，通过预处理合并所有科学工作流，初始化蚂蚁，每只蚂蚁基于信息素和启发式信息构造一个符合优先约束的VM序列，并在构造过程中进行局部信息素的更新。之后，每只蚂蚁基于VM序列构造出具体的VM放置和调度方案，并对该方案进行能耗评估。当所有蚂蚁的方案均进行完能耗评估后，执行全局信息素的更新。

技术领域

本发明涉及虚拟化技术以及智能算法两大领域，主要涉及一种运用蚁群算法优化科学工作流的虚拟机放置方法。

技术背景

虚拟化技术是云计算的基础，目前已成为实现绿色云的关键问题之一。基于该项技术，云数据中心向用户提供虚拟机(virtual machine，VM)。VM隐藏了底层的物理资源，向用户提供抽象的逻辑资源。

然而根据现有的研究(A.Greenberg,J.Hamilton,D.A.Maltz,and P.Patel,Thecost of a cloud:research problems in data center networks,ed:ACM New York,NY,USA,2008.)，一个开启但空载的物理机器(physical machine，PM)的功耗大约是满载PM的50％-70％。因此，VM应当合理地分配到PM上，以保证开启的PM满载。基于节能需求，PM整合技术在虚拟化的基础上发展起来。PM整合的目的是通过合理地分配，用最少数量的PM保障所有VM的运行需求。

VM放置技术是PM整合技术的方法之一，它将尚未运行的VM分配到PM上。该技术所解决的问题被称为VM放置问题，是一个NP-完全的问题。为了简单起见，VM放置问题最初是在VM相互独立的假设下建模的。基于这一假设，VM放置问题可以看作是一个多容量的装箱问题(D.Wilcox,A.McNabb,and K.Seppi,Solving virtual machine packing with areordering grouping genetic algorithm,in 2011IEEE Congress of EvolutionaryComputation(CEC),2011:IEEE,pp.362-369.)。对传统的装箱问题的启发式算法，如首次适合递减(first-fit decreasing，FFD)和最佳适合递减(best-fit decreasing，BFD)算法进行了改进，以解决VM的放置问题。由于多容量装箱问题是一个组合优化问题(X.-F.Liu,Z.-H.Zhan,J.D.Deng,Y.Li,T.Gu,and J.Zhang,An energy efficient ant colony systemfor virtual machine placement in cloud computing,IEEE transactions onevolutionary computation,vol.22,no.1,pp.113-128,2016.)，VM放置问题是进化计算(evolutionary computation，EC)算法的一个潜在领域。许多研究已经针对VM放置问题定制了EC算法，如遗传算法(genetic algorithm，GA)、粒子群优化(particle swarmoptimization，PSO)和蚁群优化(ant colony optimization，ACO)。在这些模型中，网络带宽被看作VM的一个属性，以保证VM通信的硬件需求。