[发明专利]云计算环境下基于VHAM-R模型的虚拟机放置遗传优化方法

摘要

一种云计算环境下基于VHAM‑R模型的虚拟机放置遗传优化方法，包括以下步骤：第一步：对于虚拟机放置问题提出以下的形式化描述，过程如下：1.1定义放置环境；1.2定义资源状态；1.3主机可用性；1.4计算电能消耗；1.5定义虚拟机放置；第二步：对虚拟机放置设定约束条件及优化目标；第三步：创建模型：基于第二步中给出的虚拟机放置的约束条件和优化目标，建立基于Rendezvous哈希算法的虚拟分层结构模型VHAM‑R，用于优化和决策虚拟机对主机的选择过程；第四步：基于VHAM‑R模型的遗传算法操作改进。本发明提升算法的执行效率以及对于最终获得的解集的优化。

主权项

1.一种云计算环境下基于VHAM‑R模型的虚拟机放置遗传优化方法，其特征在于，所述方法包括以下步骤：第一步：对于虚拟机放置问题提出以下的形式化描述，过程如下：1.1定义放置环境，数据中心存在物理主机集合PM＝{pm1，pm2，...，pmn}，其中主机数量为n，需要放置的虚拟机集合VM＝{vm1，vm2，...，vmm}，其中虚拟机数量为m，假设虚拟机数量m大于或等于主机n，定义虚拟机放置组集合P＝{p1，p2，...，ph}，h为放置组的数量；1.2定义资源状态，对于给定的虚拟机vm_i，定义为虚拟机vm_i所需的CPU资源，为虚拟机vm_i所需的内存资源，V_i‑pes为虚拟机vm_i的CPU利用率，W_i‑ram为虚拟机vm_i的内存利用率，对于给定的主机pm_j，定义为主机pm_j当前的CPU空闲资源，为主机pm_j的内存空闲资源，U_j‑pes为主机pm_j的CPU利用率，U_j‑ram为主机pm_j的内存利用率，则定义主机pm_j的资源利用率U_j为：Uj＝αUj‑pes+βUj‑ram0＜α＜1，0＜β＜1，且α+β＝1；定义Tagij为当前时刻t，主机pmj能否满足虚拟机vmi的资源要求，即1.3主机可用性，一个节点的可用性是指节点在整个服务时间内任意时刻的工作概率，对于任意网络组件i，其可用性Ai通过以下公式计算获得：其中MTTF代表平均故障时间，MTTR代表平均修复时间，假定服务器可用性的值是已知的，且各服务器之间的可用性是相互独立互不相关的；1.4计算电能消耗，在一个拥有n台运行的物理主机的云数据中心，对于任意物理主机pmj∈PM，在某一时刻t的电源能耗如下公式所示：其中cj为静态能耗标记，fj(t)为t时刻主机pmj的CPU频率，CPU利用率为Uj‑pes(t)，k为常量系数，即电源能耗在一定程度上是基于CPU利用率的线性模型，1.5定义虚拟机放置，VM集合通过放置组pk∈P，选择对应的物理主机集合中的主机完成放置映射，并且需要尽可能满足放置过程中的多种约束条件，定义虚拟机放置矩阵Mk[i][j]，若Mk[i][j]＝1则表示放置组pk将虚拟机j放置在物理主机i上，反之，若Mk[i][j]＝0，表示放置组pk中，虚拟机j未放置在物理主机i上；第二步：对虚拟机放置设定约束条件及优化目标，过程如下：2.1对于云环境下的虚拟机放置问题，既要考虑满足虚拟机资源的需求，又要考虑如何减少数据中心的能耗、资源的高效利用，此外还要考虑放置请求的可用性问题；因此，需要在考虑范围内的约束有：服务器节点的最大使用数量最少、能耗最低、负载较均衡和放置请求的可用性较高，提出以下约束条件：2.1.1放置约束，任意虚拟机vmi，在同一放置组下，其能且只能放置在一个服务器节点上；约束表示：对于其中放置组p_k∈P；同一放置组内，都认为单个虚拟机只能在一个服务器节点上进行部署运行；2.1.2资源约束，对于任何服务器节点来说，其各个资源类型的消耗应不能超过上限，定义服务器pm_j的CPU和内存容量分别为和表示；约束表示：对于有参数为常量系数，服务器节点需要预留一部分的资源保证其自身的正常运转，r≤1；2.1.3可达性约束，定义函数F(m，n，D)用于表示节点间通信的可达性，对于任意链接(m，n)∈L，如果点m和n的通信延迟至多为D，则函数F(m，n，D)返回1，否则返回0；2.2虚拟机放置问题的优化目标众多，选取可用性及能耗两方面对虚拟机放置问题进行优化研究；2.2.1可用性优化假设用户请求由具有相关通信要求的n个不同的VM对之间的虚拟机组成，将其放置在同一个服务器节点pm_j不止一次不能提高放置的可用性，因为当pm_j失败时，所有放置在pm_j上的虚拟机将同时失败，因而，需要尽量将vm_i放置在不同的节点上以增加可用性；用H_i来表示放置虚拟机vm_i的最大节点数，即H_i表示vm_i可以放置的最大服务器节点数量；定义用于表示该n个虚拟机中，单个虚拟机所需节点数最大为H；虚拟机放置的可用性定义和计算可以分成三种：单一放置、完全保护放置和部分受保护放置；2.2.1.1单一放置单一放置指每个虚拟机都只放在一个服务器节点上，即H＝1，在单一放置的情况下，如果n个服务器节点的可用性分别为A1，A2，...，An，k个虚拟机(n≤k)放置于此n个节点之上，则此虚拟机放置方案的可用性可用Ap表示，定义如下：由于请求包含k个虚拟机，因此计算可用性时需要考虑k个虚拟机均在运行的概率；2.2.1.2完全保护放置完全保护放置指对于任意虚拟机均由放置组p_i(1≤i≤H)放置在H个不同节点上；因此，可以认为一个完全保护放置方案P可由H个单一放置方案构成，且在各个单一放置方案内，虚拟机对之间都应该满足放置、资源和通信可达性约束；完全保护放置方案的可用性为在服务的生命周期内，存在至少一个放置组工作的概率，可用性计算如下式所示：2.2.1.3部分保护放置部分保护放置指存在虚拟机vmi∈VM，被放置在少于H个不同节点上，即两个或者更多个放置组将虚拟机vmi放置在相同的节点上，且存在某个虚拟机vmj∈VM，使得H＞1，在部分保护的放置情况下，若一个虚拟机放置在少于H个节点上，可以认为这个虚拟机由多个放置组共同放置；无法直接通过2.2.1.2中的公式计算其可用性，因为放置了共享的虚拟机的服务器节点的可用性会被计算两次；为了处理该类放置情况，重新定义操作符；假设存在n个节点pm1，pm2，...，pmn，它们的可用性分别为A1，A2，...，An；对于可用性为Ax的节点pmx，给出如下关于操作符的定义：则根据上述中的公式，定义II为不同集合间的操作，保护放置的可用性通过如下公式计算获得：2.2.2能耗优化根据1.4中的公式，在T时间段内，物理主机pm_j的总耗能表示为：因此，由以下公式得，在T时间段内，数据中心的服务器总能耗ET为各运行的服各器的能耗之和：第三步：创建模型基于第二步中给出的虚拟机放置的约束条件和优化目标，建立基于Rendezvous哈希算法的虚拟分层结构模型VHAM‑R，用于优化和决策虚拟机对主机的选择过程，步骤如下：3.1初始化主机集合PM，虚拟机集合VM，虚拟机最多放置组数量H，主机节点的可用性集合A，若主机数量n小于4进入步骤3.2，否则进入步骤3.3；3.2主机数量n小于4，即无法满足构建最小双层虚拟结构的数量2*2时，定义其对应每个主机具有一个分配权重得分集合Wi＝{wi1，wi2，...，wik}其中，k≥n，定义wij为虚拟机vmi在主机pmj上的权重得分，wij＝h(vmi，pmj)，其中函数h(vm，pm)为Rendezvous哈希算法中约定的哈希函数，然后通过h(vmi，pmj)将虚拟机vmi分配给权重wij最大的主机pmj，如果主机pmk的性能是其他主机的h倍，则将pmk等额分成h份，现在虚拟机分配到该主机上的概率是其他主机的h倍；3.3主机数量n≥4，对主机簇群划分，首先选择一个常数z，即每个簇中的主机数为z，将主机集合按照c＝ceiling(n/z)，其中ceiling函数表示将n除以z的值向上舍入为最接近的整数，C0＝{cpm1，cpm2，...，cpmz}，C1＝{cpmz+1，cpmz+2，...，cpm2z}，...直至每个主机都归属于一个簇，每个簇为虚拟分层结构中的最底层节点；第四步：基于VHAM‑R模型的遗传算法操作改进，过程如下：4.1为求解虚拟机放置到服务器节点的过程，提出基于主机节点簇的分组编码方式，P为放置组表示个体，Ci表示主机簇对应为染色体，每个主机簇上的主机对应为基因；4.2选择操作通过自己设定的适应度函数，对种群中含有优良基因的个体进行选择，以数据中心能耗以及虚拟机放置可用性为优化目标；4.3遗传算法中的交叉操作是模拟生物界中个体之间的交配过程，通过交配达到父代之间基因的重组，从而使子代获得包含优秀基因的新染色体，产生更优秀的后代；4.4遗传算法中的变异操作。