[发明专利]一种面向网络靶场的多目标优化虚拟机部署方法

摘要

本发明公开了一种面向网络靶场的多目标优化虚拟机部署方法，简称MVMDNR(Multiobjective Optimized Virtual Machine Deployment Algorithms for Network Range)，通过结合网络靶场虚拟机部署以场景为单位和场景间通信隔离的特点，参考蚁群算法的思想解决VMP问题，在虚拟机请求到达时，初始化控制节点集群和亲密度矩阵，各控制节点通过概率选择各虚拟机部署的位置，每轮迭代搜索后通过亲密度的增强和挥发实现正反馈，最后筛选出使得靶场物理机的负载失衡度和虚拟机的通信开销综合最小的方案。本发明提出的多目标优化虚拟机部署算法相比于随机算法和最佳适应下降算法，在减少虚拟机通信开销和物理机资源的负载失衡度上具有显著优势。

主权项

1.一种面向网络靶场的多目标优化虚拟机部署方法，其特征在于：包括如下步骤：S1：获取靶场的物理机的数量m，获取每个物理机P_j的CPU规格P_j^cpu、内存规格和带宽规格使用和分别记录物理机P_j已经使用的CPU、内存和带宽资源，获取待部署的虚拟机集合令S_x代表第x个场景，n代表场景的数量，获取每个虚拟机请求的CPU资源内存资源和带宽资源S2：初始化算法所需参数α、β、ρ，以亲密度τ(0)和期望启发因子η(0)对虚拟机和物理机P_j之间的亲密度τ(i，j)和期望启发因子η(i，j)进行初始化，设定控制节点的数量等同于场景数量n，当前控制节点为con₁，设置最大迭代次数I_max，当前迭代次数I＝0，所述α代表亲密度的重要程度，β代表期望启发因子的重要程度，ρ代表亲密度挥发程度；S3：选取第k个控制节点，记为con_k，为con_k初始化禁忌表tabu_k＝{}，代表已被部署的虚拟机，建立待部署虚拟机集合allowed_k，tabu_k+allowed_k＝VM，用F_k表示第k个控制节点找到的解，令f(F_k)表示该解对应的通信开销和负载失衡度的乘机；S4：从集合allowed_k中随机选择虚拟机计算能容纳虚拟机的物理机集合S5：依次按顺序从步骤S4所得的物理机集合中选取物理机P_j，根据期望启发因子更新式计算虚拟机和物理机P_j新的期望启发因子η(i，j)，其中MD_i，j表示虚拟机和物理机P_j资源的欧氏距离，m代表虚拟机所属场景S_x中已部署的虚拟机个数，代表将虚拟机i部署到物理机j上对应的通信代价；S6：根据虚拟机和物理机P_j之间的亲密度τ(i，j)和期望启发因子η(i，j)计算虚拟机部署到物理机P_j上的概率并以此概率完成部署，然后将虚拟机从allowed_k移入禁忌表tabu_k；S7：更新虚拟机所选部署物理机P_j剩余的资源；S8：若allowed_k为空，则跳转到步骤S9，否则跳转到步骤S4；S9：若k小于控制节点数量n，则k＝k+1，跳转到步骤S3，否则跳转到步骤S10；S10：根据控制节点con_k(k＝1，2，...，n)找到的解F_k，计算该解对应的目标函数f(F_k)，找出最小目标函数对应的解F_min；S11：根据最优解F_min使用全局更新方式更新各虚拟机与部署的物理机的亲密度；S12：若当前迭代次数I小于最大迭代次数I_max，则I＝I+1，k＝0，跳转至步骤S3，否则输出全局最优解F_min。