一种数据中心虚拟机迁移调度策略的评价方法
【技术领域】
[0001 ] 本发明属于数据中心节能调度技术领域，具体是一种数据中心虚拟机迀移调度策 略的评价方法。
【背景技术】
[0002] 目前，随着云计算技术的快速发展，数据中心的规模在不在增大，资源的需求也在 不断的增加，数据中心的节能和资源最大化利用成为一个重要的研宄内容。目前数据中心 的节能方式主要有多种，包括通过调节数据中心的温度来提高数据中心的制冷系统的工作 效率；通过最小化工作服务器的数量来达到资源的最大化利用；通过减少数据中心物理服 务器运行的时间来降低能耗。以最小化工作服务器的数量来达到资源的最大化利用进而实 现节能的方式被广泛采用，同时对数据中心的节能效果也非常明显。
[0003] 最小化运行服务器的数量的节能实现主要有两种方式，一种是通过对虚拟机的初 始分配采用相应的策略，满足节点资源的最大化利用来实现节能。该种方式有很多种具体 的调度策略的实现，包括通过蚁群算法来分配虚拟机/云任务，或者将该问题抽象成NP问 题来解决。但是虚拟机/云任务在运行的过程中时刻存在着资源的利用率不停的变化的过 程，所以该方式在运行的过程中可能出现一定的SLA违反，并不能充分地利用所有服务器 资源。另一种是通过虚拟机动态的迀移来完成服务器资源的重新分配，进而减少运行服务 器的数量来达到节能的目的。该方式利用虚拟机迀移技术，在牺牲较小的服务响应时间前 提下，进行数据中心的服务器的资源重新分配，通过让空闲的服务器处于待机或者关闭状 态进而可以完成节能的目的。
[0004] 通过虚拟机动态的迀移进行节能的方式主要被分为三个步骤，选择待迀移的物理 服务器，从待迀移的服务器上选择待迀移的虚拟机，为待迀移的虚拟机选择目标服务器。这 三个步骤各自对应一个调度策略。将这三个步骤组合在一起就构成了一个完整的调度方 法，通过在数据中心的调度模块中不断的进行运行就可以完成节能的目的。
[0005] 针对以上三个步骤已经有大量具体的调度策略。但是，目前大部分的研宄主要集 中在对调度策略的优化和组合上，并没有一种对这些策略的通用评价标准，并且一些现存 的评价方法也不是很全面，不能从整体考虑虚拟机的迀移给数据中心带来的影响，无法综 合评价调度策略的优劣。如何在现有的数据中心的架构之上，全面的考虑对调度策略的评 估和评价将会给数据中心的调度提供有意的参考和实际的价值。
【发明内容】
[0006] 针对现有技术存在的问题，本发明提供一种数据中心虚拟机迀移调度策略的评价 方法。
[0007] 本发明的技术方案是：
[0008] 一种数据中心虚拟机迀移调度策略的评价方法，包括以下步骤：
[0009] 步骤1 :建立当前数据中心虚拟机迀移调度策略库，并设定默认的虚拟机迀移调 度策略；
[0010] 虚拟机迀移调度策略包括：待迀移物理服务器检测策略、待迀移虚拟机选择策略 和虚拟机放置策略；虚拟机迀移调度策略库中的调度策略构成的集合表示为APSet ;
[0011] 默认的虚拟机迀移调度策略包括默认的待迀移物理服务器检测策略al、默认的待 迀移虚拟机选择策略bl和默认的虚拟机放置策略cl ;
[0012] 步骤2 :控制服务器设定对虚拟机迀移引起的代价进行评价所需的参数，包括：当 前数据中心规模G、负载类型T、三个默认的虚拟机迀移调度策略的阈值、每个调度策略的 运行时间etime、监测时间间隔intervel、每个计算服务器的CPU在消耗的功率中所占的比 例a、每个计算服务器的内存在消耗的功率中所占的比例b、每个计算服务器的带宽在消耗 的功率中所占的比例c、每个计算服务器的磁盘在消耗的功率中所占的比例d、常数e、每一 个计算服务器的SLA违反阈值g、虚拟机迀移的停止时间占迀移时间的比重f、虚拟机迀移 时间的权重h和每个云任务的响应时间T Masm;
[0013] 步骤3 :在当前数据中心运行过程中，控制服务器调用当前数据中心的调度策略 库；
[0014] 步骤4 :控制服务器遍历不同数据中心规模G下的各负载类型T，获得当前的数据 中心规模和负载类型分别为g和t，在不同的g和t下控制服务器遍历APSet集合，获得 APSet集合的所有调度策略对应的迀移评价值FOM ;
[0015] 所述FOM是根据一个调度策略在一种数据中心规模和一种负载类型下运行时间 etime得到的虚拟机迀移引起的代价的评价值；
[0016] 步骤5 :控制服务器得到在给定的不同数据中心规模和负载类型下各个虚拟机迀 移调度策略的迀移评价值F0M。
[0017] 进一步地，所述待迀移物理服务器检测策略是检测数据中心中是否存在负载过高 /过低的计算机服务器，所述负载过高/过低代表当前资源使用率是否超过预先设定的资 源使用率阈值；
[0018] 待迀移物理服务器检测策略的输入为数据中心计算服务器的集合及各计算服务 器中虚拟机的集合，输出为负载过高/过低计算服务器；
[0019] 所述待迀移虚拟机选择策略是在负载过高/过低的计算机服务器上选择需要被 迀移的虚拟机；
[0020] 待迀移虚拟机选择策略的输入为负载过高/过低计算服务器，输出为各负载过高 /过低计算服务器上需要被迀移的虚拟机；
[0021] 所述虚拟机放置策略是将待迀移虚拟机选择策略选择出的虚拟机迀移到目标计 算服务器上；
[0022] 虚拟机放置策略的输入为各负载过高/过低计算服务器上需要被迀移的虚拟机， 输出为各虚拟机与目标服务器的映射关系。
[0023] 进一步地，所述默认的待迀移物理服务器检测策略al是：如果有某个计算服务器 的CPU利用率超过/低于设定的上限/下限阈值，则对该计算服务器进行虚拟机迀移，超过 /低于设定的上限/下限阈值所触发的迀移称为上限/下限迀移。
[0024] 进一步地，所述默认的待迀移虚拟机选择策略bl是：如果是上限迀移，则从待迀 移计算服务器的虚拟机列表中连续选择虚拟机放入待迀移的虚拟机队列中，直到待迀移计 算服务器的虚拟机列表中所有的虚拟机的CPU利用率之和小于设定的上限阈值；否则将该 计算服务器的所有虚拟机放入待迀移的队列中。
[0025] 进一步地，所述默认的虚拟机放置策略cl是：为待迀移的虚拟机队列中的每一个 虚拟机选择目标服务器，如果该虚拟机的CPU利用率与待选择的目标服务器的CPU利用率 之和不超过上限阈值，则该待选择的目标服务器即该虚拟机的目标服务器，否则该待选择 的目标服务器不是该虚拟机的目标服务器，继续遍历其他的待选择的目标服务器，直到找 到该虚拟机真正的目标服务器。
[0026] 进一步地，所述数据中心规模按照数据中心的计算服务器的数量来划分；
[0027] 所述负载类型为数据中心接收的云任务的类型，即云任务占用的资源类型使用率 最大的资源类型即该云任务的类型，所述负载类型分别为：CPU密集型、内存密集型、带宽 密集型和磁盘密集型；
[0028] 所述三个默认的虚拟机迀移调度策略的阈值均包括CPU利用率上限阈值和CPU利 用率下限阈值；
[0029] 所述调度策略的运行时间代表每一个需要进行评价的调度策略在当前数据中心 下需要运行的总时间；
[0030] 所述监测时间间隔代表每一个监控周期的时间。
[0031] 进一步地，所述步骤4的具体步骤如下：
[0032] 步骤4-1 :控制服务器判断是否遍历完APSet集合：如果APSet集合遍历完成，则 判断是否遍历完G和T，是则执行步骤5,否则遍历下一组G和T ;如果APSet集合遍历未完 成，则获取当前调度策略d，设定当前调度策略已执行时间time = 0 ;
[0033] 步骤4-2 :如果time〈etime执行步骤4-3,否则执行步骤4-6 ;
[0034] 步骤4-3 :控制服务器判断当前调度策略d的类型；
[0035] 步骤4-3-1 :如果当前调度策略d的类型是待迀移物理服务器检测策略类型，则 执行步骤4-3-2,如果当前调度策略d的类型是待迀移虚拟机选择策略类型则执行步骤 4