基于分段服务等级协议的数据中心虚拟机资源调度方法
【技术领域】
[0001] 本发明属于云平台技术领域，尤其涉及一种基于分段服务等级协议的数据中心虚 拟机资源调度方法。
【背景技术】
[0002] 动态的云计算环境下虚拟机资源和应用系统参数在线动态优化配置非常困难。一 方面，云计算中各类底层硬件资源的规模通常是非常庞大的。另一方面，动态的云计算环境 具有很大的不确定性。因此，动态的云计算环境客观上要求通过高度自适应手段来实现虚 拟机资源和应用系统参数的在线动态优化配置。另外，云计算中虚拟机资源和应用系统参 数的配置往往互相影响，需要协调配置，单独调整一方面未必就能提高资源利用率和应用 服务性能。动态的云计算环境客观上也要求虚拟机资源与应用系统参数以协同方式进行在 线动态自适应优化配置。
[0003] 近年来，国内外许多学者都将研究聚焦在云平台中虚拟机放置问题上，适当的虚 拟机放置方法可以提高资源的利用率，提升系统的可靠性和用户体验，节约资源。文献"A matrix transformation algorithm for virtual machine placement in cloud'，中弓丨入 了多目标优化模型，提出了一种基于矩阵变换的算法，有效控制了完成任务所需物理机数 量，同时提高资源的利用率。但是该算法的优化模型只关注了整个资源池中多维资源的闲 置情况，而没有考虑单个物理机中资源的利用率情况，整个算法对各物理的负载均衡情况 没有加以考虑，因而数据中心运行可靠性会降低。文献"基于粒子群优化算法的虚拟机放 置策略"提出了一种基于粒子群算法的虚拟机放置策略，有效提高了用户任务请求响应时 间，提高整个系统的任务处理速度。但是该算法单一的将CPU对数据处理时延作为求解函 数最优解的标准，没有考虑系统的负载均衡问题。文献"A dynamic priority scheduling algorithm on service request scheduling in cloud computing'，中对系统资源进行实 时监控，并计算当前资源利用率，将用户任务分配到资源利用率最低的物理机上。该算法 能够为用户提供一个较好的QoS,但是系统资源利用率不高。文献"A multi-objective ant colony system algorithm for virtual machine placement in cloud computing'， 提出了基于蚁群算法的物理机负载均衡方法，该算法采用启发式的算法实现复杂度很高， 影响用户的等待时间，算法收敛速度过慢。文献"Shares and utilities based power consolidation in virtualized server environments'，提出了一种基于分配最大资源、最 小资源以及共享资源特性的虚拟机资源分配算法。但是该算法主要针对单个物理机进行资 源分配，没有很好的对云系统中其它物理机的资源进行合理分配，不适合数据中心集群调 度环境。
【发明内容】
[0004] 本发明的目的在于提供一种基于分段服务等级协议的数据中心虚拟机资源调度 方法，旨在在动态的云计算环境中在保证服务级别协定前提下最大限度提高资源利用率。
[0005] 本发明是这样实现的，一种基于分段服务等级协议的数据中心虚拟机资源调度方 法包括：
[0006] 步骤一、根据云环境用户作业执行响应时间和执行过程，将用户作业和每个阶段 的执行时间，分为三个部分，分别为云作业排队时间JQT，云作业执行时间JET和云作业传 输时间JTT ;
[0007] 步骤二、根据作业执行过程，将服务等级协议对应进行分段；
[0008] 步骤三、定义有效单位时间花费UUTC为
Total cost为执行完 一个用户作业所支付的费用，具体取值由云服务提供商与用户协商；Ttot为作业响应时间， 其值为 Ttot= JQT+JET+JTT ;
[0009] 步骤四、以虚拟机资源，作为强化学习的状态空间；以分配和回收作为强化学习动 作空间；
[0010] 步骤五、利用强化学习进行虚拟机资源调度策略学习，制定规则；
[0011] 步骤六、对于后续到达的云作业流，从步骤一开始执行。
[0012] 进一步，步骤二中，将服务等级协议对应进行分段，分别满足下式：
[0013] JQT ^ SLAjqt;
[0014] JET 彡 SLAjet;
[0015] JTT 彡 SLAjtt。
[0016] 进一步，步骤四中，以分配和回收作为强化学习动作空间，立即回报函数描述如 下：
[0017] (1)若当前作业的UUTC大于平均UUTC，且该作业满足服务等级协议和QoS约束， 贝IJ回报为1 ;
[0018] (2)若当前作业不满足服务等级协议和QoS约束，则回报为-1 ;
[0019] (3)其他情况，回报为0。
[0020] 进一步，步骤五中制定的规则为：
[0021] (1)若作业在执行过程中的某个阶段，违反了分段服务等级协议的约束，则该作业 在后续的执行过程中，增加分配的虚拟机资源；
[0022] (2)若该作业的UUTC小于平均UUTC，则该作业在后续的执行过程中，减少分配的 虚拟机资源；
[0023] 其中，cpu资源每次增加或减少1个，内存每次增加或减少256M，带宽每次增加或 减少 256kbps。
[0024] 本发明数据中心的虚拟机能根据用户提交作业的达到率动态调整虚拟机资源。例 如，当用户作业的达到率较低时，本发明在确保服务质量等级（SLA)的前提下，减少cpu、内 存、带宽等资源；反之，则增加相应的资源。
[0025] 本发明方法与其他类似方法的性能比较
[0026]
【附图说明】
[0028] 图1是本发明实施例提供的基于分段服务等级协议的数据中心虚拟机资源调度 方法流程图。
[0029] 图2是本发明实施例提供的不同压力下，本发明与利用率方法使用CPU数目的比 较示意图。
[0030] 图3是本发明实施例提供的本发明与利用率资源分配方法和原始Q资源分配方法 的比较示意图。
【具体实施方式】
[0031] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明 进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于 限定本发明。
[0032] 下面结合附图及具体实施例对本发明的应用原理作进一步描述。
[0033] 如图1所示，本发明实施例的基于分段服务等级协议的数据中心虚拟机资源调度 方法包括：
[0034] S101、根据云环境用户作业执行响应时间和执行过程，将用户作业和每个阶段的 执行时间，分为三个部分，分别为云作业排队时间JQT，云