云环境下的数据中心节能方法
【专利摘要】一种云环境下的数据中心节能方法，包括：根据历史负载动态地更新队列中各服务器的迁移触发优先级；基于启发信息确定候选迁移虚拟机；基于负载相似度和资源适配度选择迁移目标服务器。由于本发明根据虚拟机当前负载估算迁移开销，并引入系统负载特征向量(尽量混合部署不同负载特征的虚拟机)，以提升整体资源利用率，系统按照收益最大化/开销最小化启发策略确定候选迁移虚拟机，从而能大幅降低能耗。
【专利说明】
云环境下的数据中心节能方法
【技术领域】
[0001]本发明涉及云计算【技术领域】，尤其涉及一种云环境下的数据中心节能方法。
【背景技术】
[0002]随着云计算的不断发展，数据中心高能耗成为一个亟待解决的问题。根据Amazon估算，每年的能耗开销占到其数据中心总开销的42%，其中直接能耗开销占19%，冷却(包含冷却设备)开销占23%。数据中心节能技术旨在保障服务质量的情况下最小化能耗开销，对云服务提供商有着很强的吸引力。
[0003]在强大的需求下，学术界和产业界纷纷投身到数据中心节能技术的研究上。目前数据中心节能技术分为硬件节能技术和软件节能技术。
[0004]目前有一系列的硬件节能技术,例如SpeedStep、PowNow> DBS(按需切换，DemandBased Switching),它们通过在资源闲置的时候降低CPU时钟频率或关闭部分核(chip)来达到节能目的。ACPI (高级配置和电源管理接口，Advanced Configurat1n and PowerInterface)定义了 4种电源状态，并通过操作系统实现电源状态的切换，为能耗管理提供了灵活性。
[0005]软件节能技术主要指能耗感知的调度技术。其范围涵盖较广，包括弹性计算、能耗感知的处理器调度和任务调度、服务器整合(Server Consolidat1n)等。其中服务器整合技术发展较为成熟，它基于在线迁移技术对虚拟机进行动态重分配，在保障服务质量的情况下使用最少的服务器从而达到节能目的。服务器整合问题旨在满足服务质量和不超过单个服务器资源上限的情况下，使用最少的服务器集合来满足数据中心所有虚拟机运行需求。它可归结为多维装箱问题(MDBP, Multi dimens1nal bin packing problem),是一个NP困难问题，即使是单维度的装箱问题。可以通过分支限界算法得到该问题的最优解，但时间消耗太高，在工业场景下不适用。通常采用最佳适应下降(BFD, best-fit decreasing)和首次适应下降(FFD, fisrt-fit decreasing)等启发式方法解决。
[0006]在线迁移是实现服务器整合的关键技术，它能在很短的宕机时间内将处于运行状态的虚拟机从一台服务器迁移到另一台服务器上。在线迁移可以灵活地转移工作负载，在服务器维护中经常使用。它可以用来在数据中心服务器间实现负载均衡，避免服务器出现过载情况。
[0007]尽管目前存在一些弹性伸缩的专利，然而大都根据数据中心当前负载进行调整，忽略了虚拟机负载特征和迁移开销。例如，专利号为CN103077082 A的专利，提出了《一种数据中心负载分配及虚拟机迁移节能方法及系统》。该方法首先生成超载服务器列表，按照资源利用率形成有序的待迁移虚拟机列表，并将有序待迁移虚拟机列表中的虚拟机迁移到目标服务器上；然后选出处于低载状态且能效比最小的服务器，对其上的所有虚拟机使用能效感知的负载分配策略预分配到其它服务器上。专利号为CN103024048 A的专利，公开了一种云环境下的资源调度方法。该专利从系统级节能角度出发，在满足云任务的执行时间和费用两个QOS需求的前提下，以系统总能耗最小为目标，对资源进行调度，可有效降低云数据中心的能源消耗；并进一步采用改进的遗传算法进行最优资源调度方案的搜索，从而有效提高了算法的收敛性能。然而它们没有考虑到虚拟机多种资源的负载特征，若将不同负载特征虚拟机进行混合，有助于进一步提升资源利用率。同时迁移开销(特别是宕机时间)对服务质量的影响也是资源分配过程中应该着重考虑的因素。
【发明内容】
[0008]本发明解决的问题是提供一种云环境下的数据中心节能方法，能大幅降低数据中心能耗。
[0009]为解决上述问题，本发明实施例提供了一种云环境下的数据中心节能方法，包括:
[0010]根据历史负载动态地更新队列中各服务器的迁移触发优先级；
[0011]基于启发信息确定候选迁移虚拟机；
[0012]基于负载相似度和资源适配度选择迁移目标服务器。
[0013]可选的，所述根据历史负载动态地更新队列中各服务器的迁移触发优先级的方法，具体操作步骤包括:
[0014](11):收集物理机历史负载数据，获取当前负载，并根据AR模型得到预测负载；
[0015](12):对于CPU、内存、网络、I/O四种资源类型，执行步骤13~16的过程；
[0016](13):若服务器处于高负载状态，优先级(pr≥prH)递增(若从其它状态进入高负载状态，则初始化为prH)，以尽快迁移位于高负载服务器上的虚拟机，转步骤17 ；
[0017](14):若服务器处于警告状态，优先级(pr e [prff, prH])递增(若从低优先级状态进入警告状态，则初始化为Prw)，并根据负载走势修正优先级；
[0018]若负载处于上升状态，则根据趋势度I AL|相应地增大优先级，转步骤17 ；
[0019]若负载处于下降状态，则根据趋势度I AL|相应地减小优先级，转步骤17 ；
[0020](15):如服务器处于最佳状态，优先级(pr e [pr0, prH])递减。若负载预测值高于警告阈值Prw则递增优先级(若预测值优低优先级首次进入警告状态，则初始化为prw)，然后根据负载趋势△ L修正优先级，转步骤7 ；
[0021](16):如果服务器处于低负载状态，优先级(pr e [prL, prH])递增，然后根据负载趋势Λ L修正优先级；
[0022](18):若
【权利要求】
1.一种云环境下的数据中心节能方法，其特征在于，包括: 根据历史负载动态地更新队列中各服务器的迁移触发优先级； 基于启发信息确定候选迁移虚拟机； 基于负载相似度和资源适配度选择迁移目标服务器。
2.如权利要求1所述的云环境下的数据中心节能方法，其特征在于，所述根据历史负载动态地更新队列中各服务器的迁移触发优先级的方法，具体操作步骤包括: (11):收集物理机历史负载数据，获取当前负载，并根据AR模型得到预测负载； (12):对于CPU、内存、网络、I/O四种资源类型，执行步骤13~16的过程； (13):若服务器处于高负载状态，优先级(pr^ prH)递增(若从其它状态进入高负载状态，则初始化为prH)，以尽快迁移位于高负载服务器上的虚拟机，转步骤17 ； (14):若服务器处于警告状态，优先级(pre [prff, prH])递增(若从低优先级状态进入警告状态，则初始化为Prw)，并根据负载走势修正优先级； 若负载处于上升状态，则根据趋势度I ALl相应地增大优先级，转步骤17 ； 若负载处于下降状态，则根据趋势度I ALl相应地减小优先级，转步骤17 ； (15):如服务器处于最佳状态，优先级(pre [pr0, prH])递减。若负载预测值高于警告阈值Prw则递增优先级(若预测值优低优先级首次进入警告状态，则初始化为prw)，然后根据负载趋势Λ L修正优先级，转步骤7 ； (16):如果服务器处于低负载状态，优先级(pre [prL, prH])递增，然后根据负载趋势ΔL修正优先级；
(17):若
7则将物理机加入到迁移触发优先队列Q中。
3.如权利要求1所述的云环境下的数据中心节能方法，其特征在于，基于启发信息确定候选迁移虚拟机的方法包括: (21):如果服务器处于低负载状态，则将该服务器上的所有虚拟机加入迁移虚拟机队列MQ ;否则执行步骤22 ； (22):获取该服务器的当前负载状态，根据
1ZePr计算该服务器的负载特征； (23):如果该服务器上还有虚拟机未处理，则转步骤24;否则转步骤26 ； (24):根据公式C= C1M+C2DT计算迁移开销； (25):根据公式=
计算虚拟机迁移优先级，转步骤23 ； (26):选择优先级最大的虚拟机加入迁移虚拟机队列MQ。
4.如权利要求1所述的云环境下的数据中心节能方法，其特征在于，所述基于负载相似度和资源适配度选择迁移目标服务器的方法包括: (31):根据公式
计算虚拟机实际使用的资源向量；(32):遍历所有服务器，如果还有服务器未遍历则执行步骤33;否则转步骤36 ； (33):根据公式
)计算服务器可分配资源量； (34):若服务器的任意类可用资源均满足该虚拟机资源分配请求，则将该服务器加入候选服务器队列CSL ； (35):处理下一台服务器，转步骤32; (36):若低负载和最佳状态服务器所占比例小于某个阈值，则唤醒适量的服务器投入使用； (37):遍历队列CSL的所有候选服务器，若存在未处理的服务器执行步骤38;否则转步骤 311 ； (38):根据公式M
计算服务器和虚拟机的负载相似度； (39):根据公式D(冬Κ)= Ρ；-?7；|计算服务器和虚拟机的资源适配度； (310):根据公式H(PilVj)= S(PilVj)D(PilVj)计算优先级，转步骤37; (311):按照优先级对队列CSL进行排序； (312):从队列头部:某个区间随机选择一台服务器作为迁移目标服务器； (313):执行虚拟机迁移操作。
【文档编号】G06F9/50GK104199736SQ201410307739
【公开日】2014年12月10日 申请日期:2014年6月30日 优先权日:2014年6月30日
【发明者】尹建伟, 杨勇, 金路, 董科雄, 潘晓华, 邓水光 申请人:浙江大学苏州工业技术研究院, 苏州龙唐信息科技有限公司