本发明涉及能耗管理技术，特别涉及一种基于虚拟化的云平台中心的能耗管理方法。
背景技术：
近年来，数据中心的高能耗逐渐成为一个突出的问题，尤其是随着云计算的到来，更多的计算资源和存储资源集中在云端，给能耗的高效管理带来更大的挑战。数据中心的高能耗问题不仅造成电能的浪费，系统运行的不稳定，同时也对环境造成不良影响。
高能耗问题主要来源于两方面：一个是处理器层次的能耗、另一个是数据中心层次的能耗。随着处理器制造工艺的不断进步，处理器在获得高运行速度的同时，带来了高能耗问题。尽管一些硬件上的优化技术在一定程度上提升了能量的使用效率，但是处理器的能耗受应用程序使用模式的影响，过高的负载和过低的利用率都会导致高能耗电能低效的问题。在数据中心层次，随着数据中心规模的不断增长，数据中心出现了更加困难的情况：一方面由于物理服务器数量的不断增长和处理能力的不断增强，带来了更多的能量消耗；另一方面每个服务器过低的利用率又造成了巨大的电能浪费。
技术实现要素：
本发明的目的是为了解决现有技术中，云计算基础设施很少能提供支持能量感知的部件和服务，无法满足服务质量需求的同时最小化能耗开销的问题。
为达到上述目的，本发明提供一种基于虚拟化的数据中心的能耗管理方法，其特征在于，包括如下步骤：
建立数据中心的资源能耗模型，构建特定类型资源的利用率与数据中心系统能耗的关联；
测量虚拟机运行时的资源利用率，通过典型虚拟机化平台提供的硬件性能计数器进行在线的能耗轮廓分析；
评估虚拟机能耗情况，输入资源利用率，通过所述资源能耗模型的计算，间接推断虚拟机的能耗；
构建能耗管理机制及能耗管理算法实现对数据中心的资源能耗管理。
具体地，所述资源能耗模型分为静态能耗模型及动态能耗模型，所述静态能耗模型包括CPU能耗模型、内存能耗模型、硬盘能耗模型及整体能耗模型，所述动态能耗模型包括服务器整合能耗模型及在线迁移能耗模型。
具体地，所述能耗轮廓分析包括物理节点的能耗分析及虚拟机的能耗分析。
具体地，所述能耗管理机制包括虚拟化层能耗管理机制及云平台层能耗管理机制，所述虚拟化层能耗管理机制包括虚拟机管理器层能耗管理及虚拟机内部层的能耗管理，所述云平台层能耗管理机制包括虚拟能耗管理层的能耗管理及能耗管理中间件能耗管理。
具体地，所述能耗管理算法包括静态部署算法集动态部署算法，所述静态部署算法包括基于相关性的部署算法集基于峰值聚类部署算法，所述动态部署算法包括能量最小部署算法、基于历史感知部署算法集迁移开销感知部署算法。
进一步地，所述能耗管理算法还包括有效簇拓扑部算法及最大利用率部署算法。
进一步地，所述能耗管理算法还包括单阈值迁移部署算法、最小化迁移部署算法、最高增长潜力部署算法集随机选择部署算法。
本发明的有益效果是：采用本发明的技术及成果，可以构建一种绿色的云计算解决方案，即在节约能耗的同时降低管理操作开销。绿色云计算的最终目标是高效处理和使用云基础设施的同时最小化能量消耗。该发明可以广泛应用于IDC数据中心、云计算中心、大数据应用中心等领域，应用前景广阔。
附图说明
图1为实施例的资源能耗模型的结构示意图；
图2为实施例的能耗管理机制的结构示意图；
图3为实施例的能耗管理算法结构示意图。
具体实施方式
以下结合附图及实施例对本发明的技术方案作进一步详细描述。
本发明针对现有技术中云计算基础设施很少能提供支持能量感知的部件和服务，无法满足服务质量需求的同时最小化能耗开销的问题，提供一种基于虚拟化的数据中心的能耗管理方法，包括如下步骤：
建立数据中心的资源能耗模型，构建特定类型资源的利用率与数据中心系统能耗的关联；
测量虚拟机运行时的资源利用率，通过典型虚拟机化平台提供的硬件性能计数器进行在线的能耗轮廓分析；
评估虚拟机能耗情况，输入资源利用率，通过所述资源能耗模型的计算，间接推断虚拟机的能耗；
构建能耗管理机制及能耗管理算法实现对数据中心的资源能耗管理。
实施例
以下对本发明的技术构思及技术方案作进一步详细描述。
虚拟化技术给云计算数据中心的能耗管理带来了很多解决新的思路。通常来讲，一个高效的能耗管理解决方案需要考虑如下3方面的因素：
1、丰富的能耗监控与测量方法，及时准确地提供监测原始数据；
2、精确的能耗建模与分析，预测能量的消耗情况，指明趋势及因果关系；
3、节能机制及优化算法，用来降低能耗，同时满足性能、服务质量(QoS)或服务等级协议(SLA)等要求。
本发明解决上述问题拟采用的技术方案包括以下几个部分：
1、基于虚拟化的数据中心的能耗监控与测量：能耗测量的开销和准确性是制定高效能耗管理策略的基础；
2、虚拟机能耗轮廓分析方法：目前，大多数在线能耗监控都是基于物理节点的。它只提供整个系统的能量消耗，而没有提供单个虚拟机的能耗。能耗建模的精度，直接反映了虚拟机能耗数据的准确性，对节能优化的作用非常重要；
3、基于虚拟化的数据中心的能耗分析与建模：提供基于系统功能单元的能耗评估模型和基于硬件性能计数器的能耗预测模型；
4、基于虚拟化的数据中心能耗管理实现机制：能耗管理机制分为虚拟化层的管理机制和云平台层的管理机制；
5、基于虚拟化的数据中心能耗管理算法：能耗管理算法按应用场景被分为节能部署算法、节能整合算法、节能迁移算法等。
上述5方面的技术和内容关系密切，相互衔接，共同构成了基于虚拟化的数据中心能耗管理解决方案。它们的关系是：能耗测量获得资源使用情况的原始数据，传递给能耗模型；能耗模型根据计算得出虚拟机的能耗使用情况；基于这些数据，可以实现复杂的能耗管理机制和管理算法。
以下结合图1、图2及图3，对本发明的技术方案作进一步剖析。
在本发明中，虚拟机能耗测量的基本思路：
1、首先建立一个能耗模型，把特定类型资源的利用率(如CPU)和整体系统能耗建立联系。为简单起见，不考虑处在相对较低利用率层次的其它类型资源的能耗；
2、使用轻量级监控工具测量每个虚拟机运行时的不同资源的利用率，比如可以通过典型虚拟机化平台提供的硬件性能计数器进行在线的轮廓分析；
3、评估虚拟机能耗情况，输入资源利用率，通过资源能耗模型的计算，间接推断虚拟机的能耗。
在本发明中，能耗模型分成两大类：基于系统功能单元的能耗评估模型和基于硬件性能计数器的能耗预测模型。图1给出了针对虚拟化云计算平台的能耗建模方法，分为静态能耗建模和动态能耗建模两类。静态能耗建模模拟的是单个虚拟机系统功能部件的能耗；动态能耗建模是对虚拟化动态应用场景的能耗建模，包括服务器整合能耗建模和在线迁移能耗建模。
在本发明中，节能技术分为静态节能技术和动态节能技术。静态节能技术方法是在最初系统和部件设计的时候就把能耗因素考虑进去，这种方法包括电路层节能技术等。动态节能技术方法是根据负载的变化，从资源管理的角度自适应地进行节能管理，这种方法需要借助智能的管理软件来优化服务器层和集群层的能量消耗，把静态和动态节能技术绑定在一起是更为有效的方法，也是虚拟化云计算平台可行的节能实现机制。
根据管理层次的不同，虚拟化云计算平台的能耗管理机制分为两类：虚拟化层的能耗管理机制和云平台层的能耗管理机制，图2描述了基于虚拟化的数据中心能耗管理机制分类。
能耗管理算法分类
能耗管理算法涉及的范围很广，包括随机算法到基于学习的算法等。
1、按主被动模式分
按主被动模式分，能耗管理算法可以分为主动节能方法和被动节能方法。主动节能是通过对历史数据学习等方法，对未来的能耗情况进行预测，并预先根据预测信息进行功耗感知的资源管理算法。被动节能算法是通过实时监控等手段，根据学习前的资源使用情况，进行相应的资源调整，达到节能目的。
2、按算法精度分
按算法精度分，能耗管理算法有基于控制论的精确算法和基于启发式的算法。
基于控制论的精确算法模型存在一定的缺陷，如当程序调整的时候，需要重新基于模拟的学习，这对于实际计算来说是不现实的；另外，该模型也存在一定的复杂度，主要体现在执行时间上。
基于启发式的能耗管理算法并不需要在程序部署前进行模拟的学习，在真实的大规模云计算系统中可以获得较高的性能。目前，基于虚拟化的数据中心的绝大多数自适应能耗管理算法都采用基于启发式的能耗管理算法。
3、按算法粒度分
按算法的粒度分，能耗管理算法可分为粗粒度算法、细粒度算法以及粗细度混合算法。
细粒度的能耗管理算法是在单机或者部件层次的能耗管理算法。粗粒度的能耗管理算法的基本工作单位更大一些，一般情况就是把虚拟机作为一个基本的管理或监控单元。
把细粒度的方法和粗粒度的方法接合起来使用，就是粗细粒度混合的算法。即将一个局部和全局策略混合，在局部层面，系统利用客户操作系统的能耗管理策略；全局管理器则获得来自局部管理器的当前资源分配的信息，并应用这个策略来决定是否需要采用新的虚拟机部署方案。
4、按资源种类分
按资源的种类分，能耗管理算法分为计算资源节能方法、存储资源节能方法和网络资源节能方法。
5、按应用场景分
虚拟化技术作为一种关键的底层支撑技术应用在云计算数据中心中，对云计算数据中心的虚拟化应用场景进行能耗研究非常重要。按照应用场景分，能耗管理算法分为3大类：节能部署算法、节能整合算法和节能迁移算法。节能部署算法又分为静态部署算法和动态部署算法。静态部署算法包括基于相关性的部署算法和基于峰值聚类的部署算法；动态部署算法包括能耗最小化部署算法、历史感知部署算法和迁移开销感知的部署算法；节能整合算法分为ECTC(有效簇拓扑)部署算法和MaxUtil(最大利用率)部署算法；节能迁移算法细分为：单阈值迁移算法、最小化迁移算法、最高增长潜力算法和随机选择算法。
本发明基于上述技术和解决方案，应用软件的方式承载基于虚拟化的数据中心的能耗管理方法。该软件包括服务器软件和客户移动端软件两部分。服务器端软件基于能耗测量、能耗建模、能耗管理、能耗管理算法等四大核心技术构建基于虚拟化的数据中心能耗管理方法实现并常驻服务器内存，客户端软件实现远程监控、服务器端软件配置、软件升级等。通过软件迭代方式不断完善、优化能耗测量、能耗建模、能耗管理、能耗管理算法等自主核心模块功能。