分布式绿色云数据中心中空间觉察的请求调度与优化方法与流程

本发明涉及云计算资源调度技术领域。更具体地，涉及一种分布式绿色云数据中心中空间觉察的请求调度与优化方法。

背景技术：

为了使全球的用户均可灵活地使用资源服务，云计算中的基础设施通常包括数以百万计的服务器和冷却设施。近年来随着应用类型和数量的增加，绿色云提供商(如微软、亚马逊)的能量成本显著增加。2014年美国所有的数据中心的能量消耗达到了700亿千瓦时，这占美国总消耗能量的2％。数据表明这一比重在2020年将会达到4％。在美国，超过57％的能量是通过燃烧煤等化石燃料以火力发电的方式获得的。然而，这将会给全球的环境带来不可逆的损害和污染。越来越多的数据中心部署了可再生能源装置来降低通过以火力发电的方式获得的能量。

为保证用户的应用请求的服务质量，用户与云提供商之间通常会签订服务等级协议。该协议中指定了如果应用请求的延迟时间要求不能得到满足，云提供商将会向用户支付高昂的惩罚费用。因此，云提供商需要严格保证用户的应用请求的延迟时间要求，并将其调度到绿色云数据中心中。而用户的应用请求的到达无特定规律，而单个绿色云数据中心的资源有限因此无法处理所有应用的请求。通常为防止单个绿色云数据中心过载，每个云提供商往往在多个不同的地理位置安装多个可用的绿色云数据中心。而用户的请求数据必须通过由多个网络服务提供商，然后才能达到分布式的多个绿色云数据中心。目前云提供商每天需要传输超过1PB的数据。因此，目前绿色云提供商的总成本主要包括网络带宽成本和能量成本。此外，为了向用户提供低延迟和高可用性的服务，每个绿色云数据中心通过多个可用的网络服务提供商传输用户的请求数据和向用户返回的响应数据。

此外，在分布式绿色云数据中心环境下，火力发电方式产生的电能价格、风速、太阳辐射强度、现场空气密度、每个绿色云数据中心中最大可用的能量限制及服务器个数限制等因素在位于不同地理位置的绿色云数据中心之间的差异。此外，网络服务提供商的单位带宽价格、带宽容量限制等同样随着地理位置的不同而变化。因此分布式绿色云数据中心提供商可以利用一种空间觉察的请求调度与优化方法，从而在满足所有应用请求的延迟时间要求的同时最小化分布式绿色云数据中心提供商的总成本(包括网络带宽成本和能量成本)。该方法需要保证在每个应用请求的延迟时间要求内，为所有应用的请求指定最优的网络服务提供商和确定每个绿色云数据中心的服务器配置，从而将这些请求调度到多个位于不同地理位置的绿色云数据中心中执行。

因此，需要提供一种在满足所有应用请求的延迟时间要求的同时最小化分布式绿色云数据中心提供商总成本的空间觉察的请求调度与优化方法。

技术实现要素：

本发明的目的在于提供一种分布式绿色云数据中心中空间觉察的请求调度与优化方法，综合考虑火力发电方式产生的电能价格、风速、太阳辐射强度、现场空气密度等因素在不同地理位置的变化，能够智能地将所有到达的应用请求调度到多个绿色云数据中心中执行，从而最小化分布式绿色云数据中心提供商的总成本并且保证所有应用请求的延迟时间要求。

为达到上述目的，本发明采用下述技术方案：

根据本发明的一个方面，建立了分布式绿色云数据中心提供商总成本的请求调度的非线性约束优化模型，包括：确定分布式绿色云数据中心提供商总成本的定义方式；确定执行所有应用请求所消耗的总能量的计算方式；建立太阳能和风能能量的计算方式；对网络服务提供商的带宽容量限制约束、每个应用的可用服务器个数限制约束、绿色云数据中心最大可用的能量限制约束、应用的请求队列的稳定性限制约束、应用请求的延迟时间限制约束等进行建模。进而最终得到分布式绿色云数据中心环境下最小化其总成本的请求调度的非线性约束优化模型。

根据本发明的另一方面，提供了一种空间觉察的请求调度与优化方法，包括：设计一种惩罚函数方法，可将非线性约束优化模型转化为无约束优化模型；采用基于模拟退火和蝙蝠算法设计的混合元启发式优化算法求解无约束优化模型，来求解转化得到的无约束优化模型，获得空间觉察的请求调度策略，从而最小化分布式绿色云数据中心提供商的总成本。

根据本发明的上述方面，针对目前分布式绿色云数据中心环境下处理多类型应用请求的架构特点，在分布式绿色云数据中心环境下空间觉察的请求调度与优化方法基础上，通过综合考虑火力发电方式产生的电能价格、风速、太阳辐射强度、现场空气密度等因素在不同地理位置的变化，使得分布式绿色云数据中心提供商的总成本最小化。

综上，分布式绿色云数据中心中空间觉察的请求调度与优化方法，包括如下步骤：

S1、针对不同类型应用的请求，建立由多个网络服务提供商和多个位于不同地理位置的绿色云构成的分布式绿色云数据中心架构；

S2、根据该架构，建立分布式绿色云数据中心环境下最小化云提供商总成本的请求调度的非线性约束优化模型；

S3、采用惩罚函数将非线性约束优化模型转化为对应的无约束优化模型；

S4、采用基于模拟退火和蝙蝠算法设计的混合元启发式优化算法求解无约束优化模型，实现分布式绿色云数据中心环境下空间觉察的请求调度，从而最小化分布式绿色云数据中心提供商的总成本并满足所有应用请求的延迟时间要求。

优选地，所述非线性约束优化模型的优化目标为最小化分布式绿色云提供商的总成本Cost，所述非线性约束优化模型为：

其中，b_cost表示在时间间隔τ内，传输用户的应用请求所需要的网络带宽成本；e_cost表示在时间间隔τ内，分布式绿色云数据中心执行应用请求所消耗的能量成本；L表示每个时间间隔的长度；K表示可用的网络服务提供商的个数；表示网络服务提供商k在时间间隔τ内的单位带宽价格；C表示绿色云数据中心的个数；N表示分布式绿色云数据中心中应用的个数；表示在时间间隔τ内通过网络服务提供商k传输到绿色云数据中心c的应用n的请求到达率；s_n表示应用n的每个请求的平均大小；表示绿色云数据中心c在时间间隔τ内通过火力发电方式得到的能量价格；表示绿色云数据中心c在时间间隔τ内执行所有应用请求所消耗的总能量；表示绿色云数据中心c在时间间隔τ内执行所有应用请求所消耗的太阳能能量；表示绿色云数据中心c在时间间隔τ内执行所有应用请求所消耗的风能能量；表示在时间间隔τ内绿色云数据中心c中应用n的请求处理率。

优选地，所述非线性约束优化模型的优化目标中，绿色云数据中心c在时间间隔τ内执行所有应用请求所消耗的总能量的计算方式，具体为：

其中，表示绿色云数据中心c中对应于应用n的每个服务器的平均闲时功率；表示绿色云数据中心c中对应于应用n的每个服务器的平均峰时功率；γ^c表示绿色云数据中心c的PUE(Power Usage Effectiveness)值；表示在时间间隔τ内绿色云数据中心c中应用n的请求到达率；表示绿色云数据中心c中每个开启的对应于应用n的服务器单位时间处理请求的个数；表示绿色云数据中心c中对应于应用n的请求队列的容量。

优选地，所述非线性约束优化模型的优化目标中，绿色云数据中心c在时间间隔τ内执行所有应用请求所消耗的太阳能能量的计算方式，具体为：

其中，κ^c表示绿色云数据中心c中太阳辐射到电的转换率；表示绿色云数据中心c中太阳能电池板的有效照射面积；表示绿色云数据中心c在时间间隔τ内的太阳辐射强度。

优选地，所述非线性约束优化模型的优化目标中，绿色云数据中心c在时间间隔τ内执行所有应用请求所消耗的风能能量的计算方式，具体为：

其中，η^c表示绿色云数据中心c中风到电的转换率；α^c表示绿色云数据中心c中的现场空气密度；表示绿色云数据中心c中风力发电机的转子面积；表示绿色云数据中心c在时间间隔τ内的风速。

优选地，所述非线性约束优化模型的约束包括：在时间间隔τ内通过网络服务提供商k传输到绿色云数据中心c的所有应用请求所占用的总带宽不能超过网络服务提供商k的带宽容量限制：

其中，Ω_k表示网络服务提供商k的带宽容量。

优选地，所述非线性约束优化模型的约束包括：在时间间隔τ内，绿色云数据中心c中开启的对应于应用n的服务器的个数不能超过对应于应用n的可用的服务器个数限制：

其中，M^c,n表示绿色云数据中心c中对应于应用n的可用的服务器个数。

优选地，所述非线性约束优化模型的约束包括：在时间间隔τ内，绿色云数据中心c中执行所有应用的请求所需要的能量不能超过绿色云数据中心c中最大可用的能量，具体为：

其中，表示绿色云数据中心c中最大可用的能量。

优选地，所述非线性约束优化模型的约束包括：在时间间隔τ内，为保证绿色云数据中心c中对应于应用n的请求队列的稳定性，绿色云数据中心c中应用n的请求到达率必须小于该应用的请求处理率，具体为：

优选地，所述非线性约束优化模型的约束包括：在时间间隔τ内，通过每个网络服务提供商到达每个绿色云数据中心的请求到达率之和必须等于应用n的请求到达率，具体为：

其中，表示应用n的请求到达率。

优选地，所述非线性约束优化模型的约束包括：在时间间隔τ内，绿色云数据中心c中应用n的平均请求延迟时间不能超过应用n的请求延迟时间限制：

其中，ξ_n表示应用n的请求延迟时间限制。

优选地，采用惩罚函数将非线性约束优化模型转化为对应的无约束优化模型，具体为：将非线性约束优化模型中的每个约束转化为一个对应的惩罚项，进行如下罚函数计算：

其中，J表示对应于非线性约束优化模型的惩罚函数的值；g表示不等式约束的个数；h表示等式约束的个数；表示每个不等式约束所对应的惩罚项；表示每个等式约束所对应的惩罚项。

优选地，采用基于模拟退火和蝙蝠算法设计的混合元启发式优化算法求解无约束优化模型，具体为：以随机方式在解空间中初始化蝙蝠种群的位置和速度，以及其它相关参数包括最大音量、最大脉冲发生率、搜索脉冲频率范围、音量的衰减系数、脉冲发生率的增强系数、最大迭代次数；在每次迭代过程中更新种群中每个蝙蝠的搜索脉冲频率、速度和位置；按照均匀分布生成随机数，如果该随机数大于对应蝙蝠的脉冲发生率，则对当前最优解进行随机扰动，为该蝙蝠产生一个新解并进行越界处理；按照均匀分布生成随机数，如果该随机数小于对应蝙蝠的音量，则进一步比较所得新解与当前最优解的适应度值，如果所得新解较优则接受该新解并更新该蝙蝠的脉冲发生率和音量，否则按照模拟退火算法中的Metropolis法则决定是否接受该新解，从而期望能够从局部最优解处跳出并收敛于全局最优解，如果接受该新解则更新该蝙蝠的脉冲发生率和音量；然后对所有蝙蝠的适应度值进行排序，找出当前的最优解和最优适应度值；以此循环，直到达到设定的最大迭代次数，输出全局最优解即得到能够最小化分布式绿色云数据中心提供商的总成本并满足所有应用请求的延迟时间要求的请求调度策略。

本发明的有益效果如下：

本发明所述技术方案能够解决分布式绿色云数据中心环境下，能量价格、风能和太阳能在位于不同地理位置的绿色云数据中心之间的差异以及网络服务提供商的带宽容量限制给请求调度带来的难题，并使得分布式绿色云提供商能够智能地调度所有应用的请求，从而能够严格保证每个应用的平均请求延迟时间要求。且本发明所述技术方案综合考虑了绿色云数据中心中最大可用的能量限制、服务器个数限制、应用请求队列的稳定性等因素，能够在满足所有应用请求延迟时间要求的同时最小化绿色云数据中心提供商的总成本。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明；

图1示出分布式绿色云数据中心中空间觉察的请求调度与优化方法的流程图。

图2示出分布式绿色云数据中心架构图。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

如图1和图2所示，本发明公开的一种分布式绿色云数据中心中空间觉察的请求调度与优化方法，包括如下步骤：

S1、针对不同类型应用的请求，建立由多个网络服务提供商和多个位于不同地理位置的绿色云构成的分布式绿色云数据中心架构：

位于每个地理位置的绿色云数据中心中含有成千上万台服务器，它们的能量来源主要包括风能、太阳能和通过火力发电方式产生的电能。而在用户和每个绿色云数据中心之间存在多个可用的网络服务提供商，从而能够有效传输用户的应用请求数据以及绿色云数据中心向用户返回的响应数据。此外，执行每个应用请求所需要的程序及数据在每个绿色云数据中心中均存在备份且保持严格一致，因此用户的应用请求可以在任意一个绿色云数据中心中得到执行。每个绿色云数据中心能够向用户提供不同类型的应用服务，用户可通过智能手机、笔记本、台式机等电子终端设备发送应用请求。关于风能、太阳和通过火力发电方式产生的电能的数据会被周期性地收集并传输至请求调度器组件，这些数据包括通过火力发电方式产生的电能价格、风速、太阳辐射强度、现场空气密度等。根据此，本发明公开的方法能够周期性地为所有到达的应用请求确定在多个网络服务提供商和多个绿色云数据中心之间的最优调度与优化策略。

S2、根据该架构，建立分布式绿色云数据中心环境下最小化云提供商总成本的请求调度的非线性约束优化模型：

本发明采用一种分布式绿色云提供商的总成本Cost的计算方法，来刻画执行所有应用的请求为分布式绿色云提供商带来的总成本，非线性约束优化模型的优化目标为最小化分布式绿色云提供商的总成本Cost，非线性约束优化模型为：

其中，b_cost表示在时间间隔τ内，传输用户的应用请求所需要的网络带宽成本；e_cost表示在时间间隔τ内，分布式绿色云数据中心执行应用请求所消耗的能量成本；L表示每个时间间隔的长度；K表示可用的网络服务提供商的个数；表示网络服务提供商k在时间间隔τ内的单位带宽价格；C表示绿色云数据中心的个数；N表示分布式绿色云数据中心中应用的个数；表示在时间间隔τ内通过网络服务提供商k传输到绿色云数据中心c的应用n的请求到达率；s_n表示应用n的每个请求的平均大小；表示绿色云数据中心c在时间间隔τ内通过火力发电方式得到的能量价格；表示绿色云数据中心c在时间间隔τ内执行所有应用请求所消耗的总能量；表示绿色云数据中心c在时间间隔τ内执行所有应用请求所消耗的太阳能能量；表示绿色云数据中心c在时间间隔τ内执行所有应用请求所消耗的风能能量；表示在时间间隔τ内绿色云数据中心c中应用n的请求处理率。

上述非线性约束优化模型的优化目标中，绿色云数据中心c在时间间隔τ内执行所有应用请求所消耗的总能量具体为：

其中，表示绿色云数据中心c中对应于应用n的每个服务器的平均闲时功率；表示绿色云数据中心c中对应于应用n的每个服务器的平均峰时功率；γ^c表示绿色云数据中心c的PUE(Power Usage Effectiveness)值；表示在时间间隔τ内绿色云数据中心c中应用n的请求到达率；表示绿色云数据中心c中每个开启的对应于应用n的服务器单位时间处理请求的个数；表示绿色云数据中心c中对应于应用n的请求队列的容量。

上述非线性约束优化模型的优化目标中，绿色云数据中心c在时间间隔τ内执行所有应用请求所消耗的太阳能能量具体为：

其中，κ^c表示绿色云数据中心c中太阳辐射到电的转换率；表示绿色云数据中心c中太阳能电池板的有效照射面积；表示绿色云数据中心c在时间间隔τ内的太阳辐射强度。

上述非线性约束优化模型的优化目标中，绿色云数据中心c在时间间隔τ内执行所有应用请求所消耗的风能能量的计算方式，具体为：

其中，η^c表示绿色云数据中心c中风到电的转换率；α^c表示绿色云数据中心c中的现场空气密度；表示绿色云数据中心c中风力发电机的转子面积；表示绿色云数据中心c在时间间隔τ内的风速。

上述非线性约束优化模型的约束包括下述(1)～(6)：

(1)在时间间隔τ内通过网络服务提供商k传输到绿色云数据中心c的所有应用请求所占用的总带宽不能超过网络服务提供商k的带宽容量限制：

其中，Ω_k表示网络服务提供商k的带宽容量。

(2)在时间间隔τ内，绿色云数据中心c中开启的对应于应用n的服务器的个数不能超过对应于应用n的可用的服务器个数限制：

其中，M^c,n表示绿色云数据中心c中对应于应用n的可用的服务器个数。

(3)在时间间隔τ内，绿色云数据中心c中执行所有应用的请求所需要的能量不能超过绿色云数据中心c中最大可用的能量，具体为：

其中，表示绿色云数据中心c中最大可用的能量。

(4)在时间间隔τ内，为保证绿色云数据中心c中对应于应用n的请求队列的稳定性，绿色云数据中心c中应用n的请求到达率必须小于该应用的请求处理率，具体为：

(5)在时间间隔τ内，通过每个网络服务提供商到达每个绿色云数据中心的请求到达率之和必须等于应用n的请求到达率，具体为：

其中，表示应用n的请求到达率。

(6)在时间间隔τ内，绿色云数据中心c中应用n的平均请求延迟时间不能超过应用n的请求延迟时间限制：

其中，ξ_n表示应用n的请求延迟时间限制。

S3、采用惩罚函数将非线性约束优化模型转化为对应的无约束优化模型；

将步骤S2得到的非线性约束优化模型中的每个约束转化为一个对应的惩罚项，进行如下罚函数计算：

其中，J表示对应于非线性约束优化模型的惩罚函数的值；g表示不等式约束的个数；h表示等式约束的个数；表示每个不等式约束所对应的惩罚项；表示每个等式约束所对应的惩罚项。

令augCost表示转化后的无约束优化问题模型的增广目标函数值：其中参数σ是非常大的正数，该参数突出了J对Cost的影响。

S4、采用基于模拟退火和蝙蝠算法设计的混合元启发式优化算法求解无约束优化模型，实现分布式绿色云数据中心环境下空间觉察的请求调度，从而最小化分布式绿色云数据中心提供商的总成本并满足所有应用请求的延迟时间要求：

该算法以随机方式在解空间中初始化蝙蝠种群的位置和速度，以及其它相关参数包括最大音量、最大脉冲发生率、搜索脉冲频率范围、音量的衰减系数、脉冲发生率的增强系数、最大迭代次数；在每次迭代过程中更新种群中每个蝙蝠的搜索脉冲频率、速度和位置；按照均匀分布生成随机数，如果该随机数大于对应蝙蝠的脉冲发生率，则对当前最优解进行随机扰动，为该蝙蝠产生一个新解并进行越界处理；按照均匀分布生成随机数，如果该随机数小于对应蝙蝠的音量，则进一步比较所得新解与当前最优解的适应度值，如果所得新解较优则接受该新解并更新该蝙蝠的脉冲发生率和音量，否则按照模拟退火算法中的Metropolis法则决定是否接受该新解，从而期望能够从局部最优解处跳出并收敛于全局最优解，如果接受该新解则更新该蝙蝠的脉冲发生率和音量；然后对所有蝙蝠的适应度值进行排序，找出当前的最优解和最优适应度值；以此循环，直到达到设定的最大迭代次数，输出全局最优解即得到能够最小化分布式绿色云数据中心提供商的总成本并满足所有应用请求的延迟时间要求的请求调度策略。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。