赵雪阳,岳延奇,王海晨

(长安大学 信息工程学院,陕西 西安 710064)

0 引 言

随着数据中心应用业务日渐增长和规模不断扩大,能耗显著增加;同时,云服务提供商需要保证可靠的服务质量(Quality of Service,QoS),否则将受到惩罚[1]。因此,节能和保证服务质量是数据中心亟待解决的问题。

虚拟机整合是解决上述问题的重要方法。该方法利用动态虚拟机迁移来定期合并虚拟机,避免主机过载引起的性能下降、减少低载主机数量从而降低能耗。虚拟机整合的相关研究大多[2-7]将虚拟机整合分解为:过载主机检测、欠载主机检测、虚拟机选择、虚拟机放置。

在数据中心,主机资源的低利用率会浪费资源,而高利用率引起过载,进而影响性能[8]。Beloglazov等[9]提出双静态阈值算法,该算法设置了主机CPU利用率的过载阈值、欠载阈值,根据阈值将主机分为3类。但是,由于云数据中心的主机负载变化的动态特性,基于静态阈值的方法不能很好地适应这种动态的变化。为解决该问题,Buyya等[10]提出了两种稳健的统计估计来调整阈值,即中位数绝对偏差法和四分位距法。Farahnakian等[11]分别使用线性回归和K近邻(K-Nearest Neighbor,KNN)回归算法,根据从虚拟机生命周期中收集的数据来近似函数,从而预测过载、低载物理主机以减少SLA违规和能源的消耗。在虚拟机选择问题上,Jiang等[12]给出了一种包含GPU利用率和CPU利用率两个影响因素的能效评价模型。他们使用基于人工蜂群算法的虚拟机选择算法,选定可以使得能耗降低最多的虚拟机。徐胜超等[13]提出了一种基于皮尔逊系数的虚拟机选择策略,该策略引入了皮尔逊系数,将CPU利用率最高的虚拟机放入到待迁移虚拟机列表。……