CN102541622B - 一种负载相关的虚拟机放置方法 - Google Patents

Abstract

本发明涉及一种负载相关的虚拟机放置方法。目前常用的虚拟化环境中，为了保证性能，常常进行过量的资源分配，致使资源处于低利用率水平，并导致成本的提高和资源的浪费。本发明通过多次迭代互补配对的方法来解决资源利用率不高以及随机配对或者一次配对的配对不合理的问题，并且通过设定一个资源利用率的饱和度来控制迭代程度，从而将系统的性能以及用户的服务质量控制在可以接受的范围内。使用多迭代虚拟机方法，利用资源的时间互补性，能够在不降低用户服务质量的同时，较深层次地提高虚拟机的资源利用率。

Description

一种负载相关的虚拟机放置方法

技术领域

    本发明属于虚拟机容量规划技术领域，涉及一种负载相关的虚拟机放置的方法。

背景技术

虚拟化是目前服务器系统和数据中心广泛应用的技术，可以让用户能够按需获得计算和存储等资源，具有可扩展性和易管理性。目前常用的虚拟化环境中，为了保证性能，常常进行过量的资源分配，致使资源处于低利用率水平，并导致成本的提高和资源的浪费。在利用虚拟化平台提供用户服务前，对搭建的虚拟化平台进行合理的虚拟机放置，可以节约成本，并且为后期虚拟化平台的运行提供很好的资源保证和资源可扩展性。

传统的虚拟机放置方法主要有峰值分配放置方法，平均值分配放置方法，一次配对峰值分配放置方法，一次配对平均值分配放置方法等。

峰值分配放置方法主要是通过对历史数据的监控，利用历史负载的最高资源使用情况进行分配初始化，然后进行虚拟机放置。这种方法的优点是能够充分保证用户的服务质量，但容易导致资源利用率低下，造成资源的浪费。

相比峰值分配方法中用户服务质量需求较高和资源利用率低这两个特点，平均值分配放置方法进行了折衷处理，这种方法虽然提高了资源利用率，却损害了用户的服务质量。

利用资源使用量的互补性进行配对放置方法的提出，对于峰值分配和平均值分配造成的大量资源闲置和损失用户服务质量有了一定的改善。资源使用量的互补性分为时间互补性和空间互补性，分别表示同一时间不同虚拟机对同一资源使用的互补性和同一时间不同虚拟机对不同资源使用的互补性。

发明内容

本发明提出了基于时间互补性的虚拟机多配对放置方法。利用不同虚拟机的时间互补性，进行迭代循环配对，对一次配对进行改进。减少了系统资源的浪费和总的物理机资源的使用量，并且保持用户的服务质量处于用户可以接受的范围内。

本发明的特点是，通过多次迭代互补配对的方法来解决资源利用率不高以及随机配对或者一次配对的配对不合理的问题，并且通过设定一个资源利用率的饱和度来控制迭代程度，从而将系统的性能以及用户的服务质量控制在可以接受的范围内。

本发明所采用的技术方案的具体实现步骤如下：

一种负载相关的虚拟机放置方法包括以下步骤：

步骤1：收集虚拟机的历史资源利用率，根据(1)式对每一台虚拟机进行资源饱和度的分析，判断该台虚拟机是否处于高消耗状态，如果该台虚拟机处于高消耗状态，则移出虚拟机配对队列；

所述的高消耗状态取决于资源利用率，当资源利用率大于设定阈值时，则认为虚拟机处于高消耗状态； 

资源饱和度的算法如下：

                      (1)

为CPU资源利用率的时间序列。

其中 表示资源饱和度值；i表示编号i=1,2,3,…；T表示总的时间次数；Cit表示第i台虚拟机在t时刻的CPU使用率，t=1,2,3,…,T；

步骤2：通过步骤1完成一遍移出虚拟机操作后，根据皮尔森相关系数求解，计算在剩下的虚拟机配对队列中所有虚拟机的两两相关系数，并取最小值。如果只有一台虚拟机则直接移出虚拟机队列。

相关系数算法如下所示： 

            (2)

最大互补度即最小相关系数算法如下所示：

，m,n∈(t=1,2,3,…,T)           (3)

其中r表示相关系数；表示第i台虚拟机的负载；表示第i台虚拟机负载的平均值；R表示最小相关系数；m，n表示时间序列中的m，n时刻；

步骤3：根据步骤2得到互补度最大值对应的两台虚拟机，将该两台虚拟机的负载根据(4)式叠加合并成一台新虚拟机。通过配对后的虚拟机饱和度判断是否将其移出虚拟机队列。如果新虚拟机的饱和值不小于设定的饱和度值，则此次配对结束，将配对对应的所有虚拟机都移出虚拟机队列。如果小于设定的饱和度值，则将这台叠加起来的新虚拟机放入虚拟机队列继续求解互补度。

叠加算法如下所示：

,  t=1,2,3,…,T               (4)

其中W_t表示在t时刻一个虚拟机组的叠加CPU使用率；k表示配对后对应的虚拟机的编号，k=1,2,3,…,n。

步骤4：重复步骤2操作，直到虚拟机配对后备队列为空。

本发明的明显效益有以下几点：

第一：本发明使用多迭代虚拟机方法，利用资源的时间互补性，能够在不降低用户服务质量的同时，较深层次地提高虚拟机的资源利用率。

第二：本发明通过虚拟机迭代配对方法，统一分配资源，减少了总体的资源使用量，虚拟机重新分配放置后减少了物理机的台数，从而降低了能耗，节约了物理资源。

第三：本发明利用历史负载信息进行自动识别，根据时间互补特征进行迭代配对，统一分配资源，减少了人力的投入。

第四：本发明可用于大规模数据中心的虚拟机的放置及容量规划，可以用于各种不同规模的虚拟机集群，提高虚拟机的放置密度，即相同数量和配置物理机可以放置更多虚拟机台数，同时不影响用户的请求质量。

附图说明

图1是虚拟机放置算法流程结构图。

图2是迭代配对流程程序伪代码图。

图3是虚拟机系统架构图。

具体实施方式

以下结合附图对本发明做进一步说明。

步骤1：如图3收集虚拟机的历史资源利用率，根据（1）式对每一台虚拟机进行资源利用率的分析，判断该台虚拟机是否处于高消耗状态，本发明在实验中研究发现，资源利用率处于0.8-0.9的阈值，处于高消耗状态又不降低系统性能。本发明进行了资源利用率与虚拟机响应时间的对应分析实验，设定了不影响系统响应时间的资源利用率阈值。判断处于高耗状态的虚拟机则移出虚拟机配对队列。

资源饱和度的算法如下：

                      (1)

其中CPU资源利用率的时间序列为。

步骤2：通过步骤1完成一遍移出虚拟机操作后，根据皮尔森相关系数求解，计算在剩下的虚拟机配对队列中所有虚拟机的两两相关系数，并取最小值，如果只有一台虚拟机则直接移出虚拟机队列。

相关系数算法如下： 

            (2)

最大互补度即最小相关系数算法如下所示：

，m,n∈(t=1,2,3,…,T)           (3)

步骤3：根据步骤2得到互补度最大值对应的两台虚拟机，将该两台虚拟机的负载根据(4)式叠加合并成一台新虚拟机。通过配对后的虚拟机饱和度判断是否将其移出虚拟机队列。如果新虚拟机的饱和度不小于设定的饱和度值，则此次配对结束，将配对对应的所有虚拟机都移出虚拟机队列。如果小于设定的饱和度值，则将这台叠加起来的新虚拟机放入虚拟机队列继续求解互补度。

叠加算法如下：

,  t=1,2,3,…,T               (4)

步骤4：重复第二步操作，直到虚拟机配对后备队列为空，如图1流程图所示，图2为所有步骤的伪代码实现。

其中上述公式中的i表示编号i=1,2,3,…；N表示虚拟机总台数；n表示虚拟机群中虚拟机总台数；vm_i表示第i台虚拟机，i=1,2,3,…,N；t，m，n表示时间序列中的t，m，n时刻；T表示总的时间次数；C_it表示vm_i在t时刻的CPU使用率，t=1,2,3,…,T；k表示配对后对应的虚拟机的编号，k=1,2,3,…,n；r表示相关系数；R表示最小相关系数；W_t表示在t时刻一个虚拟机组的叠加CPU使用率。

Claims (1)

1.一种负载相关的虚拟机放置方法，其特征在于该方法包括以下步骤：

步骤1：收集虚拟机的历史资源利用率，根据(1)式对每一台虚拟机进行资源饱和度的分析，判断该台虚拟机是否处于高消耗状态，如果该台虚拟机处于高消耗状态，则移出虚拟机配对队列；

所述的高消耗状态取决于资源利用率，当资源利用率大于设定阈值时，则认为虚拟机处于高消耗状态；

资源饱和度的算法如下：

${\mathrm{\γ}}_i=\frac{C_{i1}+C_{i2}+C_{i3}+...+C_{\mathrm{it}}+C_{\mathrm{iT}}}{T}/\max \left(C_{\mathrm{it}}\right)---\left(1\right)$

{C_i1,C_i2,C_i3,...,C_iT}为CPU资源利用率的时间序列；

其中γ表示资源饱和度值；i表示编号i＝1,2,3,…；T表示总的时间次数；C_it表示第i台虚拟机在t时刻的CPU使用率，t＝4,5,6,…,T-1；

步骤2：通过步骤1完成一遍移出虚拟机操作后，根据皮尔森相关系数求解，计算在剩下的虚拟机配对队列中所有虚拟机的两两相关系数，并取最小值，如果只有一台虚拟机则直接移出虚拟机队列；

相关系数算法如下所示：

$r_{C_1,C_2}=\frac{{\mathrm{\Σ}}_{t=1}^T(C_{1t}-\stackrel{\‾}{C_1})(C_{2t}-\stackrel{\‾}{C_2})}{\sqrt{{\mathrm{\Σ}}_{t=1}^T{(C_{1t}-\stackrel{\‾}{C_1})}^2}\sqrt{{\mathrm{\Σ}}_{t=1}^N{(C_{2t}-\stackrel{\‾}{C_2})}^2}}---\left(2\right)$

最大互补度即最小相关系数算法如下所示：

$R=\mathrm{MIN}\left(r_{C_{1}m,C_{2}n}\right),m,m\∈(t=\mathrm{1,2,3},...,T)---\left(3\right)$

其中r表示相关系数；C_i表示第i台虚拟机的负载；表示第i台虚拟机负载的平均值；R表示最小相关系数；m,n表示时间序列中的m,n时刻；

步骤3：根据步骤2得到互补度最大值对应的两台虚拟机，将该两台虚拟机的负载根据(4)式叠加合并成一台新虚拟机；通过配对后的虚拟机饱和度判断是否将其移出虚拟机队列；如果新虚拟机的饱和值不小于设定的饱和度值，则此次配对结束，将配对对应的所有虚拟机都移出虚拟机队列；如果小于设定的饱和度值，则将这台叠加起来的新虚拟机放入虚拟机队列继续求解互补度；

叠加算法如下所示：

$W_t={\mathrm{\Σ}}_{k=1}^n{C}_{\mathrm{kt}},t=\mathrm{1,2,3},...,T---\left(4\right)$

其中W_t表示在t时刻一个虚拟机组的叠加CPU使用率；k表示配对后对应的虚拟机的编号，k＝1,2,3,…,n；

步骤4：重复步骤2操作，直到虚拟机配对后，剩下的虚拟机队列为空。