CN103414752B - 一种网络感知的云数据中心虚拟机分配方法 - Google Patents

Abstract

本发明公开了一种网络感知的云数据中心虚拟机分配方法，其具体步骤包括：1、获取云数据中心中的各子数据中心的物理服务器信息，并获取子数据中心之间的距离信息；2、选择子数据中心和虚拟机分配；3、获取选择出的子数据中心集合中的每个子数据中心的物理服务器信息，以及物理服务器之间的通信带宽；4、物理服务器的选择和虚拟机分配。通过该网络感知的云数据中心虚拟机的分配方法，充分考虑了用户请求的虚拟机的异构性，细粒度化虚拟机的需求，将虚拟机分配问题映射到最大团问题，提出一种基于二维背包算法的应用，尽可能的降低分配的虚拟机之间的通信代价，同时使得子数据中心之间的最大距离最小、物理服务器之间的最大通信延迟最小。

Description

一种网络感知的云数据中心虚拟机分配方法

技术领域

本发明涉及自适应控制领域，尤其涉及一种网络感知的云数据中心虚拟机分配方法。

背景技术

云计算（Cloud Computing）是继分布式计算、网格计算等技术发展起来的一种基于网络的按需付费的计算模式。云计算提供三种服务模型：基础设施即服务（Infrastructure as a Service,IaaS）、平台即服务（Platform as a Service，PaaS）和软件即服务（Software as a Service，SaaS）。他们分别为用户以pay as you use（按需付费）模式提供基础设施服务、平台服务和软件服务。许多云提供商如Amazon、Google等在世界各地建立庞大的云数据中心，实现海量的计算任务和海量信息的存储，为用户提供云计算服务，在商业应用上取得了成功。

云数据中心的一个关键技术是资源分配，云数据中心通过虚拟化技术将计算资源、存储资源和网络资源构建成动态的虚拟资源池；使用虚拟资源管理技术实现云计算资源自动部署、动态扩展、按需分配；用户采用按需和即付即用的方式获取资源。一般来讲，用户通过一定的端口将需要的虚拟机数量和虚拟机的直接通信需求提交给云数据中心，然后云数据中心将满足用户需求的虚拟机分配给用户。由于云数据中心中的子数据中心一般都是地理上分散的，因此子数据中心之间的通信代价是非常大。如何分配虚拟机使得通信耗费最优是一个NP（Non-deterministic polynomial）难问题。

另外，现有的云数据中心的子数据中心之间一般地理距离较远，数据中心之间的通信代价成为一个不可忽略的因素，网络感知的虚拟机分配方法需要亟待解决；而且，目前的虚拟机分配方法都认为用户请求的虚拟机是同构的，即用户请求的每个虚拟机的配置（处理器能力和内存容量）都是相同的，从而使虚拟机应用范围比较小。

因此，我们必须提出一种减少分配虚拟机通信耗费的网络感知的云数据中心虚拟机分配方法，以解决现有技术中通信耗费较高和应用范围较小的难题。

发明内容

为了克服现有技术的缺陷，本发明旨在提供一种能够降低分配虚拟机的通信耗费和应用范围较小的一种网络感知的云数据中心虚拟机分配方法。

为了实现上述目的，本发明提供了一种网络感知的云数据中心虚拟机分配方法，包括如下步骤：

步骤1：获取各子数据中心的物理服务器信息，并获取子数据中心之间的距离信息；

步骤2：选择子数据中心和虚拟机分配；

步骤3：获取选择出的子数据中心集合中的每个子数据中心的物理服务器信息，以及物理服务器之间的通信带宽；

步骤4：选择物理服务器和虚拟机分配。

较佳地，所述物理服务器信息包括处理器信息和内存信息。

较佳地，所述步骤2进一步包括：根据最大团问题的思想，在满足虚拟机需求的前提下，选择出所述子数据中心之间距离最短的子数据中心集合；且在选择子数据中心集合的过程中，运用动态规划方法实现的二维背包问题，将每个请求的虚拟机分配到选择的子数据中心上。

较佳地，所述步骤4进一步包括：对选择出的所述子数据中心集合中的每个子数据中心，再次根据最大团问题的思想，选择出所述子数据中心中满足虚拟机需求的物理服务器集，同时使得选择的物理服务器之间的通信带宽最小；而且，在选择物理服务器集的过程中，再次运用动态规划方法实现的二维背包问题，将分配到所述物理服务器所在的子数据中心的每个虚拟机放置到选择的物理服务器上。

较佳地，通过选择相互之间最大距离最小的子数据中心以及相互之间最大通信延迟最小的物理服务器，分配所述虚拟机，从而尽可能降低子数据中心之间和物理服务器之间的通信代价。

与现有技术相比，本发明的有益效果如下：

1、本发明的虚拟机分配方法考虑了云数据中心的子数据中心地理分散的特性，考虑了数据中心之间和物理服务器之间的网络通信因素，从而尽可能降低了子数据中心之间和物理服务器之间的通信代价，同时使得子数据中心之间的最大距离最小，物理服务器之间的最大通信延迟最小。

2、本发明的虚拟机分配方法中，由于目前大部分虚拟机分配方法主要参考能量感知方面，而且，目前的虚拟机分配方法都认为用户请求的虚拟机是同构的，即用户请求的每个虚拟机的配置（处理器能力和内存容量）都是相同的；然而，本发明通过提出虚拟机更细粒度化的虚拟机分配方法，使每个被请求的虚拟机都是异构的，从而使本发明的网络感知的云数据中心虚拟机分配方法的适用范围更广。

附图说明

图1为本发明网络感知的云数据中心虚拟机分配方法的流程图；

图2为本发明的MCNVMA算法的伪代码图；

图3为本发明云数据中心的架构图。

具体实施方式：

参见示出本发明实施例的附图，下文将更详细的描述本发明。然而，本发明可以以不同形式、规格等实现，并且不应解释为受在此提出之实施例的限制。相反，提出这些实施例是为了达成充分及完整公开，并且使更多的有关本技术领域的人员完全了解本发明的范围。这些附图中，为清楚可见，可能放大或缩小了相对尺寸。

现参考图1图3详细描述根据本发明实施的网络感知的云数据中心虚拟机分配方法，该网络感知的云数据中心虚拟机分配方法包括如下步骤：

步骤1：获取各子数据中心的物理服务器信息，并获取子数据中心之间的距离信息；

步骤2：子数据中心的选择和虚拟机的分配；

具体的，步骤2进一步包括：根据最大团问题的思想，在满足虚拟机需求的前提下，选择出子数据中心之间距离最短的子数据中心集合；且在选择子数据中心集合的过程中，运用动态规划方法实现的二维背包问题，将每个请求的虚拟机分配到选择的子数据中心上；

步骤3：获取选择出的子数据中心集合中的每个子数据中心的物理服务器信息，以及物理服务器之间的通信带宽；

步骤4：物理服务器的选择和虚拟机的分配；

具体的，步骤4进一步包括：对选择出的子数据中心集合中的每个子数据中心，再次根据最大团问题的思想，选择出子数据中心中满足虚拟机需求的物理服务器集，同时使得选择的物理服务器之间的通信带宽最小；而且，在选择物理服务器集的过程中，再次运用动态规划方法实现的二维背包问题，将分配到其所在的子数据中心的每个虚拟机放置到选择的物理服务器上。

其中，物理服务器信息包括处理器信息和内存信息，通过获取云数据中心中各子数据中心的处理器信息和内存信息，对虚拟机进行分配。

实用例

当用户请求一些云资源执行服务时，云数据中心通过统计分析判断其云数据中心所需要的虚拟机的个数，并给出每个虚拟机的处理器和内存信息，以及虚拟机之间的通信带宽。将虚拟机列表记作：VM={vm₁,vm₂,…,vm_n}，每个虚拟机vm_i的处理器和内存信息记作C_vmi=(Pro_vmi,Mem_vmi)，虚拟机之间的通信带宽存储在一个二维矩阵中，记作M_cost=(cost_ij)_n×n。

如图3所示的云数据中心，包括三个子数据中心，通过用户请求，从而对云数据中心中的虚拟机进行分配，且其具体的分配方法包括如下步骤：

步骤1：从云数据中心中的子数据中心列表获取子数据中心的物理服务器信息，包括处理器信息和内存信息，并获取子数据中心之间的距离信息；其中，子数据中心列表记作DC={dc₁,dc₂,…,dc_m}，每个子数据中心dc_i的处理器和内存信息记作C_dci=(Pro_dci,Mem_dci)，获取的子数据中心之间的距离信息记作M_dis=(dis_ij)_m×m。

步骤2：选择子数据中心和分配虚拟机；具体的，根据最大团问题的思想，将云数据中心映射到带权图G=(V,E,c,l)中，带权图G的顶点集V表示各个子数据中心，顶点权值c表示子数据中心的处理器和内存信息，即c=C_dci=(Pro_dci,Mem_dci)；如果两个子数据中心之间可以相互通信，则相应的图G中的顶点存在边，边的权值l表示两个子数据中心之间的距离，即l=M_dis=(dis_ij)_m×m。一般情况下，在云数据中心中，任意两个子数据中心之间都是可以通信的，所以图G为完全图，因此，可将子数据中心的选择问题转化为子图的选择问题。

并且，在满足和的前提下，任意两个顶点之间的最大距离最小，即为最大团问题，是一个NP完全问题；因此，选定子数据中心，即可对应为在图G下选择出一个或多个子图。在选择子数据中心集的过程中，对每个选出的子数据中心分配虚拟机，可通过二维背包问题解决，即选出的子数据中心dc_i为背包，其处理器数量为Pro_dci，内存容量为Mem_dci；待分配的虚拟机为背包问题中的物品，每个虚拟机vm_i的处理器数量为Pro_vmi，内存大小为Mem_vmi，其价值为该虚拟机与其他虚拟机之间通信带宽之和Sum_Cost_vmi。通过动态规划方法求解，可以求得一个最优分配，使得虚拟机之间的通信代价较高的放置尽可能的放置到同一个数据中心上。

步骤3：获取根据步骤2中选择出的子数据中心集合中的每个子数据中心的物理服务器的处理器信息和内存信息，以及子数据中心之间的通信带宽；其中，每个子数据中心的物理服务器列表记作Server={S₁,S₂,…,S_r}，每个物理服务器S_i的处理器信息和内存信息记作C_si=(Pro_si,Mem_si)，获取的物理服务器之间的通信带宽记作M_dis=(dis_ij)_r×r。

步骤4：选择物理服务器和分配虚拟机；具体的，对选择出的子数据中心集合中的每个子数据中心，再次根据最大团问题的思想，选择出子数据中心中满足虚拟机需求的物理服务器集，同时使得选择的物理服务器之间的通信带宽最小；并且，在选择物理服务器集的过程中，再次运用规划方法实现的二维背包问题，将分配到物理服务器所在的子数据中心的每个虚拟机放置到选择的物理服务器上。

通过该网络感知的云数据中心中虚拟机的分配方法，尽可能降低了子数据中心之间和物理服务器之间的通信代价，同时使得子数据中心之间的最大距离最小、物理服务器之间的最大通信延迟最小。不仅解决了现有云数据中心的子数据中心地理分散带来的云数据中心之间和物理服务器之间的网络通信因素，而且也提高了该虚拟机分配方法的适用范围。

本发明提供的网络感知的云数据中心虚拟机分配方法提出的云数据中心的子数据中心并不仅限于本实施例提出的三个子数据中心，该子数据中心为一子数据中心集合，可包括分配有多个子数据中心，通过子数据中心的选择，使得通信距离较小的虚拟机进行最优分配；而且，本实施例提出的最大团问题和二维背包问题均属于现有技术，在本实施例并不作详细阐述。

显然，本领域的技术人员可以对本发明进行各种改动和变形而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变形属于本发明权利要求及其等同技术的范围内，则本发明也意图包含这些改动在内。

Claims (3)

1.一种网络感知的云数据中心虚拟机分配方法，其特征在于，包括如下步骤：

步骤1：获取各子数据中心的物理服务器信息，并获取子数据中心之间的距离信息；

步骤2：选择子数据中心和虚拟机分配；

步骤3：获取选择出的子数据中心集合中的每个子数据中心的物理服务器信息，以及物理服务器之间的通信带宽；

步骤4：选择物理服务器和虚拟机分配；

所述步骤2进一步包括：根据最大团问题的思想，在满足虚拟机需求的前提下，选择出所述子数据中心之间距离最短的子数据中心集合；且在选择所述子数据中心集合的过程中，运用动态规划方法实现的二维背包问题，将每个请求的虚拟机分配到选择的子数据中心上；

所述步骤4进一步包括：

对选择出的所述子数据中心集合中的每个子数据中心，再次根据最大团问题的思想，选择出子数据中心中满足虚拟机需求的物理服务器集，同时使得选择的物理服务器之间的通信带宽最小；

而且，在选择物理服务器集的过程中，再次运用动态规划方法实现的二维背包问题，将分配到所述物理服务器所在的子数据中心的每个虚拟机放置到选择的物理服务器上。

2.根据权利要求1所述的网络感知的云数据中心虚拟机分配方法，其特征在于，所述物理服务器信息包括处理器信息和内存信息。

3.根据权利要求1所述的网络感知的云数据中心虚拟机分配方法，其特征在于，通过选择相互之间最大距离最小的子数据中心以及相互之间最大通信延迟最小的物理服务器，分配所述虚拟机。