CN104184806A - 一种均衡能耗与服务质量的iaas虚拟机动态迁移方法 - Google Patents

Abstract

本发明公开了一种均衡能耗与服务质量的IAAS虚拟机动态迁移方法，是应用于N台虚拟机部署到M台主机上所构成的部署方案上，其特征是按如下步骤进行：步骤1：对单位周期内负载总量的变化量进行判断，当负载变化量不为零时，则执行步骤2；步骤2：令j＝1；步骤3：获得当前周期内第j台主机的能耗；步骤4：将第j台主机的能耗与所设定的能耗区间进行比较，若第j台主机的能耗不在所设定的能耗区间内，则根据虚拟机动态迁移模型重新获得部署方案，再执行步骤5；否则，直接执行步骤5；步骤5：将j+1赋值给j，并返回步骤3执行，直到j＝M为止。本发明能在保证用户服务质量的同时降低数据中心能耗，从而提高虚拟云服务资源的利用率和云服务提供商的管理效率，避免资源浪费。

Description

一种均衡能耗与服务质量的IAAS虚拟机动态迁移方法

技术领域

本发明运用于云计算领域，涉及数据中心的资源分配技术，具体地说是一种均衡能耗与服务质量的IAAS虚拟机动态迁移方法。

背景技术

随着互联网技术的快速发展，云计算建立了一种新型的信息服务环境，使用户能够按需的获取各种类型的虚拟云服务资源。然而，随着用户对虚拟云服务资源使用需求的快速增涨，越来越多的云计算数据中心纷纷在各地出现。这些数据中心在为用户提供便利的同时，也增加了大量的能耗，产生了大量CO2。

目前，对虚拟云服务资源进行动态迁移，减少低负载的主机数量，提高数据中心主机的利用率是解决数据中心能耗的有效思路之一。但由于用户可以自由地加入或者退出云计算环境，这就给数据中心主机上的负载带来更多的不确定性和复杂性，并对用户服务质量产生负面影响。同时，不同用户在请求虚拟云服务资源时难以准确描述其自身的需求，容易产生超额部署的现象，即用户所请求的虚拟云服务资源大于用户实际所需要的。云服务提供商在对虚拟云服务资源迁移的过程中将会分配大量闲置的虚拟云服务资源以应对用户请求，造成资源的浪费，大大增加整个数据中心的能耗。

发明内容

本发明是为避免现有技术所存在的不足之处，提出一种均衡能耗与服务质量的IAAS虚拟机动态迁移方法，以期能够综合解决数据中心能耗和用户服务质量的问题，在保证用户服务质量的同时降低数据中心能耗，从而提高虚拟云服务资源的利用率和云服务提供商的管理效率，并有效地避免资源浪费。

本发明为解决技术问题采用如下技术方案：

本发明一种均衡能耗与服务质量的IAAS虚拟机动态迁移方法，是应用于N台虚拟机部署到M台主机上所构成的部署方案，并对所述部署方案进行优化，其特点是：

令所述N台虚拟机记为VM＝{vm₁,vm₂,...,vm_i,...,vm_N}，1≤i≤N；vm_i表示第i台虚拟机，所述第i台虚拟机vm_i的组成为 ${\mathrm{vm}}_i=\{c_i,m_i,d_i,n_i,v_i,c_i^d,m_i^d,d_i^d,C_i^g,M_i^g,D_i^g\};$ c_i、m_i、d_i、n_i分别表示第i台虚拟机vm_i自身的CPU性能、内存容量、硬盘容量和带宽；v_i表示第i台虚拟机vm_i的负载；分别表示第i台虚拟机vm_i的负载v_i所需的CPU性能、内存容量和硬盘容量，且 $c_i^d=c_i{v}_i,m_i^d=m_i{v}_i,d_i^d=d_i{v}_i;C_i^g,M_i^g,D_i^g$ 分别表示第i台虚拟机vm_i的负载v_i实际获得的CPU性能、内存容量和硬盘容量；

令所述M台主机记为HOST＝{host₁,host₂,...,host_j,...,host_M}，1≤j≤M；host_j表示第j台主机，所述第j台主机host_j的组成为h_j分别表示第j台主机host_j自身的CPU性能、内存容量、硬盘容量和负载；

所述IAAS虚拟机动态迁移方法是按如下步骤进行：

步骤一、令单位周期为T，则T_n表示当前周期；T_n-1表示上一周期；在所述当前周期T_n内获得所述M台主机HOST的负载总量h，对所述单位周期T内负载总量h的变化量Δh进行判断，当所述负载变化量Δh不为零时，则执行步骤二；

步骤二：令j＝1；

步骤三：获得当前周期T_n内第j台主机host_j的能耗E_j；

步骤四：将所述第j台主机host_j的能耗E_j与所设定的能耗区间进行比较，若所述第j台主机host_j的能耗E_j不在所设定的能耗区间内，则所述N台虚拟机VM先根据虚拟机动态迁移模型重新获得部署方案，再执行步骤五；否则，直接执行步骤五；

步骤五：将j+1赋值给j，并返回步骤三执行，直到j＝M为止。

本发明均衡能耗与服务质量的IAAS虚拟机动态迁移方法的特点在于，

所述步骤一是按如下步骤进行：

步骤1、利用式(1)获得当前周期T_n内第j台主机的负载h_j：

$h_j=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}(\mathrm{\α}\frac{C_i^g}{h_j^c}+\mathrm{\β}\frac{M_i^g}{h_j^m}+\mathrm{\γ}\frac{D_i^g}{h_j^d})---\left(1\right)$

式(1)中，x_ij为二进制数，表示第i台虚拟机vm_i是否被部署到第j台主机host_j，当x_ij＝1时，表示第i台虚拟机vm_i被部署到host_j；当x_ij＝0时，表示第i台虚拟机vm_i未被部署到第j台主机host_j；α、β、γ分别表示第j台主机host_j自身的CPU性能内存容量硬盘容量对负载h_j的比例系数；

步骤2、利用式(2)获得当前周期T_n内所述M台主机HOST的负载总量h：

$h=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{h}_j---\left(2\right)$

步骤3、利用式(3)获得单位周期T内负载总量h的变化量Δh：

Δh＝h-h'  (3)

式(3)中，h'表示上一周期T_n-1内所述M台主机HOST的负载总量。

所述步骤三是按如下步骤进行：

步骤1、利用式(4)获得所述第j台主机host_j的当前周期能耗E_j：

E_j＝M_j(h_j)T  (4)

式(4)中，M_j(h_j)为能耗模型，表征第j台主机host_j负载h_j时在单位时间内的能耗。

所述步骤四中的虚拟机动态迁移模型为：

目标函数：min

约束条件： $\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{C}_i^g\≤h_j^c---\left(6\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{M}_i^g\≤h_j^m---\left(7\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{D}_i^g\≤h_j^d---\left(8\right)$

$C_i^g\≤c_i---\left(9\right)$

$M_i^g\≤m_i---\left(10\right)$

$D_i^g\≤d_i---\left(11\right)$

$\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}=1---\left(12\right)$

式(5)中，Φ_E表示当前周期T_n内所述M台主机HOST的总能耗占所述M台主机HOST的最大能耗的比例，并有：

${\mathrm{\Φ}}_E=\frac{\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{M}_j\left(h_j\right)T}{\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{M}_j(100\%)T}---\left(13\right)$

式(5)中，SLQ表示用户服务质量，λ、分别表示当前周期T_n内所述M台主机HOST的总能耗和用户服务质量SLQ的比例系数；

式(6)-式(8)分别表示任意一台主机上所部署的所有虚拟机的负载实际获得的CPU性能、内存容量、硬盘容量都分别小于等于主机自身的CPU性能内存容量硬盘容量的资源约束；

式(9)-(11)分别表示任意一台虚拟机的负载实际获得的CPU性能内存容量硬盘容量都分别小于等于虚拟机自身的CPU性能c_i、内存容量m_i、硬盘容量d_i的资源约束；式(12)表示虚拟机部署的唯一性约束。

利用式(14)获得所述目标函数中的用户服务质量SLQ：

$\mathrm{SLQ}=\mathrm{NT}-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{e}_i{S}_i^{t_i}{t}_i-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{S}_i^{T-t_i}(T-t_i)---\left(14\right)$

式(14)中，t_i表示第i台虚拟机vm_i发生迁移所花费时间；表示第i台虚拟机vm_i在t_i时间内的负载v_i对实际获得CPU性能内存容量和硬盘容量的单位时间综合效用度；e_i表示第i台虚拟机vm_i发生迁移而引起单位时间综合效用度下降的比例；表示第i台虚拟机vm_i在T-t_i时间内的负载v_i对实际获得CPU性能内存容量和硬盘容量的单位时间综合效用度；

并有：

$S_i^{t_i}={\mathrm{\α}}^{\′}{u}_i^c+{\mathrm{\β}}^{\′}{u}_i^m+{\mathrm{\γ}}^{\′}{u}_i^d---\left(15\right)$

式(15)中，分别表示第i台虚拟机vm_i上的负载v_i对实际获得CPU性能内存容量和硬盘容量的单位时间效用度；α'、β'、γ'分别表示第i台虚拟机vm_i实际获得CPU性能的单位时间效用度内存容量的单位时间效用度和硬盘容量单位时间效用度对单位时间综合效用度的比例系数，且α'+β'+γ'＝1；并有：

$u_i^c=\left\{\begin{array}{cc}\left[\mathrm{0,1}\right)& c_i^d>C_i^g\\ 1& c_i^d\≤C_i^g\end{array}\right.---\left(16\right)$

$u_i^m=\left\{\begin{array}{cc}\left[\mathrm{0,1}\right)& m_i^d>M_i^g\\ 1& m_i^d\≤M_i^g\end{array}\right.---\left(17\right)$

$u_i^d=\left\{\begin{array}{cc}\left[\mathrm{0,1}\right)& d_i^d>D_i^g\\ 1& d_i^d\≤D_i^g\end{array}\right.---\left(18\right)$

并有：

$t_i=\frac{M_i^g}{n_i}---\left(19\right)$

并有：

$e_i=\left\{\begin{array}{c}0.9,P_i=1\\ 1,P_i=0\end{array}\right.---\left(20\right)$

式(20)中，P_i为二进制数，表示第i台虚拟机vm_i是否发生迁移，当P_i＝0时，表示第i台虚拟机vm_i未发生迁移，当P_i＝1时，表示第i台虚拟机vm_i发生迁移。

与已有技术相比，本发明有益效果体现在：

1、本发明采用了均衡能耗和服务质量的虚拟机迁移模型，是以数据中心总能耗占最大能耗的比例和用户服务质量之和最小为目标函数，并针对虚拟机资源超额部署现象提出一种新的虚拟机部署约束，即以主机上部署的所有虚拟机实际利用资源的大小之和必须小于或者等于主机本身的资源大小为约束条件，从而在保证用户服务质量的前提下有效降低数据中心能耗，避免资源的浪费。

2、本发明通过获得前后两个周期内的所有主机的负载总量的变化量来判断主机的负载是否发生变化，在发生变化的情况下通过能耗模型再获取每台主机的能耗大小，从而进一步判断能耗是否在所设定的能耗区间内，若不在能耗区间内则进行重新部署，否则无需进行重新部署，从而能够根据中心主机上负载的变化，及时地做出适应性调整，避免对用户服务质量产生负面影响。

3、本发明根据CPU性能、内存容量和硬盘容量这三个因素的单位时间综合效用度来实现用户服务质量的量化，从而满足不同用户在请求虚拟云服务资源时的自身需求，提高用户服务质量。

附图说明

图1为本发明流程图。

具体实施方式

本实施例中，一种均衡能耗与服务质量的IAAS虚拟机动态迁移方法，是应用于N台虚拟机部署到M台主机上所构成的部署方案，并对部署方案进行优化，

令N台虚拟机记为VM＝{vm₁,vm₂,...,vm_i,...,vm_N}，1≤i≤N；vm_i表示第i台虚拟机，第i台虚拟机vm_i的组成为 ${\mathrm{vm}}_i=\{c_i,m_i,d_i,n_i,v_i,c_i^d,m_i^d,d_i^d,C_i^g,M_i^g,D_i^g\};$ c_i、m_i、d_i、n_i分别表示第i台虚拟机vm_i自身的CPU性能、内存容量、硬盘容量和带宽；v_i表示第i台虚拟机vm_i的负载；分别表示第i台虚拟机vm_i的负载v_i所需的CPU性能、内存容量和硬盘容量，且 $c_i^d=c_i{v}_i,m_i^d=m_i{v}_i,d_i^d=d_i{v}_i;C_i^g,M_i^g,D_i^g$ 分别表示第i台虚拟机vm_i的负载v_i实际获得的CPU性能、内存容量和硬盘容量；

令M台主机记为HOST＝{host₁,host₂,...,host_j,...,host_M}，1≤j≤M；host_j表示第j台主机，第j台主机host_j的组成为分别表示第j台主机host_j自身的CPU性能、内存容量、硬盘容量和负载；

本实施例中，假设有4台虚拟机VM＝{vm₁,vm₂,vm₃,vm₄}；分别为：

vm₁＝{2500,1024,250,100,50％,1250,512,125,1250,512,125}

vm₂＝{2500,1024,250,100,45％,1125,460.8,112.5,1125,460.8,112.5}

vm₃＝{1000,512,200,100,50％,500,256,100,500,256,100}

vm₄＝{1000,512,200,100,45％,450,230.4,90,450,230.4,90}

假设有2台主机HOST＝{host₁,host₂}，分别为：

host₁＝{4000,2048,800,h₁}

host₂＝{1000,512,512,h₂}

IAAS虚拟机动态迁移方法是按如下步骤进行：

步骤1、令单位周期为T，则T_n表示当前周期；T_n-1表示上一周期；在所述当前周期T_n内获得所述M台主机HOST的负载总量h，对所述单位周期T内负载总量h的变化量Δh进行判断，当所述负载变化量Δh为零时，则不进行迁移，当所述负载变化量Δh不为零时，则依次对M台主机HOST执行步骤2-步骤5；本实施例中，单位周期T＝60s；假设在上一周期T_n-1内，仅有2台虚拟机vm₁,vm₂部署到第1台主机host₁上；当前周期T_n内，新增2台虚拟机vm₃,vm₄部署到第2台主机host₂上。

步骤1.1、利用式(1)获得当前周期T_n内第j台主机的负载h_j：

$h_j=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}(\mathrm{\α}\frac{C_i^g}{h_j^c}+\mathrm{\β}\frac{M_i^g}{h_j^m}+\mathrm{\γ}\frac{D_i^g}{h_j^d})---\left(1\right)$

式(1)中，x_ij为二进制数，表示第i台虚拟机vm_i是否被部署到第j台主机host_j，当x_ij＝1时，表示第i台虚拟机vm_i被部署到host_j；当x_ij＝0时，表示第i台虚拟机vm_i未被部署到第j台主机host_j；α、β、γ分别表示第j台主机host_j自身的CPU性能内存容量硬盘容量分别对负载h_j的比例系数；本实施例中，α＝0.5,β＝0.35,γ＝0.15，则在当前周期内计算2台主机的负载量h₁,h₂：

$h_1=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_{i1}(\mathrm{\α}\frac{C_i^g}{h_1^c}+\mathrm{\β}\frac{M_i^g}{h_1^m}+\mathrm{\γ}\frac{D_i^g}{h_1^d})=50.77\%$

$h_2=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_{i1}(\mathrm{\α}\frac{C_i^g}{h_2^c}+\mathrm{\β}\frac{M_i^g}{h_2^m}+\mathrm{\γ}\frac{D_i^g}{h_2^d})=95\%$

步骤1.2、利用式(2)获得当前周期T_n内M台主机HOST的负载总量h：

$h=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{h}_j---\left(2\right)$

在本实例中，计算当前周期的负载总量h为：

h＝h₁+h₂＝145.77％

步骤1.3、利用式(3)获得单位周期T内负载总量h的变化量Δh：

Δh＝h-h'  (3)

式(3)中，h'表示上一周期T_n-1内M台主机HOST的负载总量。

在本实例中，上一周期T_n-1内2台主机的负载总量在上一个周期就已经被算出为：

$h^{\′}=h_1+h_2=\underset{i=1}{\overset{2}{\mathrm{\Σ}}}{x}_{i1}(\mathrm{\α}+\frac{C_i^g}{h_1^c}+\mathrm{\β}\frac{M_i^g}{h_1^m}+\mathrm{\γ}\frac{D_i^g}{h_1^d})+0=50.77\%+0=50.77\%$

则计算出单位周期内负载总量的变化量Δh为：

Δh＝h-h'＝95％≠0

因为Δh≠0，所以数据中心主机上的负载发生了变化，从而依次对M台主机HOST执行步骤2、步骤3。

步骤2：令j＝1；

步骤3：利用式(4)获得当前周期T_n内第j台主机host_j的能耗E_j：

E_j＝M_j(h_j)T  (4)

式(4)中，M_j(h_j)为能耗模型，表征第j台主机host_j负载h_j时在单位时间内的能耗。

在本实例中：假设2台主机的能耗模型为：

该能耗模型中仅在负载0～100％之间每隔5％给出一个能耗值，如果负载介于这些间隔之间时，本实例是通过两个节点间的线性关系求解能耗值，则计算出当前周期内第1台主机的能耗E₁为：

$E_1=M_1\left(h_1\right)T=\{\frac{(84.8-84)(0.5077-0.5)}{0.55-0.5}+84\}\×60=5047.392$

步骤4：将所述第j台主机host_j的能耗E_j与所设定的能耗区间进行比较，若所述第j台主机host_j的能耗E_j不在所设定的能耗区间内，则所述N台虚拟机VM先根据虚拟机动态迁移模型重新获得部署方案，再执行步骤5；若所述第j台主机host_j的能耗E_j在所设定的能耗区间内，则直接执行步骤5；

在本实例中，假设第1台主机host₁设定的能耗区间为：[5040,5580]，第2台主机host₂设定的能耗区间为：[4632,5220]

则E₁＝5047.392∈[5040,5580]

因为第1台主机的能耗E₁在所设定的能耗区间内，则直接执行步骤5开始判断第2台主机，计算出当前周期内第2台主机的能耗E₂为：

$E_2=M_2\left(h_2\right)T=89\×5340\∉\left[\mathrm{4632,5220}\right]$

因为E₂不在给定的能耗区间内，则4台虚拟机需要根据如下的虚拟机动态迁移模型重新获得部署方案：

目标函数：min

约束条件： $\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{C}_i^g\≤h_j^c---\left(6\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{M}_i^g\≤h_j^m---\left(7\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{D}_i^g\≤h_j^d---\left(8\right)$

$C_i^g\≤c_i---\left(9\right)$

$M_i^g\≤m_i---\left(10\right)$

$D_i^g\≤d_i---\left(11\right)$

$\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}=1---\left(12\right)$

式(5)中，Φ_E表示当前周期T_n内M台主机HOST的总能耗占M台主机HOST的最大能耗的比例，并有：

${\mathrm{\Φ}}_E=\frac{\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{M}_j\left(h_j\right)T}{\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{M}_j(100\%)T}---\left(13\right)$

式(5)中，SLQ表示用户服务质量，λ、分别表示当前周期T_n内M台主机HOST的总能耗和用户服务质量SLQ的比例系数；在本实例中，假设λ＝0.4，

式(6)-式(8)分别表示任意一台主机上所部署的所有虚拟机的负载实际获得的CPU性能、内存容量、硬盘容量都分别小于等于主机自身的CPU性能内存容量硬盘容量的资源约束；

式(9)-(11)分别表示任意一台虚拟机的负载实际获得的CPU性能内存容量硬盘容量都分别小于等于虚拟机自身的CPU性能c_i、内存容量m_i、硬盘容量d_i的资源约束；式(12)表示虚拟机部署的唯一性约束。

利用式(14)获得目标函数中的用户服务质量SLQ：

$\mathrm{SLQ}=\mathrm{NT}-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{e}_i{S}_i^{t_i}{t}_i-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{S}_i^{T-t_i}(T-t_i)---\left(14\right)$

式(14)中，t_i表示第i台虚拟机vm_i发生迁移所花费时间；表示第i台虚拟机vm_i在t_i时间内的负载v_i对实际获得CPU性能内存容量和硬盘容量的单位时间综合效用度；e_i表示第i台虚拟机vm_i发生迁移而引起单位时间综合效用度下降的比例；表示第i台虚拟机vm_i在T-t_i时间内的负载v_i对实际获得CPU性能内存容量和硬盘容量的单位时间综合效用度；

并有：

$S_i^{t_i}={\mathrm{\α}}^{\′}{u}_i^c+{\mathrm{\β}}^{\′}{u}_i^m+{\mathrm{\γ}}^{\′}{u}_i^d---\left(15\right)$

式(15)中，分别表示第i台虚拟机vm_i上的负载v_i对实际获得CPU性能内存容量和硬盘容量的单位时间效用度；α'、β'、γ'分别表示第i台虚拟机vm_i实际获得CPU性能的单位时间效用度内存容量的单位时间效用度和硬盘容量单位时间效用度对单位时间综合效用度的比例系数，且α'+β'+γ'＝1；并有：

$u_i^c=\left\{\begin{array}{cc}\left[\mathrm{0,1}\right)& c_i^d>C_i^g\\ 1& c_i^d\≤C_i^g\end{array}\right.---\left(16\right)$

$u_i^m=\left\{\begin{array}{cc}\left[\mathrm{0,1}\right)& m_i^d>M_i^g\\ 1& m_i^d\≤M_i^g\end{array}\right.---\left(17\right)$

$u_i^d=\left\{\begin{array}{cc}\left[\mathrm{0,1}\right)& d_i^d>D_i^g\\ 1& d_i^d\≤D_i^g\end{array}\right.---\left(18\right)$

其中，的具体值是由用户与数据中心提供商签订SLQ协议决定。

在本实例中，假设α'＝0.5,β'＝0.35,γ'＝0.15；假设当时：当时： $u_i^m=0.5,$ 当 $d_i^d>D_i^g$ 时： $u_i^d=0.3.$

并有：

$t_i=\frac{M_i^g}{n_i}---\left(19\right)$

并有：

$e_i=\left\{\begin{array}{c}0.9,P_i=1\\ 1,P_i=0\end{array}\right.---\left(20\right)$

式(20)中，P_i为二进制数，表示第i台虚拟机vm_i是否发生迁移，当P_i＝0时，表示第i台虚拟机vm_i未发生迁移，当P_i＝1时，表示第i台虚拟机vm_i发生迁移。

在本实例中，重新部署的结果为：将主机host₂上的虚拟机vm_3,wm₄迁移到主机host₁上时，目标函数的值达到最小。

其中，2台主机总能耗占所述2台主机HOST的最大能耗的比例Φ_E为：

${\mathrm{\Φ}}_E=\frac{\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{M}_j\left(h_j\right)T}{\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{M}_j(100\%)T}=0.48,$

用户服务质量SLQ为： $\mathrm{SLQ}=\mathrm{NT}-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{e}_i{S}_i^{t_i}{t}_i-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{S}_i^{T-t_i}(T-t_i)=0.49$

目标函数为：

步骤5：将j+1赋值给j，并返回步骤三执行，直到j＝M为止，退出循环。若述M台主机HOST中还有主机未进行判断，即j＜M，则返回步骤3判断第j+1台主机host_j+1的能耗；若所述M台主机HOST已全部完成判断，即j＝M，则结束。

在本实例中，2台主机均判断完，因此结束循环。

Claims (5)

1.一种均衡能耗与服务质量的IAAS虚拟机动态迁移方法，是应用于N台虚拟机部署到M台主机上所构成的部署方案，并对所述部署方案进行优化，其特征是：

令所述N台虚拟机记为VM＝{vm₁,vm₂,...,vm_i,...,vm_N}，1≤i≤N；vm_i表示第i台虚拟机，所述第i台虚拟机vm_i的组成为 ${\mathrm{vm}}_i=\{c_i,m_i,d_i,n_i,v_i,c_i^d,m_i^d,d_i^d,C_i^g,M_i^g,D_i^g\};$ c_i、m_i、d_i、n_i分别表示第i台虚拟机vm_i自身的CPU性能、内存容量、硬盘容量和带宽；v_i表示第i台虚拟机vm_i的负载；分别表示第i台虚拟机vm_i的负载v_i所需的CPU性能、内存容量和硬盘容量，且 $c_i^d=c_i{v}_i,m_i^d=m_i{v}_i,d_i^d=d_i{v}_i;C_i^g,M_i^g,D_i^g$ 分别表示第i台虚拟机vm_i的负载vi实际获得的CPU性能、内存容量和硬盘容量；

令所述M台主机记为HOST＝{host₁,host₂,…,host_j,…,host_M}，1≤j≤M；host_j表示第j台主机，所述第j台主机host_j的组成为h_j分别表示第j台主机host_j自身的CPU性能、内存容量、硬盘容量和负载；

所述IAAS虚拟机动态迁移方法是按如下步骤进行：

步骤一、令单位周期为T，则T_n表示当前周期；T_n-1表示上一周期；在所述当前周期T_n内获得所述M台主机HOST的负载总量h，对所述单位周期T内负载总量h的变化量Δh进行判断，当所述负载变化量Δh不为零时，则执行步骤二；

步骤二：令j＝1；

步骤三：获得当前周期T_n内第j台主机host_j的能耗E_j；

步骤四：将所述第j台主机host_j的能耗E_j与所设定的能耗区间进行比较，若所述第j台主机host_j的能耗E_j不在所设定的能耗区间内，则所述N台虚拟机VM先根据虚拟机动态迁移模型重新获得部署方案，再执行步骤五；否则，直接执行步骤五；

步骤五：将j+1赋值给j，并返回步骤三执行，直到j＝M为止。

2.根据权利要求1所述的均衡能耗与服务质量的IAAS虚拟机动态迁移方法，其特征在于，所述步骤一是按如下步骤进行：

步骤1、利用式(1)获得当前周期T_n内第j台主机的负载h_j：

$h_j=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}(\mathrm{\α}\frac{C_i^g}{h_j^c}+\mathrm{\β}\frac{M_i^g}{h_j^m}+\mathrm{\γ}\frac{D_i^g}{h_j^d})---\left(1\right)$

式(1)中，x_ij为二进制数，表示第i台虚拟机vm_i是否被部署到第j台主机host_j，当x_ij＝1时，表示第i台虚拟机vm_i被部署到host_j；当x_ij＝0时，表示第i台虚拟机vm_i未被部署到第j台主机host_j；α、β、γ分别表示第j台主机host_j自身的CPU性能内存容量硬盘容量对负载h_j的比例系数；

步骤2、利用式(2)获得当前周期T_n内所述M台主机HOST的负载总量h：

$h=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{h}_j---\left(2\right)$

步骤3、利用式(3)获得单位周期T内负载总量h的变化量Δh：

Δh＝h-h'  (3)

式(3)中，h'表示上一周期T_n-1内所述M台主机HOST的负载总量。

3.根据权利要求1所述的均衡能耗与服务质量的IAAS虚拟机动态迁移方法，其特征是，所述步骤三是按如下步骤进行：

步骤1、利用式(4)获得所述第j台主机host_j的当前周期能耗E_j：

E_j＝M_j(h_j)T  (4)

式(4)中，M_j(h_j)为能耗模型，表征第j台主机host_j负载h_j时在单位时间内的能耗。

4.根据权利要求1所述的均衡能耗与服务质量的IAAS虚拟机动态迁移方法，其特征是，所述步骤四中的虚拟机动态迁移模型为：

目标函数：min

约束条件： $\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{C}_i^g\≤h_j^c---\left(6\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{M}_i^g\≤h_j^m---\left(7\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{D}_i^g\≤h_j^d---\left(8\right)$

$C_i^g\≤c_i---\left(9\right)$

$M_i^g\≤m_i---\left(10\right)$

$D_i^g\≤d_i---\left(11\right)$

$\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}=1---\left(12\right)$

式(5)中，Φ_E表示当前周期T_n内所述M台主机HOST的总能耗占所述M台主机HOST的最大能耗的比例，并有：

${\mathrm{\Φ}}_E=\frac{\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{M}_j\left(h_j\right)T}{\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{M}_j(100\%)T}---\left(13\right)$

式(5)中，SLQ表示用户服务质量，λ、分别表示当前周期T_n内所述M台主机HOST的总能耗和用户服务质量SLQ的比例系数；

式(6)-式(8)分别表示任意一台主机上所部署的所有虚拟机的负载实际获得的CPU性能、内存容量、硬盘容量都分别小于等于主机自身的CPU性能内存容量硬盘容量的资源约束；

式(9)-(11)分别表示任意一台虚拟机的负载实际获得的CPU性能内存容量硬盘容量都分别小于等于虚拟机自身的CPU性能c_i、内存容量m_i、硬盘容量d_i的资源约束；式(12)表示虚拟机部署的唯一性约束。

5.根据权利要求4所述的虚拟机动态迁移模型，其特征在于，利用式(14)获得所述目标函数中的用户服务质量SLQ：

$\mathrm{SLQ}=\mathrm{NT}-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{e}_i{S}_i^{t_i}{t}_i-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{S}_i^{T-t_i}(T-t_i)---\left(14\right)$

式(14)中，t_i表示第i台虚拟机vm_i发生迁移所花费时间；表示第i台虚拟机vm_i在t_i时间内的负载v_i对实际获得CPU性能内存容量和硬盘容量的单位时间综合效用度；e_i表示第i台虚拟机vm_i发生迁移而引起单位时间综合效用度下降的比例；表示第i台虚拟机vm_i在T-t_i时间内的负载v_i对实际获得CPU性能内存容量和硬盘容量的单位时间综合效用度；

并有：

$S_i^{t_i}={\mathrm{\α}}^{\′}{u}_i^c+{\mathrm{\β}}^{\′}{u}_i^m+{\mathrm{\γ}}^{\′}{u}_i^d---\left(15\right)$

式(15)中，分别表示第i台虚拟机vm_i上的负载v_i对实际获得CPU性能内存容量和硬盘容量的单位时间效用度；α'、β'、γ'分别表示第i台虚拟机vm_i实际获得CPU性能的单位时间效用度内存容量的单位时间效用度和硬盘容量单位时间效用度对单位时间综合效用度的比例系数，且α'+β'+γ'＝1；并有：

$u_i^c=\left\{\begin{array}{cc}\left[\mathrm{0,1}\right)& c_i^d>C_i^g\\ 1& c_i^d\≤C_i^g\end{array}\right.---\left(16\right)$

$u_i^m=\left\{\begin{array}{cc}\left[\mathrm{0,1}\right)& m_i^d>M_i^g\\ 1& m_i^d\≤M_i^g\end{array}\right.---\left(17\right)$

$u_i^d=\left\{\begin{array}{cc}\left[\mathrm{0,1}\right)& d_i^d>D_i^g\\ 1& d_i^d\≤D_i^g\end{array}\right.---\left(18\right)$

并有：

$t_i=\frac{M_i^g}{n_i}---\left(19\right)$

并有：

$e_i=\left\{\begin{array}{c}0.9,P_i=1\\ 1,P_i=0\end{array}\right.---\left(20\right)$

式(20)中，P_i为二进制数，表示第i台虚拟机vm_i是否发生迁移，当P_i＝0时，表示第i台虚拟机vm_i未发生迁移，当P_i＝1时，表示第i台虚拟机vm_i发生迁移。