CN104536832A - 一种虚拟机部署方法 - Google Patents

Abstract

本申请公开了一种虚拟机部署方法，包括：从可以部署虚拟机的服务器中，选择出能满足当前待部署虚拟机vm的资源需求量的服务器，作为候选服务器，其中，所述资源需求量为与服务器能耗相关的组件资源的需求量；对于每台候选服务器，计算该候选服务器的剩余资源量和所述虚拟机vm的所述资源需求量的匹配度P_q，计算将所述虚拟机部署在所述候选服务器上后该候选服务器的平均能耗利用率E_q；根据所述匹配度P_q和所述平均能耗利用率E_q，计算该候选服务器的综合适应度G_q；从所述候选服务器中，选择出所述综合适应度G_q最高的候选服务器，作为用于部署所述虚拟机vm的服务器。采用本发明可以有效提高服务器的资源利用率，降低数据中心的整体能耗。

Description

一种虚拟机部署方法

技术领域

本发明涉及计算机应用技术，特别是涉及一种虚拟机部署方法。

背景技术

随着云计算的深度运用和数据中心的飞速发展，云计算下数据中心的高能耗问题逐渐凸显，根据环境保护机构(Environmental Protection Agency，EPA)的统计，数据中心能耗支出每五年将增长一倍，且数据中心约60％的资产支出和50％的运营成本都与能耗有关。而数据中心能耗成本的主要来源是资源的低效利用。为了提高数据中心资源利用率、实现节能减排，云计算采用了虚拟化技术。

虚拟化技术是云计算中的一个关键技术，它通过将一台物理服务器分割为若干个相互隔离的虚拟机，实现对物理资源的动态分割，以实现更好地组织和维护云计算数据中心庞大的IT基础设备资源。而虚拟化技术应用的核心体现在云计算数据中心下虚拟机的部署。

虚拟机的部署是指根据云计算用户需求，将一个或者多个用户选取的虚拟机部署到一台或者多台目标物理服务器上，并开启提供服务的过程。而物理服务器的能耗取决于CPU、内存、磁盘等组件资源的综合利用情况，当服务器处于闲置状态时也会消耗其处于顶峰负载时66％左右的电力，可见优化的虚拟机部署方案可以大大提高服务器的资源利用率，由于不同资源的利用率对服务器能耗的影响不同，要有效降低能耗需综合考虑资源利用率及资源利用率对能耗的影响权重。

现有的虚拟机部署机制通常采用贪婪方法，将待部署虚拟机放置在性能最优的服务器上，没有充分考虑资源利用率、系统的负载均衡和数据中心能耗等因素，因此，不能充分利用资源实现对能耗的优化。

发明内容

有鉴于此，本发明的主要目的在于提供一种虚拟机部署方法，该方法可以在满足虚拟机资源需求的基础上提高服务器的资源利用率，降低云数据中心的整体能耗。

为了达到上述目的，本发明提出的技术方案为：

一种虚拟机部署方法，包括：

a、从可以部署虚拟机的服务器中，选择出能满足当前待部署虚拟机vm的资源需求量的服务器，作为候选服务器，其中，所述资源需求量为与服务器能耗相关的组件资源的需求量；

b、对于每台所述候选服务器，计算该候选服务器的剩余资源量和所述虚拟机vm的所述资源需求量的匹配度P_q，计算将所述虚拟机部署在所述候选服务器上后该候选服务器的平均能耗利用率E_q；根据所述匹配度P_q和所述平均能耗利用率E_q，计算该候选服务器的综合适应度G_q；

c、从所述候选服务器中，选择出所述综合适应度G_q最高的候选服务器，作为用于部署所述虚拟机vm的服务器。

综上所述，本发明提出的虚拟机部署方法，从资源和能耗两个角度出发，准确计算待部署虚拟机与服务器的资源匹配度和能耗利用率，并基于根据两者得到的综合适应度来实现虚拟机的高效部署。如此，可以有效提高服务器的资源利用率，实现系统负载均衡、降低数据中心的整体能耗。

附图说明

图1为本发明实施例一的流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。

本发明的核心思想是：综合考虑资源利用率、系统负载均衡和能耗等多方面因素，将服务器对虚拟机的适应度作为衡量因子，将适应度分为资源匹配度和平均能耗利用率两部分：资源匹配度表示候选服务器对各组件资源的剩余量和待部署虚拟机对相应资源的需求量的匹配程度，资源匹配度越高，表示服务器对各组件资源的剩余量与虚拟机的需求量越接近，资源利用率更高，负载更为均衡；平均能耗利用率即将虚拟机部署在服务器上后服务器的平均能耗利用率，平均能耗利用率越高，表示服务器在满足虚拟机资源需求的同时能耗最少。再综合考虑资源匹配度和能耗利用率，获取准确的适应度计算结果，选取综合适应度最高的候选服务器作为待部署虚拟机的目标服务器，将虚拟机部署其上。

图1为本发明实施例一的流程示意图，如图1所示，该实施例主要包括：

步骤101、从可以部署虚拟机的服务器中，选择出能满足当前待部署虚拟机vm的资源需求量的服务器，作为候选服务器，其中，所述资源需求量为与服务器能耗相关的组件资源的需求量。

本步骤，用于从云数据中心的可以部署虚拟机的服务器集合中，选择出能够满足待部署虚拟机资源需求的服务器，然后在后续步骤中从所选择出的服务器中再筛选出用于部署虚拟机的服务器。如此，可确保所选择出的服务器能满足虚拟机的正常运行需要。

这里，资源需求量为与服务器能耗相关的组件资源的需求量，与服务器能耗相关的组件资源如：CPU、内存、磁盘等。

具体地，本步骤可以采用下述方法实现：

对于每台可以部署虚拟机的服务器，判断该服务器中每种所述组件资源的剩余量都不小于所述虚拟机vm对该种组件资源的需求量，如果是，则确定该服务器能满足所述虚拟机vm的资源需求。

利用上述方法，可以保证候选服务器能满足虚拟机vm的每种组件资源的需求。

步骤102、对于每台候选服务器，计算该候选服务器的剩余资源量和所述虚拟机vm的所述资源需求量的匹配度P_q，计算将所述虚拟机部署在所述候选服务器上后该候选服务器的平均能耗利用率E_q；根据所述匹配度P_q和所述平均能耗利用率E_q，计算该候选服务器的综合适应度G_q。

本步骤用于计算每台候选服务器的综合适应度。该综合适应度需要基于两个指标得到，一是资源的匹配度P_q，一是平均能耗利用率E_q，资源的匹配度P_q越高，说明服务器对各组件资源的剩余量与虚拟机的需求量越接近，资源利用率更高，负载更为均衡；平均能耗利用率E_q就是将虚拟机部署在服务器上后服务器的平均能耗利用率，E_q越高，说明服务器在满足虚拟机资源需求的同时能耗越少。

较佳地，本步骤可以采用下述步骤实现：

步骤1021、对于所述虚拟机vm的每种所述组件资源r_i的需求量d_i，进行归一化处理，得到d_i归一化处理后的数值nd_i；i为组件资源的种类序号。

这里需要说明的是，考虑到不同组件资源的量纲不同，虚拟机的需求资源量和服务器的剩余资源量在数量级上也存在差异，造成适应度计算的不便，故在计算适应度之前，需要利用步骤1021和1022先将待部署虚拟机vm对不同组件资源的需求量以及候选服务器对不同组件资源的空余量进行数据归一化处理。

本步骤用于对虚拟机vm的组件资源需求量进行归一化处理，即将各种组件资源的需求量都转化为[0,1]区间的数值，以便用于后续步骤中资源的匹配度P_q和平均能耗利用率E_q的计算中。

具体地，本步骤可以采用下述方法进行归一化处理：

对于所述虚拟机vm的每种所述组件资源r_i的需求量d_i，按照 ${\mathrm{nd}}_i=\left\{\begin{array}{cc}\frac{d_i-d_i^{\min }}{d_i^{\max }-d_i^{\min }},& d_i^{\max }\≠d_i^{\min }\\ 1,& d_i^{\max }=d_i^{\min }\end{array}\right.$ 进行归一化处理，其中，和分别为所述虚拟机vm的所有所述组件资源的需求量中的最小值和最大值。

步骤1022、对于每台所述候选服务器S_q的每种所述组件资源r_i的剩余量f_q,i，进行归一化处理，得到f_q,i归一化处理后的数值nf_q,i；q为候选服务器的序号。

本步骤用于对每台候选服务器的组件资源剩余量进行归一化处理，即将各种组件资源的剩余量都转化为[0,1]区间的数值。

较佳地，本步骤可以采用下述方法进行归一化处理：

对于每个所述候选服务器S_q的每种所述组件资源r_i的剩余量f_q,i，按照 ${\mathrm{nf}}_{q,i}=\left\{\begin{array}{cc}\frac{f_{q,i}-f_i^{\min }}{f_i^{\max }-f_i^{\min }},& f_i^{\max }\≠f_i^{\min }\\ 1,& f_i^{\max }=f_i^{\min }\end{array}\right.$ 进行归一化处理，其中，f_i ^min和f_i ^max分别为所述候选服务器S_q的所有所述组件资源的剩余量中的最小值和最大值。

步骤1023、对于每台所述候选服务器S_q，利用该服务器的所有所述组件资源对应的所述nf_q,i和所述虚拟机vm的所有所述组件资源对应的所述nd_i，按照计算该候选服务器S_q的所述匹配度P_q，其中，k为所述组件资源的种类总数。

步骤1024、对于每台所述候选服务器S_q，计算当将所述虚拟机vm部署在该服务器上时，该服务器上部署的每个虚拟机vm_j的能耗利用率u_q,j，按照计算该服务器的所述平均能耗利用率E_q，其中，自然数v为将所述虚拟机vm部署在所述候选服务器s_q上时该服务器上的虚拟机总数。

较佳地，本步骤中可以按照 $u_{q,j}={\mathrm{\α}}_1\×\frac{d_{j,1}}{f_{q,1}}+{\mathrm{\α}}_2\×\frac{d_{j,2}}{f_{q,2}}+,...,+{\mathrm{\α}}_i\×\frac{d_{j,i}}{f_{q,i}}+,...,+{\mathrm{\α}}_k\×\frac{d_{j,k}}{f_{q,k}},$ 来计算所述能耗利用率u_q,j。

其中，d_j,i为所述候选服务器S_q分配给所述虚拟机vm_j的第i种所述组件资源r_i的数量，f_q,i为所述候选服务器S_q的第i种所述组件资源r_i的总量，α_i为预设的第i种组件资源r_i与服务器能耗的相关度，且α₁+α₂+,...,+α_i+,...,+α_k＝1，自然数下标j为所述候选服务器S_q上部署的虚拟机vm_j的序号。

上述α_i的具体取值可由本领域技术人员根据实际需要进行设置。

上述方法中，引入了不同组件资源对能耗的影响权重因子α_i，考虑到了不同资源对能耗的影响权重值，将影响权重和利用率结合起来，而不仅限于通过提高单一资源的利用率来降低能耗，如此，可以确保能耗利用率计算的准确性，进而可以确保能耗优化的效果。

步骤b5、对于每台所述候选服务器S_q，利用该服务器的所述匹配度P_q和所述平均能耗利用率E_q，按照G_q＝β×E_q+(1-β)×P_q，计算该服务器的所述综合适应度G_q。

其中，β为预设的能耗匹配偏好因子，用于限定虚拟机部署过程中对服务器能耗利用率的依赖程度，即匹配度P_q和平均能耗利用率E_q两者的比例，0≤β≤1。具体取值可由本领域技术人员进行设置，在此不再赘述。

步骤103、从所述候选服务器中，选择出所述综合适应度G_q最高的候选服务器，作为用于部署所述虚拟机vm的服务器。

本步骤中，将选择综合适应度G_q最高的候选服务器作为部署虚拟机vm的目标服务器。如此，可以确保将资源匹配度高、能耗少的服务器作为用于部署虚拟机的服务器，从而可以在满足虚拟机资源需求的基础上提高服务器的资源利用率，准确且显著地降低数据中心的整体能耗。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种虚拟机部署方法，其特征在于，包括：

a、从可以部署虚拟机的服务器中，选择出能满足当前待部署虚拟机vm的资源需求量的服务器，作为候选服务器，其中，所述资源需求量为与服务器能耗相关的组件资源的需求量；

b、对于每台所述候选服务器，计算该候选服务器的剩余资源量和所述虚拟机vm的所述资源需求量的匹配度P_q，计算将所述虚拟机部署在所述候选服务器上后该候选服务器的平均能耗利用率E_q；根据所述匹配度P_q和所述平均能耗利用率E_q，计算该候选服务器的综合适应度G_q；

c、从所述候选服务器中，选择出所述综合适应度G_q最高的候选服务器，作为用于部署所述虚拟机vm的服务器。

2.根据权利要求1所述的方法，其特征在于，所述步骤a包括：

对于每台可以部署虚拟机的服务器，判断该服务器中每种所述组件资源的剩余量都不小于所述虚拟机vm对该种组件资源的需求量，如果是，则确定该服务器能满足所述虚拟机vm的资源需求。

3.根据权利要求1所述的方法，其特征在于，所述步骤b包括：

b1、对于所述虚拟机vm的每种所述组件资源r_i的需求量d_i，进行归一化处理，得到d_i归一化处理后的数值nd_i；i为组件资源的种类序号；

b2、对于每台所述候选服务器S_q的每种所述组件资源r_i的剩余量f_q,i，进行归一化处理，得到f_q,i归一化处理后的数值nf_q,i；q为候选服务器的序号；

b3、对于每台所述候选服务器S_q，利用该服务器的所有所述组件资源对应的所述nf_q,i和所述虚拟机vm的所有所述组件资源对应的所述nd_i，按照计算该候选服务器S_q的所述匹配度P_q，其中，k为所述组件资源的种类总数；

b4、对于每台所述候选服务器S_q，计算当将所述虚拟机vm部署在该服务器上时，该服务器上部署的每台虚拟机vm_j的能耗利用率u_q,j，按照计算该服务器的所述平均能耗利用率E_q，其中，自然数v为将所述虚拟机vm部署在所述候选服务器s_q上时该服务器上的虚拟机总数；

b5、对于每台所述候选服务器S_q，利用该服务器的所述匹配度P_q和所述平均能耗利用率E_q，按照G_q＝β×E_q+(1-β)×P_q，计算该服务器的所述综合适应度G_q，其中，β为预设的能耗匹配偏好因子，0≤β≤1。

4.根据权利要求3所述的方法，其特征在于，步骤b1中的所述归一化处理包括：

对于所述虚拟机vm的每种所述组件资源r_i的需求量d_i，按照 ${\mathrm{nd}}_i=\left\{\begin{array}{cc}\frac{d_i-d_i^{\min }}{d_i^{\max }-d_i^{\min }},& d_i^{\max }\≠d_i^{\min }\\ 1,& d_i^{\max }=d_i^{\min }\end{array}\right.$ 进行归一化处理，其中，和分别为所述虚拟机vm的所有所述组件资源的需求量中的最小值和最大值。

5.根据权利要求1所述的方法，其特征在于，步骤b2中的所述归一化处理包括：

对于每台所述候选服务器S_q的每种所述组件资源r_i的剩余量f_q,i，按照 ${\mathrm{nf}}_{q,i}=\left\{\begin{array}{cc}\frac{f_{q,i}-{f_i}^{\min },}{{f_i}^{\max }-{f_i}^{\min }},& {f_i}^{\max }\≠{f_i}^{\min }\\ 1,& {f_i}^{\max }={f_i}^{\min }\end{array}\right.$ 进行归一化处理，其中，f_i ^min和f_i ^max分别为所述候选服务器S_q的所有所述组件资源的剩余量中的最小值和最大值。

6.根据权利要求1所述的方法，其特征在于，所述步骤b4中按照 $u_{q,j}={\mathrm{\α}}_1\×\frac{d_{j,1}}{f_{q,1}}+{\mathrm{\α}}_2\×\frac{d_{j,2}}{f_{q,2}}+,...,+{\mathrm{\α}}_i\×\frac{d_{j,i}}{f_{q,i}}+,...,+{\mathrm{\α}}_k\×\frac{d_{j,k}}{f_{q,k}}$ 计算所述能耗利用率u_q,j，其中，d_j,i为所述候选服务器S_q分配给所述虚拟机vm_j的第i种所述组件资源r_i的数量，f_q,i为所述候选服务器S_q的第i种所述组件资源r_i的总量，α_i为预设的第i种组件资源r_i与服务器能耗的相关度，且α₁+α₂+,...,+α_i+,...,+α_k＝1，自然数下标j为所述候选服务器S_q上部署的虚拟机vm_j的序号。