云计算中虚拟机放置的自适应管理与多目标优化  

Adaptive Management and Multi-Objective Optimization for Virtual Machine Placement in Cloud Computing

作　　者：李强[1,2,3] 郝沁汾[3] 肖利民[2,3] 李舟军[3] 

机构地区：[1]湖南师范大学数学与计算机科学学院高性能计算与随机信息处理省部共建教育部重点实验室,长沙410081 [2]北京航空航天大学软件开发环境国家重点实验室,北京100191 [3]北京航空航天大学计算机学院,北京100191

出　　处：《计算机学报》2011年第12期2253-2264,共12页Chinese Journal of Computers

基　　金：国家自然科学基金(60973007;60973008);国家教育部博士点专项基金(20101102110018);软件开发环境国家重点实验室探索性自主研究课题(SKLSDE-2009ZX-01);中央高校基本科研业务费专项资金资助(YWF-10-02-058);湖南省教育厅资助科研项目(10C0937)资助~~

摘　　要：云计算的一个关键需求是其基础设施中大规模虚拟机的放置问题.虚拟机和物理结点之间的映射决定了如何将云计算中虚拟化资源分配给多个Web应用,对云计算系统的性能、能耗和QoS保证有重要影响.文中提出了云计算中虚拟机放置的自适应管理框架,提出了带应用服务级目标约束的虚拟机放置多目标优化遗传算法,用于制定框架中的虚拟机放置策略.算法基于长期负载性能模型,采用组方式和三空间分割方法分别对染色体进行编码和译码,根据不同染色体长度的变化设计交叉和变异遗传算子.算法对解空间内的多个区域同时搜索,具有群体和自我进化的优势,优化一次就能获得对不同目标的权值运算多次才能得到的最优解.实验结果表明,与传统的启发式和单目标优化算法相比,提出的框架及算法使得多个应用的服务级目标的违背率最低,且能有效减少虚拟机迁移次数和物理结点的使用数量.Virtual machine placement in the cloud infrastructure is an important problem that remains to be effectively addressed.The mapping problem between virtual machines and physical nodes is to decide how to allocate virtualized resources on the cloud to many Web applications,thus it greatly impacts on the performance,cost and QoS guaranteed service.An adaptive management framework for virtual machine placement in the cloud is proposed.A multi-objective optimization genetic algorithm is presented to determine placement strategy in the framework,which is subject to application service level objects（SLOs） constraint.It encodes the chromosome using the group method,and crossover and mutation operations deal with the chromosome which length is varying.It decodes the chromosome using three-dimensional split method.The experimental results show that,the proposed solution could effectively reduce the number of used nodes and virtual machine migration,and minimize violation of many application SLOs,compared with traditional heuristic methods and single objective solution.

关 键 词：云计算 虚拟化 虚拟机放置 自适应资源管理 遗传算法 

分 类 号：TP312[自动化与计算机技术—计算机软件与理论]