高效能云计算虚拟机优化部署策略

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (15): 1-7.

高效能云计算虚拟机优化部署策略

张小庆

1.国云科技股份有限公司，广东东莞 523808
2.广东电子工业研究院，广东东莞 523808
3.中科院云计算中心，广东东莞 523808
4.武汉轻工大学数学与计算机学院，武汉 430023

出版日期:2016-08-01 发布日期:2016-08-12

High productive virtual machine optimal placement strategy in cloud computing

ZHANG Xiaoqing

1.G-CLOUD Technology Co., LTD, Dongguan, Guangdong 523808, China
2.Guangdong Electronics Industry Institute, Dongguan, Guangdong 523808, China
3.Cloud Computing Center, Chinese Academy of Sciences, Dongguan, Guangdong 523808, China
4.School of Mathematics and Computer Science, Wuhan Polytechnic University, Wuhan 430023, China

Online:2016-08-01 Published:2016-08-12

摘要/Abstract

摘要： 针对云计算应用负载需求的动态变化特性，提出了一种自适应虚拟机优化部署策略。算法通过基于强局部加权回归的热点发现机制，可以根据负载所体现的资源占用历史信息动态决策主机的超载时机;通过迁移周期最优算法MPM和迁移量最少算法MNM进行超载主机的迁移虚拟机选择;提出基于功耗感知的PBFDH算法对迁移虚拟机再次优化部署。实验结果表明，算法不仅可以降低能耗，还可以降低SLA违例率。

关键词: 云计算, 能效, 服务等级协议, 虚拟机部署, 强局部加权回归

Abstract: Aiming at dynamical changes of application workload requirements, a self-adaptive virtual machine optimal placement strategy is presented. First, through the hotspot detection based on robust local weight regression, this algorithm can decide the overload time of hosts dynamically according to the historical resource occupation information of application workload. Second, through the optimal migration period MPM and minimal migration number MNM, it can choose migrated VMs on overloaded hosts. Finally, the bin-packing algorithm PBFDH based on power consumption aware is used to deploy VMs again. Experimental results show that it not only can reduce energy consumption, but decrease SLA violation.

Key words: cloud computing, energy-efficiency, Service Level Agreement（SLA）, virtual machine placement, robust local weighted regression

张小庆. 高效能云计算虚拟机优化部署策略[J]. 计算机工程与应用, 2016, 52(15): 1-7.

ZHANG Xiaoqing. High productive virtual machine optimal placement strategy in cloud computing[J]. Computer Engineering and Applications, 2016, 52(15): 1-7.

[1]	王凤琴，柯亨进. 卷积神经网络及其分析在抑郁症判别中的应用[J]. 计算机工程与应用, 2021, 57(5): 245-250.
[2]	翁晓泳. 基于区块链的云计算数据共享系统研究[J]. 计算机工程与应用, 2021, 57(3): 120-124.
[3]	田倬璟，黄震春，张益农. 云计算环境任务调度方法研究综述[J]. 计算机工程与应用, 2021, 57(2): 1-11.
[4]	胡恒，金凤林，郎思琪. 移动边缘计算环境中的计算卸载技术研究综述[J]. 计算机工程与应用, 2021, 57(14): 60-74.
[5]	余波，台宪青，马治杰. 云计算环境下基于属性和信任的RBAC模型研究[J]. 计算机工程与应用, 2020, 56(9): 84-92.
[6]	仝乐，郝蓉，于佳. 单服务器上的双线性配对安全外包方案[J]. 计算机工程与应用, 2020, 56(9): 131-135.
[7]	姜娇，蔡林沁，韦鹏程，李莉. 支持可验证的密文模糊关键字检索方案[J]. 计算机工程与应用, 2020, 56(7): 74-80.
[8]	王杰，陈志刚，刘加玲，程宏兵. 基于聚类的云隐私行为挖掘技术[J]. 计算机工程与应用, 2020, 56(5): 80-84.
[9]	柯昌博，吴嘉余，曹彦. 面向云计算应用层演化的隐私保护方法研究[J]. 计算机工程与应用, 2020, 56(11): 60-66.
[10]	陈享，何亨，李鹏，金瑜，聂雷. 云环境中基于目标检测的密文图像检索方案[J]. 计算机工程与应用, 2020, 56(11): 75-82.
[11]	周亮，应欢，戴波，邱意民. 安全高效的生物识别外包计算方案研究[J]. 计算机工程与应用, 2020, 56(1): 127-135.
[12]	吴波，许道强，邹云峰，王甜甜，李鑫. 阶段感知的跨域数据分析作业保障机制[J]. 计算机工程与应用, 2019, 55(23): 78-85.
[13]	董慧1，2，姜瑛1，2，杨洋1，2. APP软件性能效率研究[J]. 计算机工程与应用, 2019, 55(10): 45-52.
[14]	王德政1，张益农1，杨帆2. 基于MapReduce的并行PLS过程监控算法实现[J]. 计算机工程与应用, 2018, 54(24): 61-65.
[15]	刘俊. 基于犹豫模糊群决策模型的云计算服务商选择[J]. 计算机工程与应用, 2018, 54(23): 109-114.