本發(fā)明屬于計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種服務(wù)器集群上的虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方法及系統(tǒng)。

背景技術(shù)：

目前基于大型服務(wù)器集群的云服務(wù)中心、數(shù)據(jù)中心的能耗問題日益突出，虛擬機(jī)技術(shù)是提高數(shù)據(jù)中心資源利用率、實(shí)現(xiàn)節(jié)能減排的有效途徑，而通過管理虛擬機(jī)技術(shù)實(shí)現(xiàn)節(jié)能最有效的途徑就是制定合理的虛擬機(jī)放置策略。

由于服務(wù)器資源、虛擬機(jī)需求、用戶請求的動(dòng)態(tài)變化，能夠隨著相關(guān)變化自動(dòng)調(diào)整虛擬機(jī)動(dòng)態(tài)放置是合理放置虛擬機(jī)的重要手段。虛擬機(jī)動(dòng)態(tài)放置是指在系統(tǒng)運(yùn)行過程中，根據(jù)各類變化，選擇合適的時(shí)刻，不斷對虛擬機(jī)安置在哪個(gè)服務(wù)器上的策略進(jìn)行動(dòng)態(tài)調(diào)整，在滿足SLA(Service-Level Agreement，服務(wù)等級協(xié)議)的前提下，達(dá)到優(yōu)化目標(biāo)。

現(xiàn)有技術(shù)可以分為三類：

第一類將虛擬機(jī)動(dòng)態(tài)放置的優(yōu)化劃分成兩個(gè)階段，第一階段計(jì)算支持當(dāng)前虛擬機(jī)運(yùn)行所需的最少的服務(wù)器數(shù)量，第二階段再將虛擬機(jī)逐一分配到服務(wù)器上，此類方法通常是逐個(gè)放置虛擬機(jī)，因此只能實(shí)現(xiàn)局部優(yōu)化而很難到達(dá)全局最優(yōu)；

第二類通過簡單啟發(fā)式優(yōu)化規(guī)則或線性規(guī)劃等方法實(shí)現(xiàn)虛擬機(jī)動(dòng)態(tài)放置優(yōu)化，此類方法從整體上進(jìn)行虛擬機(jī)放置的優(yōu)化，且一般來說求解速度較快，但由于虛擬機(jī)放置問題是一個(gè)NP難題，當(dāng)問題規(guī)模較大時(shí)，此類方法同樣只能到達(dá)局部優(yōu)化，而很難達(dá)到或接近最優(yōu)解；

第三類則引入在求解NP難題方面有著良好求解效果的智能優(yōu)化算法，對虛擬機(jī)動(dòng)態(tài)放置優(yōu)化問題進(jìn)行求解，與第二類研究類似，此類研究也試圖整體優(yōu)化虛擬機(jī)放置方案，實(shí)現(xiàn)虛擬機(jī)放置的全局優(yōu)化，但此類方法或者只能取得局部優(yōu)化效果，或者無法保證方案的可行性，當(dāng)方案不可行，需要重啟系統(tǒng)，將初始狀態(tài)清零后，再進(jìn)行放置，這將影響系統(tǒng)性能并增加額外能耗。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種服務(wù)器集群上的虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方法及系統(tǒng)，旨在解決現(xiàn)有技術(shù)中只能實(shí)現(xiàn)局部優(yōu)化而很難到達(dá)全局優(yōu)化的問題。

一方面，本發(fā)明提供了一種服務(wù)器集群上的虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方法，所述方法包括下述步驟：

分別建立服務(wù)器狀態(tài)能耗模型、虛擬機(jī)遷移能耗模型及服務(wù)器狀態(tài)切換能耗模型，并根據(jù)所述服務(wù)器狀態(tài)能耗模型、所述虛擬機(jī)遷移能耗模型及所述服務(wù)器狀態(tài)切換能耗模型，建立服務(wù)器集群能耗模型；

根據(jù)服務(wù)器處于各狀態(tài)的概率、當(dāng)前用戶請求服務(wù)器數(shù)量以及處于各狀態(tài)服務(wù)器的數(shù)量，計(jì)算用戶請求平均等待時(shí)間；

在預(yù)設(shè)條件下，依據(jù)服務(wù)器集群能耗模型，將服務(wù)器集群能耗的最小值作為優(yōu)化目標(biāo)，得到虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案，所述預(yù)設(shè)條件包括：

運(yùn)行在當(dāng)前服務(wù)器上的所有虛擬機(jī)所需資源總和小于所述當(dāng)前服務(wù)器所擁有的資源數(shù)量；

一臺(tái)虛擬機(jī)只運(yùn)行在一臺(tái)服務(wù)器上；以及

滿足所述用戶請求平均等待時(shí)間。

另一方面，本發(fā)明提供了一種服務(wù)器集群上的虛擬機(jī)動(dòng)態(tài)放置優(yōu)化系統(tǒng)，所述系統(tǒng)包括：

服務(wù)器集群能耗模型建立單元，用于分別建立服務(wù)器狀態(tài)能耗模型、虛擬機(jī)遷移能耗模型及服務(wù)器狀態(tài)切換能耗模型，并根據(jù)所述服務(wù)器狀態(tài)能耗模型、所述虛擬機(jī)遷移能耗模型及所述服務(wù)器狀態(tài)切換能耗模型，建立服務(wù)器集群能耗模型；

用戶請求平均等待時(shí)間計(jì)算單元，用于根據(jù)服務(wù)器處于各狀態(tài)的概率、當(dāng)前用戶請求服務(wù)器數(shù)量以及處于各狀態(tài)服務(wù)器的數(shù)量，計(jì)算用戶請求平均等待時(shí)間；以及

虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案獲取單元，用于在預(yù)設(shè)條件下，依據(jù)服務(wù)器集群能耗模型，將服務(wù)器集群能耗的最小值作為優(yōu)化目標(biāo)，得到虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案，所述預(yù)設(shè)條件包括：

運(yùn)行在當(dāng)前服務(wù)器上的所有虛擬機(jī)所需資源總和小于所述當(dāng)前服務(wù)器所擁有的資源數(shù)量；

一臺(tái)虛擬機(jī)只運(yùn)行在一臺(tái)服務(wù)器上；以及

滿足所述用戶請求平均等待時(shí)間。

在本發(fā)明實(shí)施例中，對服務(wù)器集群的負(fù)載和狀態(tài)的動(dòng)態(tài)變化過程進(jìn)行建模，并在此基礎(chǔ)上建立服務(wù)器集群能耗模型和用戶請求平均等待時(shí)間計(jì)算模型，依據(jù)服務(wù)器集群能耗模型，將服務(wù)器集群能耗的最小值作為優(yōu)化目標(biāo)，得到虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案，實(shí)現(xiàn)全局優(yōu)化。

附圖說明

圖1是本發(fā)明實(shí)施例一提供的服務(wù)器集群上的虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方法的實(shí)現(xiàn)流程圖；

圖2是本發(fā)明實(shí)施例一提供的基于Petri網(wǎng)建立用戶請求響應(yīng)模型的示意圖；

圖3是本發(fā)明實(shí)施例一提供的用戶請求響應(yīng)模型的狀態(tài)分析圖；

圖4是本發(fā)明實(shí)施例一提供的求解虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案的實(shí)現(xiàn)流程圖；以及

圖5是本發(fā)明實(shí)施例二提供的服務(wù)器集群上的虛擬機(jī)動(dòng)態(tài)放置優(yōu)化系統(tǒng)的結(jié)構(gòu)圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

以下結(jié)合具體實(shí)施例對本發(fā)明的具體實(shí)現(xiàn)進(jìn)行詳細(xì)描述：

實(shí)施例一：

圖1示出了本發(fā)明實(shí)施例一提供的服務(wù)器集群上的虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方法的實(shí)現(xiàn)流程圖，為了便于說明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分，詳述如下：

在步驟S101中，分別建立服務(wù)器狀態(tài)能耗模型、虛擬機(jī)遷移能耗模型及服務(wù)器狀態(tài)切換能耗模型，并根據(jù)服務(wù)器狀態(tài)能耗模型、虛擬機(jī)遷移能耗模型及服務(wù)器狀態(tài)切換能耗模型，建立服務(wù)器集群能耗模型。

在本發(fā)明實(shí)施例中，建立由服務(wù)器狀態(tài)能耗模型、虛擬機(jī)遷移能耗模型及服務(wù)器狀態(tài)切換能耗模型三個(gè)部分組成的服務(wù)器集群能耗模型，對服務(wù)器集群的負(fù)載和狀態(tài)的動(dòng)態(tài)變化過程進(jìn)行建模。

服務(wù)器狀態(tài)能耗模型是將資源使用率轉(zhuǎn)換成能耗，建立與服務(wù)器負(fù)載相關(guān)聯(lián)的狀態(tài)能耗模型，利用輕量級監(jiān)測工具測量每個(gè)虛擬機(jī)運(yùn)行時(shí)的不同資源的利用率，并對服務(wù)器能耗進(jìn)行監(jiān)測，利用收集到的數(shù)據(jù)，采用模型學(xué)習(xí)和修正技術(shù)，建立狀態(tài)能耗模型。

虛擬機(jī)遷移能耗模型是綜合考慮遷移虛擬機(jī)的大小和資源種類，遷入遷出服務(wù)器的負(fù)載和資源配備，及起始服務(wù)器間的網(wǎng)絡(luò)狀態(tài)等情況，建立對遷出服務(wù)器能耗的影響、對遷入服務(wù)器能耗的影響、遷移過程中對中間網(wǎng)絡(luò)能耗的影響三個(gè)部分能耗的計(jì)算模型，再進(jìn)行綜合建立完整的虛擬機(jī)遷移能耗模型。

服務(wù)器狀態(tài)切換能耗模型是通過定期對服務(wù)器的能耗監(jiān)測，獲得各服務(wù)器在不同狀態(tài)下進(jìn)行狀態(tài)切換的能耗值。

具體地，建立服務(wù)器狀態(tài)能耗模型的步驟，包括：

根據(jù)第i臺(tái)服務(wù)器的固定能耗以及負(fù)載能耗，得到第i臺(tái)服務(wù)器的狀態(tài)能耗Eru_i(t)；

將所有的服務(wù)器的狀態(tài)能耗進(jìn)行求和，得到所述服務(wù)器狀態(tài)能耗ERU(s)。

該建立服務(wù)器狀態(tài)能耗模型的計(jì)算公式如下：

其中，Eru_i(t)是第i臺(tái)服務(wù)器在時(shí)間段t內(nèi)的狀態(tài)能耗，i＝1,2…,M，所述第i臺(tái)服務(wù)器的狀態(tài)能耗Eru_i(t)由固定能耗和負(fù)載能耗兩部分組成，計(jì)算公式如下：

其中，F(xiàn)_i(PS_i)是第i臺(tái)服務(wù)器在狀態(tài)為PS_i時(shí)的單位固定能耗，PS_i＝1,2,3，具體地，1代表運(yùn)行、2代表休眠、3代表關(guān)閉；

是第i臺(tái)服務(wù)器在時(shí)間段t內(nèi)的負(fù)載能耗，R_i(t)是第i臺(tái)服務(wù)器在時(shí)間段t內(nèi)的負(fù)載，a_i和b_i為能耗系數(shù)。

具體地，建立虛擬機(jī)遷移能耗模型的步驟，包括：

分別建立對遷出服務(wù)器能耗的影響、對遷入服務(wù)器能耗的影響以及遷移過程中對中間網(wǎng)絡(luò)能耗的影響的計(jì)算模型；

將對遷出服務(wù)器能耗的影響、對遷入服務(wù)器能耗的影響以及遷移過程中對中間網(wǎng)絡(luò)能耗的影響進(jìn)行求和，得到虛擬機(jī)遷移能耗EVI(s)。

該建立虛擬機(jī)遷移能耗模型的計(jì)算公式如下：

其中，Evu_ij是將第j個(gè)虛擬機(jī)從第i臺(tái)服務(wù)器遷出時(shí)，j＝1,2…,N，對第i臺(tái)服務(wù)器能耗的影響，VS是虛擬機(jī)遷出矩陣，當(dāng)VS_ij為1時(shí)，代表第j個(gè)虛擬機(jī)從第i臺(tái)服務(wù)器遷出，否則為0；Evu_ij的計(jì)算公式如下：

Evu_ij＝α_i*S_j+β_i

其中，S_j是第j個(gè)虛擬機(jī)的大小，α_i和β_i為調(diào)整系數(shù)；

Evd_kj是將第j個(gè)虛擬機(jī)遷入到第k臺(tái)服務(wù)器時(shí)，j＝1,2…,N，對第k臺(tái)服務(wù)器能耗的影響，VE是虛擬機(jī)遷入矩陣，當(dāng)VE_kj為1時(shí)，代表第j個(gè)虛擬機(jī)遷移到第k臺(tái)服務(wù)器上，否則為0；Evd_kj的計(jì)算公式如下：

Evd_kj＝α_k*S_j+β_k

其中，S_j是第j個(gè)虛擬機(jī)的大小，α_k和β_k為調(diào)整系數(shù)；

Evn_ikj是將第j個(gè)虛擬機(jī)從第i臺(tái)服務(wù)器遷到第k臺(tái)服務(wù)器時(shí)，對中間網(wǎng)絡(luò)能耗的影響，VC是虛擬機(jī)遷移矩陣，當(dāng)VC_ikj為1時(shí)，代表第j個(gè)虛擬機(jī)從第i臺(tái)服務(wù)器遷移到第k個(gè)服務(wù)器上，否則為0；Evn_ikj的計(jì)算公式如下：

Evn_ikj＝γ_ik*S_j

其中，S_j是第j個(gè)虛擬機(jī)的大小，γ_ik為調(diào)整系數(shù)。

具體地，建立服務(wù)器狀態(tài)切換能耗模型的步驟，包括：

通過獲取各服務(wù)器在不同狀態(tài)下進(jìn)行狀態(tài)切換的能耗值，得到服務(wù)器狀態(tài)切換能耗ECH(s)；

該服務(wù)器狀態(tài)切換能耗模型的計(jì)算公式如下：

其中，Epq是服務(wù)器狀態(tài)改變能耗矩陣，Epq_i1代表開啟處于關(guān)閉狀態(tài)第i臺(tái)服務(wù)器的能耗，Epq_i2代表喚醒處于休眠狀態(tài)第i臺(tái)服務(wù)器的能耗，Epq_i3代表休眠處于運(yùn)行狀態(tài)第i臺(tái)服務(wù)器的能耗，Epq_i4代表關(guān)閉處于運(yùn)行狀態(tài)第i臺(tái)服務(wù)器的能耗；PC是服務(wù)器狀態(tài)改變矩陣，PC_1i代表第i臺(tái)服務(wù)器將從關(guān)閉狀態(tài)調(diào)整為運(yùn)行狀態(tài)，PC_2i代表第i臺(tái)服務(wù)器將從休眠狀態(tài)調(diào)整為運(yùn)行狀態(tài)，PC_3i代表第i臺(tái)服務(wù)器將從運(yùn)行狀態(tài)調(diào)整為休眠狀態(tài)，PC_4i代表第i臺(tái)服務(wù)器將從運(yùn)行狀態(tài)調(diào)整為關(guān)閉狀態(tài)。

具體地，建立服務(wù)器集群能耗模型的計(jì)算公式為：

EC(s)＝[ERU(s)-ERU(s₀)]+EVI(s)+ECH(s)

其中，EC(s)是將放置方案調(diào)整為s時(shí)服務(wù)器集群能耗，ERU(s)是在放置方案s下的服務(wù)器狀態(tài)能耗，ERU(s₀)是在初始放置方案s₀下的服務(wù)器狀態(tài)能耗，EVI(s)是將放置方案調(diào)整為s時(shí)虛擬機(jī)遷移能耗，ECH(s)是將放置方案調(diào)整為s時(shí)服務(wù)器狀態(tài)切換能耗。

在步驟S102中，根據(jù)服務(wù)器處于各狀態(tài)的概率、當(dāng)前用戶請求服務(wù)器數(shù)量以及處于各狀態(tài)服務(wù)器的數(shù)量，計(jì)算用戶請求平均等待時(shí)間。

在本發(fā)明實(shí)施例中，根據(jù)服務(wù)器處于各狀態(tài)的概率、當(dāng)前用戶請求服務(wù)器數(shù)量以及處于各狀態(tài)服務(wù)器的數(shù)量，以用戶請求平均等待時(shí)間作為評價(jià)指標(biāo)建立性能模型。

進(jìn)一步地，基于Petri網(wǎng)建立用戶請求響應(yīng)模型；

對用戶請求響應(yīng)模型進(jìn)行狀態(tài)分析，以計(jì)算出所述服務(wù)器處于各狀態(tài)的概率。

具體地，圖2為本發(fā)明實(shí)施例一提供的基于Petri網(wǎng)建立用戶請求響應(yīng)模型的示意圖，詳述如下，基于Petri網(wǎng)建立用戶請求響應(yīng)模型，p₀為模擬用戶請求的到達(dá)而引入的輔助庫所；p₁和p₂為選擇庫所，根據(jù)條件選擇將服務(wù)器置于何種狀態(tài)；t₀模擬用戶請求的到達(dá)滿足參數(shù)為λ的泊松分布；t₂模擬處理用戶請求的時(shí)間服從參數(shù)為μ的負(fù)指數(shù)分布；t₁、t₃、t₄、t₅、t₆和t₇為瞬時(shí)變遷，輔助進(jìn)行狀態(tài)切換；f為將服務(wù)器從運(yùn)行狀態(tài)切換到休眠狀態(tài)的閾值。

虛線框模擬用戶請求的到達(dá)，用戶請求到達(dá)時(shí)向req(請求)庫所添加一個(gè)代表該用戶請求的token(令牌)，當(dāng)run(運(yùn)行)庫有代表可用服務(wù)器的token時(shí)，該服務(wù)器將從req庫所選取一個(gè)token進(jìn)行處理；處理完后，若req庫所仍有未處理token，則該服務(wù)器回到run庫所；否則，根據(jù)閾值判斷是否將該服務(wù)器的狀態(tài)切換為空閑或休眠，從而進(jìn)入idle(空閑)或sleep(休眠)庫所；若req庫所的用戶請求數(shù)量較多，則根據(jù)閾值喚醒處于sleep狀態(tài)的服務(wù)器。

進(jìn)一步地，圖3為本發(fā)明實(shí)施例一提供的用戶請求響應(yīng)模型的狀態(tài)分析圖，詳述如下，對所述用戶請求響應(yīng)模型進(jìn)行狀態(tài)分析，圖3中每個(gè)虛線框?yàn)榉?wù)器集群的一個(gè)狀態(tài)，處于M₁狀態(tài)時(shí)，無等待的用戶請求；當(dāng)用戶請求數(shù)量大于當(dāng)前可用服務(wù)器個(gè)數(shù)r時(shí)，進(jìn)入狀態(tài)M₂，部分用戶請求需排隊(duì)等待；當(dāng)排隊(duì)的請求數(shù)量超出閾值a₁，進(jìn)入狀態(tài)M₃時(shí)，喚醒1個(gè)處于休眠狀態(tài)的服務(wù)器，為用戶提供服務(wù)；當(dāng)排隊(duì)的請求數(shù)量下降，跌至閾值a₁以下時(shí)，并不是立即讓額外喚醒的服務(wù)器進(jìn)入休眠狀態(tài)，而是繼續(xù)為排隊(duì)等待的用戶請求提供服務(wù)，系統(tǒng)進(jìn)入狀態(tài)M₄，直到?jīng)]有等待的請求，額外喚醒的服務(wù)器才再次進(jìn)入休眠狀態(tài)。系統(tǒng)設(shè)置多個(gè)增加服務(wù)器的閾值，從而根據(jù)用戶請求情況，逐一喚醒服務(wù)器。

進(jìn)一步地，根據(jù)服務(wù)器處于各狀態(tài)的概率、當(dāng)前用戶請求服務(wù)器數(shù)量以及處于各狀態(tài)服務(wù)器的數(shù)量，計(jì)算用戶請求平均等待時(shí)間的計(jì)算公式為：

其中，W_q為用戶請求平均等待時(shí)間，p_j為服務(wù)器處于各狀態(tài)的概率，j為當(dāng)前用戶請求服務(wù)器的數(shù)量，c為服務(wù)器總數(shù)量，r為處于運(yùn)行狀態(tài)服務(wù)器的數(shù)量，s為處于休眠狀態(tài)服務(wù)器的數(shù)量，k為欲增加服務(wù)器的數(shù)量，a_k為增加服務(wù)器的閾值，μ為負(fù)指數(shù)分布的參數(shù)。

在步驟S103中，在預(yù)設(shè)條件下，依據(jù)服務(wù)器集群能耗模型，將服務(wù)器集群能耗的最小值作為優(yōu)化目標(biāo)，得到虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案，所述預(yù)設(shè)條件包括：

運(yùn)行在當(dāng)前服務(wù)器上的所有虛擬機(jī)所需資源總和小于所述當(dāng)前服務(wù)器所擁有的資源數(shù)量；

一臺(tái)虛擬機(jī)只運(yùn)行在一臺(tái)服務(wù)器上；以及

滿足所述用戶請求平均等待時(shí)間。

在本發(fā)明實(shí)施例中，將服務(wù)器集群能耗作為優(yōu)化目標(biāo)，使其滿足于運(yùn)行在當(dāng)前服務(wù)器上的所有虛擬機(jī)所需資源總和小于所述當(dāng)前服務(wù)器所擁有的資源數(shù)量；一臺(tái)虛擬機(jī)只運(yùn)行在一臺(tái)服務(wù)器上；以及滿足所述用戶請求平均等待時(shí)間。

具體地，給定系統(tǒng)中有M臺(tái)服務(wù)器，矩陣PS表示服務(wù)器所處的狀態(tài)，PS_i是第i臺(tái)服務(wù)器的狀態(tài)，PS_i的取值為1、2和3，1代表運(yùn)行、2代表休眠、3代表關(guān)閉，矩陣PR表示服務(wù)器的資源數(shù)量，L是資源種類數(shù)，PR_li表示第i臺(tái)機(jī)器的所擁有的第l(l＝1,2,…,L)類資源的數(shù)量，系統(tǒng)中運(yùn)行著N種虛擬機(jī)，矩陣VR表示對各虛擬機(jī)未來一段時(shí)間的資源需求預(yù)測結(jié)果，VR_lj表示第j個(gè)虛擬機(jī)對第l(l＝1,2,…,L)類資源的需求數(shù)量，矩陣s_ij表示當(dāng)前虛擬機(jī)與設(shè)備的對應(yīng)情況，即當(dāng)前虛擬機(jī)的放置方案，一個(gè)虛擬機(jī)只能運(yùn)行在一個(gè)機(jī)器上，需對虛擬機(jī)的放置情況進(jìn)行調(diào)整，得到一個(gè)新的虛擬機(jī)放置方案s，使得目標(biāo)得以實(shí)現(xiàn)，該問題的優(yōu)化目標(biāo)主要在于兩個(gè)方面：從收益的角度說，應(yīng)當(dāng)盡量滿足用戶的需求，達(dá)到用戶要求的SLA水平；從成本的角度說，則主要是能耗。

其用公式表達(dá)為：

minEC(s)

s.t.RW_ki≤PR_ki

(RW＝VR*PS；k＝1,2,…,K；i＝1,2,…,M)

W_q(s)≤W_q

其中，minEC(s)將服務(wù)器集群能耗作為優(yōu)化目標(biāo)，即最小化能耗；預(yù)設(shè)條件，包括：RW_ki≤PR_ki是代表運(yùn)行在一臺(tái)服務(wù)器上的所有虛擬機(jī)所需資源總和應(yīng)小于該服務(wù)器所擁有的資源數(shù)量；表示一臺(tái)虛擬機(jī)只能運(yùn)行在一臺(tái)服務(wù)器上；式(13)是指用戶的性能要求得到滿足，W_q(s)是放置方案s下系統(tǒng)的性能，即放置方案s下用戶請求平均等待時(shí)間，Wq是用戶的性能要求，即用戶請求平均等待時(shí)間。

進(jìn)一步地，圖4是本發(fā)明實(shí)施例一提供的求解虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案的實(shí)現(xiàn)流程圖，在求解虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案時(shí)，將虛擬機(jī)映射為博弈理論中的決策者參與博弈，每個(gè)虛擬機(jī)可放置的所有服務(wù)器則形成決策者的決策空間，在每一輪的博弈過程中，每個(gè)決策者都將選擇其最好的且可行的策略，經(jīng)過多輪博弈后，將到達(dá)一個(gè)納什均衡點(diǎn)，這將是一個(gè)可行的改進(jìn)解，為避免博弈過程陷入局部優(yōu)化，在每一輪博弈過程中，以一定的概率讓部分決策者使用隨機(jī)選擇策略。將多人隨機(jī)演化博弈理論應(yīng)用于虛擬機(jī)放置方案優(yōu)化全局優(yōu)化問題的求解，提出的多人隨機(jī)演化博弈算法能在考慮虛擬機(jī)初始放置方案的前提下，求得最優(yōu)的虛擬機(jī)放置調(diào)整方案，同時(shí)給出從初始方案到目標(biāo)方案的可行的虛擬機(jī)遷移序列。

在本發(fā)明實(shí)施例中，對服務(wù)器集群的負(fù)載和狀態(tài)的動(dòng)態(tài)變化過程進(jìn)行建模，并在此基礎(chǔ)上建立服務(wù)器集群能耗模型和用戶請求平均等待時(shí)間計(jì)算模型，依據(jù)服務(wù)器集群能耗模型，將服務(wù)器集群能耗的最小值作為優(yōu)化目標(biāo)，得到虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案，實(shí)現(xiàn)全局優(yōu)化。

實(shí)施例二：

圖5是本發(fā)明實(shí)施例二提供的服務(wù)器集群上的虛擬機(jī)動(dòng)態(tài)放置優(yōu)化系統(tǒng)的結(jié)構(gòu)圖，為了便于說明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分。該服務(wù)器集群上的虛擬機(jī)動(dòng)態(tài)放置優(yōu)化系統(tǒng)包括：服務(wù)器集群能耗模型建立單元51、用戶請求平均等待時(shí)間計(jì)算單元52以及虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案獲取單元53，其中：

服務(wù)器集群能耗模型建立單元51，用于分別建立服務(wù)器狀態(tài)能耗模型、虛擬機(jī)遷移能耗模型及服務(wù)器狀態(tài)切換能耗模型，并根據(jù)所述服務(wù)器狀態(tài)能耗模型、所述虛擬機(jī)遷移能耗模型及所述服務(wù)器狀態(tài)切換能耗模型，建立服務(wù)器集群能耗模型。

在本發(fā)明實(shí)施例中，建立由服務(wù)器狀態(tài)能耗模型、虛擬機(jī)遷移能耗模型及服務(wù)器狀態(tài)切換能耗模型三個(gè)部分組成的服務(wù)器集群能耗模型，對服務(wù)器集群的負(fù)載和狀態(tài)的動(dòng)態(tài)變化過程進(jìn)行建模。

進(jìn)一步地，服務(wù)器集群能耗模型建立單元51包括：

服務(wù)器狀態(tài)能耗模型建立單元511，用于根據(jù)第i臺(tái)服務(wù)器的固定能耗以及負(fù)載能耗，得到第i臺(tái)服務(wù)器的狀態(tài)能耗Eru_i(t)；將所有的服務(wù)器的狀態(tài)能耗進(jìn)行求和，得到所述服務(wù)器狀態(tài)能耗ERU(s)。

虛擬機(jī)遷移能耗模型建立單元512，用于分別建立對遷出服務(wù)器能耗的影響、對遷入服務(wù)器能耗的影響以及遷移過程中對中間網(wǎng)絡(luò)能耗的影響的計(jì)算模型；將所述對遷出服務(wù)器能耗的影響、所述對遷入服務(wù)器能耗的影響以及所述遷移過程中對中間網(wǎng)絡(luò)能耗的影響進(jìn)行求和，得到所述虛擬機(jī)遷移能耗EVI(s)。

服務(wù)器狀態(tài)切換能耗模型建立單元513，用于通過獲取各服務(wù)器在不同狀態(tài)下進(jìn)行狀態(tài)切換的能耗值，得到服務(wù)器狀態(tài)切換能耗ECH(s)。

其中，服務(wù)器狀態(tài)能耗模型是將資源使用率轉(zhuǎn)換成能耗，建立與服務(wù)器負(fù)載相關(guān)聯(lián)的狀態(tài)能耗模型，利用輕量級監(jiān)測工具測量每個(gè)虛擬機(jī)運(yùn)行時(shí)的不同資源的利用率，并對服務(wù)器能耗進(jìn)行監(jiān)測，利用收集到的數(shù)據(jù)，采用模型學(xué)習(xí)和修正技術(shù)，建立狀態(tài)能耗模型。

虛擬機(jī)遷移能耗模型是綜合考慮遷移虛擬機(jī)的大小和資源種類，遷入遷出服務(wù)器的負(fù)載和資源配備，及起始服務(wù)器間的網(wǎng)絡(luò)狀態(tài)等情況，建立對遷出服務(wù)器能耗的影響、對遷入服務(wù)器能耗的影響、遷移過程中對中間網(wǎng)絡(luò)能耗的影響三個(gè)部分能耗的計(jì)算模型，再進(jìn)行綜合建立完整的虛擬機(jī)遷移能耗模型。

服務(wù)器狀態(tài)切換能耗模型是通過定期對服務(wù)器的能耗監(jiān)測，獲得各服務(wù)器在不同狀態(tài)下進(jìn)行狀態(tài)切換的能耗值。

用戶請求平均等待時(shí)間計(jì)算單元52，用于根據(jù)服務(wù)器處于各狀態(tài)的概率、當(dāng)前用戶請求服務(wù)器數(shù)量以及處于各狀態(tài)服務(wù)器的數(shù)量，計(jì)算用戶請求平均等待時(shí)間。

在本發(fā)明實(shí)施例中，根據(jù)服務(wù)器處于各狀態(tài)的概率、當(dāng)前用戶請求服務(wù)器數(shù)量以及處于各狀態(tài)服務(wù)器的數(shù)量，以用戶請求平均等待時(shí)間作為評價(jià)指標(biāo)建立性能模型。

該用戶請求平均等待時(shí)間計(jì)算單元52包括：

用戶請求響應(yīng)模型建立單元521，用于基于Petri網(wǎng)建立用戶請求響應(yīng)模型。

概率計(jì)算單元522，用于對用戶請求響應(yīng)模型進(jìn)行狀態(tài)分析，以計(jì)算出服務(wù)器處于各狀態(tài)的概率。

虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案獲取單元53，用于在預(yù)設(shè)條件下，依據(jù)服務(wù)器集群能耗模型，將服務(wù)器集群能耗的最小值作為優(yōu)化目標(biāo)，得到虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案，所述預(yù)設(shè)條件包括：

運(yùn)行在當(dāng)前服務(wù)器上的所有虛擬機(jī)所需資源總和小于所述當(dāng)前服務(wù)器所擁有的資源數(shù)量；

一臺(tái)虛擬機(jī)只運(yùn)行在一臺(tái)服務(wù)器上；以及

滿足所述用戶請求平均等待時(shí)間。

在本發(fā)明實(shí)施例中，將服務(wù)器集群能耗作為優(yōu)化目標(biāo)，使其滿足于運(yùn)行在當(dāng)前服務(wù)器上的所有虛擬機(jī)所需資源總和小于所述當(dāng)前服務(wù)器所擁有的資源數(shù)量；一臺(tái)虛擬機(jī)只運(yùn)行在一臺(tái)服務(wù)器上；以及滿足所述用戶請求平均等待時(shí)間。

進(jìn)一步地，在求解虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案時(shí)，將虛擬機(jī)映射為博弈理論中的決策者參與博弈，每個(gè)虛擬機(jī)可放置的所有服務(wù)器則形成決策者的決策空間，在每一輪的博弈過程中，每個(gè)決策者都將選擇其最好的且可行的策略，經(jīng)過多輪博弈后，將到達(dá)一個(gè)納什均衡點(diǎn)，這將是一個(gè)可行的改進(jìn)解，為避免博弈過程陷入局部優(yōu)化，在每一輪博弈過程中，以一定的概率讓部分決策者使用隨機(jī)選擇策略。將多人隨機(jī)演化博弈理論應(yīng)用于虛擬機(jī)放置方案優(yōu)化全局優(yōu)化問題的求解，提出的多人隨機(jī)演化博弈算法能在考慮虛擬機(jī)初始放置方案的前提下，求得最優(yōu)的虛擬機(jī)放置調(diào)整方案，同時(shí)給出從初始方案到目標(biāo)方案的可行的虛擬機(jī)遷移序列。

在本發(fā)明實(shí)施例中，對服務(wù)器集群的負(fù)載和狀態(tài)的動(dòng)態(tài)變化過程進(jìn)行建模，并在此基礎(chǔ)上建立服務(wù)器集群能耗模型和用戶請求平均等待時(shí)間計(jì)算模型，依據(jù)服務(wù)器集群能耗模型，將服務(wù)器集群能耗的最小值作為優(yōu)化目標(biāo)，得到虛擬機(jī)動(dòng)態(tài)放置優(yōu)化方案，實(shí)現(xiàn)全局優(yōu)化。

在本發(fā)明實(shí)施例中，各單元可由相應(yīng)的硬件或軟件單元實(shí)現(xiàn)，各單元可以為獨(dú)立的軟、硬件單元，也可以集成為一個(gè)軟、硬件單元，在此不用以限制本發(fā)明。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。