技術(shù)特征：

1.一種服務(wù)器集群上的虛擬機動態(tài)放置優(yōu)化方法，其特征在于，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，計算用戶請求平均等待時間；

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)，得到虛擬機動態(tài)放置優(yōu)化方案，所述預(yù)設(shè)條件包括：

運行在當(dāng)前服務(wù)器上的所有虛擬機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；

一臺虛擬機只運行在一臺服務(wù)器上；以及

滿足所述用戶請求平均等待時間。

2.如權(quán)利要求1所述的方法，其特征在于，所述建立服務(wù)器狀態(tài)能耗模型的步驟，包括：

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

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

所述建立服務(wù)器狀態(tài)能耗模型的計算公式如下：

$ERU\left(s\right)=\underset{i=1}{\overset{M}{\Σ}}{\mathrm{Eru}}_i\left(t\right)$

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

${\mathrm{Eru}}_i\left(t\right)=F_i\left({\mathrm{PS}}_i\right)*t+a_i*R_i{\left(t\right)}^{b_i}$

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

是第i臺服務(wù)器在時間段t內(nèi)的負載能耗，R_i(t)是第i臺服務(wù)器在時間段t內(nèi)的負載，a_i和b_i為能耗系數(shù)。

3.如權(quán)利要求1所述的方法，其特征在于，所述建立虛擬機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)能耗的影響進行求和，得到所述虛擬機遷移能耗EVI(s)；

所述建立虛擬機遷移能耗模型的計算公式如下：

$\begin{array}{c}EVI\left(s\right)=\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}({\mathrm{Evu}}_{ij}\·{\mathrm{VS}}_{ij})+\underset{k=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}({\mathrm{Evd}}_{kj}\·{\mathrm{VE}}_{kj})\\ +\underset{i=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}({\mathrm{Evn}}_{ikj}\·{\mathrm{VC}}_{ikj})\end{array}$

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

Evu_ij＝α_i*S_j+β_i

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

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

Evd_kj＝α_k*S_j+β_k

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

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

Evn_ikj＝γ_ik*S_j

其中，S_j是第j個虛擬機的大小，γ_ik為調(diào)整系數(shù)。

4.如權(quán)利要求1所述的方法，其特征在于，所述建立服務(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)；

所述服務(wù)器狀態(tài)切換能耗模型的計算公式如下：

$ECH\left(s\right)=\underset{i=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{4}{\Σ}}({\mathrm{Epq}}_{ik}\·{\mathrm{PC}}_{ki})$

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臺服務(wù)器的能耗，Epq_i2代表喚醒處于休眠狀態(tài)第i臺服務(wù)器的能耗，Epq_i3代表休眠處于運行狀態(tài)第i臺服務(wù)器的能耗，Epq_i4代表關(guān)閉處于運行狀態(tài)第i臺服務(wù)器的能耗；PC是服務(wù)器狀態(tài)改變矩陣，PC_1i代表第i臺服務(wù)器將從關(guān)閉狀態(tài)調(diào)整為運行狀態(tài)，PC_2i代表第i臺服務(wù)器將從休眠狀態(tài)調(diào)整為運行狀態(tài)，PC_3i代表第i臺服務(wù)器將從運行狀態(tài)調(diào)整為休眠狀態(tài)，PC_4i代表第i臺服務(wù)器將從運行狀態(tài)調(diào)整為關(guān)閉狀態(tài)。

5.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述服務(wù)器狀態(tài)能耗模型、所述虛擬機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)器集群能耗模型的計算公式為：

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時虛擬機遷移能耗，ECH(s)是將放置方案調(diào)整為s時服務(wù)器狀態(tài)切換能耗。

6.如權(quán)利要求1所述的方法，其特征在于，所述根據(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，計算用戶請求平均等待時間的步驟，包括：

基于Petri網(wǎng)建立用戶請求響應(yīng)模型；

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

7.如權(quán)利要求1所述的方法，其特征在于，所述根據(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，計算用戶請求平均等待時間的計算公式為：

$\begin{array}{c}{W}_q=\underset{j=r}{\overset{a_1-1}{\Σ}}(p_j\·\frac{j-r+1}{r\mathrm{\μ}})+\underset{k=1}{\overset{s-1}{\Σ}}\underset{j=a_k}{\overset{a_{k+1}-1}{\Σ}}(p_j\·\frac{j-(r+k)+1}{(r+k)\·\mathrm{\μ}})\\ +\underset{j=a_s}{\overset{\mathrm{\∞}}{\Σ}}(p_j\·\frac{j-c+1}{c\mathrm{\μ}})+\underset{k=1}{\overset{s}{\Σ}}\underset{j=r+k}{\overset{a_k}{\Σ}}({p_j}^{\left(k\right)}\·\frac{j-(r+k)+1}{(r+k)\·\mathrm{\μ}})\end{array}$

其中，W_q為用戶請求平均等待時間，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為負指數(shù)分布的參數(shù)。

8.一種服務(wù)器集群上的虛擬機動態(tài)放置優(yōu)化系統(tǒng)，其特征在于，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間計算單元，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，計算用戶請求平均等待時間；以及

虛擬機動態(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)，得到虛擬機動態(tài)放置優(yōu)化方案，所述預(yù)設(shè)條件包括：

運行在當(dāng)前服務(wù)器上的所有虛擬機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；

一臺虛擬機只運行在一臺服務(wù)器上；以及

滿足所述用戶請求平均等待時間。

9.如權(quán)利要求8所述的系統(tǒng)，其特征在于，所述服務(wù)器集群能耗模型建立單元包括：

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

虛擬機遷移能耗模型建立單元，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)能耗的影響進行求和，得到所述虛擬機遷移能耗EVI(s)；以及

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

10.如權(quán)利要求8所述的系統(tǒng)，其特征在于，所述用戶請求平均等待時間計算單元包括：

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

概率計算單元，用于對所述用戶請求響應(yīng)模型進行狀態(tài)分析，以計算出所述服務(wù)器處于各狀態(tài)的概率。