一種基于cloudsim平臺的虛擬機批量部署方法
【專利摘要】本發(fā)明公開一種基于cloudsim平臺的虛擬機批量部署方法，擴展混合蟻群算法并將其作為虛擬機批量部署的策略，所述混合蟻群算法采用如下公式進行信息素全局更新：其中rho是信息素殘留因子，是虛擬機i到物理機j的信息素矩陣；其中ants[k].pheromoneDeltaMatrix代表第k只螞蟻的信息素變化矩陣，antNum是螞蟻數(shù)量。使用本發(fā)明的部署方法比貪心策略能明顯提高系統(tǒng)的負載均衡和資源利用率。
【專利說明】-種基于C I ouds i m平臺的虛擬機批量部署方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及互聯(lián)網(wǎng)云計算領(lǐng)域，尤其涉及一種基于cloudsim平臺的虛擬機批量 部署方法。

【背景技術(shù)】
[0002] 隨著計算機技術(shù)的蓬勃發(fā)展和互聯(lián)網(wǎng)技術(shù)的飛速進步，云計算作為一種革新性的 計算模式應(yīng)運而生?；A(chǔ)設(shè)施即服務(wù)是云計算的基礎(chǔ)，它的核心是將數(shù)據(jù)中心的計算資源 通過虛擬化技術(shù)形成資源池，并按照用戶提交任務(wù)規(guī)格和資源請求進行合理的分配，為用 戶提供規(guī)?？缮炜s的實體或虛擬的計算、存儲和網(wǎng)絡(luò)等資源。云數(shù)據(jù)中心部署了大量虛擬 機向用戶提供服務(wù)。
[0003] 虛擬機放置問題是云資源調(diào)度的一個重要研究問題，虛擬機放置旨在解決虛擬機 與物理機之間的映射關(guān)系，重點是根據(jù)所設(shè)定的放置策略，尋找優(yōu)化的虛擬機放置方案。
[0004] 貪心算法策略能實現(xiàn)單個虛擬機的最優(yōu)部署，但是不能使得整個虛擬機群的部署 達到最優(yōu)。而要使得機器更加地負載均衡、功率的消耗更加減少，就必須考慮全局最優(yōu)的問 題。


【發(fā)明內(nèi)容】

[0005] 為了解決系統(tǒng)的負載均衡和資源利用率低的問題，本發(fā)明采用的技術(shù)方案如下： 一種基于Cloudsim平臺的虛擬機批量部署方法，擴展混合蟻群算法并將其作為虛擬 機批量部署的策略，其特征在于，所述混合蟻群算法采用（1)式進行信息素全局更新：

【權(quán)利要求】
1. 一種基于Cloudsim平臺的虛擬機批量部署方法，擴展混合蟻群算法并將其作為 虛擬機批量部署的策略，其特征在于，所述混合蟻群算法采用如下公式進行信息素全局更 新：
是虛擬機j到物理機i的信息素矩陣；其中ants[k].pheromoneDeltaMatrix代表第k只螞蟻的信息素變化矩陣，antNum是螞蟻數(shù)量。
2. 根據(jù)權(quán)利要求1所述的一種基于cloudsim平臺的虛擬機批量部署方法，其特征在 于，在所述混合蟻群算法中加入了禁忌表搜索，所述禁忌表搜索具體為：在螞蟻為虛擬機分 配物理機時，若為虛擬機選擇了物理機i則從尚未使用的物理機數(shù)組unUsedHosts中去掉 被選擇的物理機i，若UnUsedHosts為空而仍有虛擬機待分配，則往UnUsedHosts添加所有 的物理機編號。
3. 根據(jù)權(quán)利要求1或2所述的一種基于cloudsim平臺的虛擬機批量部署方法，其特征 在于，在所述混合蟻群算法中加入物理機性能參數(shù)動態(tài)更新策略。
4. 根據(jù)權(quán)利要求3所述的一種基于cloudsim平臺的虛擬機批量部署方法，其特征在 于，所述物理機性能參數(shù)動態(tài)更新策略具體為：若螞蟻為虛擬機j選擇了物理機i，則減去 虛擬機j的相應(yīng)的歸一化數(shù)組來更新物理機的cpuMips歸一化數(shù)組、內(nèi)存的歸一化數(shù)組、帶 寬的歸一化數(shù)組和硬盤大小的歸一化數(shù)組。
5. 根據(jù)權(quán)利要求1或2所述的一種基于cloudsim平臺的虛擬機批量部署方法，其特征 在于，物理機i被虛擬機j選擇的概率P1*以下公式計算：
Ik =pleromcmt[jl[k] , ^ =麗：:詩魯,alpha和beta為任意值，建議取值為I. 0 或 5.0，
6. 根據(jù)權(quán)利要求5所述的一種基于cloudsim平臺的虛擬機批量部署方法，其特征在 于，每只螞蟻在建立自己的部署方案之后都對信息素變化矩陣pheromoneDeltaMatrix進 行更新。
7. 根據(jù)權(quán)利要求6所述的一種基于cloudsim平臺的虛擬機批量部署方法，其特征在 于，所述信息素變化矩陣PheromoneDeltaMatrix的更新按如下公式進行：
是整體匹配度。
8. 根據(jù)權(quán)利要求7所述的一種基于cloudsim平臺的虛擬機批量部署方法，其特征在 于，所述混合蟻群算法包括以下步驟： S81初始化：將相關(guān)參數(shù)傳給該蟻群； S82產(chǎn)生相應(yīng)數(shù)量的螞蟻，根據(jù)初始信息素initPheromone初始化信息素矩陣pheromone,初始迭代次數(shù)I=O; 583 1=1+1; 584 antNum只螞蟻執(zhí)行自己的任務(wù)，找出對應(yīng)的部署方案； 585 antNum只螞蟻完成所有虛擬機部署獲得antNum個部署方案后，比較計算每個方 案的整體的匹配度cost，對比選擇本次迭代的最佳部署方案； S86更新信息素矩陣pheromone; S87判斷I是否大于等于times，若否，返回S83,進行下一次迭代，若是，則執(zhí)行停止迭 代，輸出最佳放置方案bestVmToHost，結(jié)束程序。
9. 根據(jù)權(quán)利要求8述的一種基于cloudsim平臺的虛擬機批量部署方法，其特征在于， 所述步驟S84中螞蟻執(zhí)行自己的任務(wù)找出對應(yīng)的部署方案包括以下步驟： S91對該螞蟻進行初始化：由蟻群將相關(guān)參數(shù)傳給該螞蟻； S92計算出cpuMips的匹配度矩陣cpuMipsMatchDegreeMatrix、內(nèi)存的匹配度矩陣ramMatchDegreeMatrix、帶寬的匹配度矩陣bwMatchDegreeMatrix和硬盤大小的匹配度矩 陣SizeMatchDegreeMatrix; S93初始化信息素變化矩陣pheromoneDeltaMatrix為0,尚未使用的物理機數(shù)組unUsedHosts，虛擬機到物理機的映射數(shù)組； S94傳入虛擬機編號j和信息素矩陣pheromone,檢查unUsedHosts數(shù)組是否為空，若 否則計算UnUsedHosts數(shù)組中編號為i的物理機被選擇的概率0,若是則往UnUsedHosts 數(shù)組中添加所有的物理機編號再計算編號為i的物理機被選擇的概率Pi; S95輪盤賭選擇一個物理機i; S96更新物理機i的cpuMips歸一化數(shù)組、帶寬的歸一化數(shù)組、內(nèi)存的歸一化數(shù)組和硬 盤大小的歸一化數(shù)組，從unUsedHosts數(shù)組中去掉被選擇的物理機i ; S97檢查是否還有虛擬機未分配，若是則返回S92,若否，則該螞蟻更新信息素變化矩 陣pheromoneDeltaMatrix然后停止自己的任務(wù)。
10. 根據(jù)權(quán)利要求8或9所述的一種基于cloudsim平臺的虛擬機批量部署方法，其特 征在于，所述方法包括： cloudsim的datacenterbrokerAco中的createVmsInDatacenter函數(shù)檢查是否有未創(chuàng) 建的虛擬機集合，如果有，則向datacenterAco發(fā)送創(chuàng)建虛擬機的消息，傳送要創(chuàng)建的虛擬 機集合； datacenterAco中的processVmCreate函數(shù)接收傳送過來的虛擬機集合，調(diào) 用虛擬機分配類VmAllocationPolicyAco中的allocateHostForVmList函數(shù)，在 alIocateHostForVmList函數(shù)中根據(jù)所述混合蟻群算法來為虛擬機集合分配物理機。
【文檔編號】G06F9/50GK104461739SQ201410767818
【公開日】2015年3月25日 申請日期:2014年12月15日 優(yōu)先權(quán)日:2014年12月15日
【發(fā)明者】卞靜, 李焱, 詹宏釗, 朱慶勇 申請人:中山大學(xué)