[发明专利]基于改进遗传算法的虚拟机初始放置策略方法

说明书

一种基于改进遗传算法的虚拟机初始放置策略方法，包括以下步骤：第一步：对于虚拟机放置问题提出以下的形式化描述，过程如下：1.1定义放置环境；1.2定义资源状态；1.3主机可用性；1.4计算电能消耗；1.5定义虚拟机放置；第二步：对虚拟机放置设定约束条件及优化目标；第三步：算法实现，过程如下：初始化；主机簇群划分；虚拟叶子节点扇区以及虚拟分层结构深度确定；各虚拟叶子节点扇区编号；将所有虚拟机选择权重得分最高的主机节点完成分配，通过改进遗传算法的交叉，变异，选择操作的迭代循环，获得理想的放置组方案。本发明尽可能的降低数据中心的能耗，减少现实主机的使用数量，并且得到可用性较高的虚拟机放置组。

技术领域

本发明涉及到一种基于改进遗传算法的虚拟机放置策略方法。

背景技术

云计算是一种新型的基于互联网的计算模式，可以随时访问共享的可配置系 统资源和高级服务，这些服务通常可以通过互联网以极少的管理成本进行快速供 应。云计算类似于公共设施通过资源共享按需提供计算资源。第三方云模式可以 使组织能够专注于他们自身的核心业务，而不用将精力和资源花在计算机基础设 施和维护上。云计算可以为各大公司最大限度地降低前期IT基础设施成本。并 且，云计算可以使企业能够更快地部署运行应用程序并提高其运行速度，同时提 高应用程序的可管理性，减少了维护成本。自2006年亚马逊推出EC2以来，高 容量可用性网络、低成本计算机和存储设备、硬件虚拟化技术的普及、面向服务 结构的模式以及自动高效的计算等特点使得云计算得到广泛的应用。

云环境下的虚拟机放置(Virtual Machine Placement)问题是云数据中心虚拟机与物理主机之间的一个装箱问题，是云计算环境中资源管理和分配的重要组成 部分。在云环境下，若仅用单台虚拟机处理整个有限元分析任务，对于该虚拟机 的性能要求将非常之高，因此，通常的做法是将完整的有限元分析任务进行拆分， 交给不同的多个虚拟机进行处理，处理完成后返回计算结果，这样，不仅可以减 少有限元分析计算时间，提高有限元分析效率，而且可以有效降低对单个虚拟机 性能及存储要求。如何在满足虚拟机资源请求和相关约束条件的情况下，合理分 配虚拟机至服务器节点已经成为当今云计算下的一个研究热点。

W Wang，H Chen等人研究了应用程序的可用性对于工作负载变化情况下动 态提供虚拟资源的影响。他们通过建立基于云基础架构的分层结构，提供了一个 用于衡量应用程序可用性的计算模型，通过横向和纵向的扩展来实现高效地分配 虚拟资源给应用程序，从而满足可用性需求和最小化通信成本的优化目标。国内 李强等人针对云计算环境下的虚拟机放置问题提出了一种基于长期负载性能的 模型，结合多目标优化的遗传算法有效的减少物理主机节点的使用数量。AC Adamuthe等人使用遗传算法用于实现利润最大化且最大限度地提高负载平衡情 况下，最大限度地减少资源浪费。

发明内容

为将虚拟机放置请求的组放置在服务器节点上，尽可能的降低数据中心的能 耗，减少现实主机的使用数量，并且得到可用性较高的虚拟机放置组。本发明基 于一种改进遗传算法，提出一种主机簇的编码方式，通过改进遗传算法的交叉， 变异，选择操作的迭代循环，获得理想的放置组方案。

为了解决上述技术问题提供如下技术方案：

一种基于改进遗传算法的虚拟机初始放置策略方法，包括以下步骤：

第一步：对于虚拟机放置问题提出以下的形式化描述，过程如下：

1.1定义放置环境，数据中心存在物理主机集合PM＝{pm₁,pm₂,…,pm_n}，其 中主机数量为n，需要放置的虚拟机集合VM＝{vm₁,vm₂,…,vm_m}，其中虚拟机 数量为m，假设虚拟机数量m大于或等于主机n，定义虚拟机放置组集合 P＝{p₁,p₂,…,p_h}，h为放置组的数量；