[发明专利]一种基于负载曲线相似度的云计算虚拟机迁移方法

说明书

本发明提出了一种基于负载曲线相似度的云计算虚拟机迁移方法，获取所有物理机的剩余资源利用率曲线和所有要迁移的虚拟机的资源利用率曲线，根据皮尔森相关系数公式，得到由每一类资源的相似度组成的相似度向量，最后根据相似度向量和平均资源利用率求欧氏距离，来确定需要迁移的虚拟机和目标物理机。本发明将过载物理机一段时间内的负载作为迁移的标准，而不是仅关注过载一瞬间的负载情况，有效的保证了迁移之后一段时间内目标物理机不会发生过载，从而降低了迁移次数，减少了能耗。同时，将曲线的相似度作为迁移的标准之一，使得要迁移的虚拟机和目标物理机尽可能的互补，从而使得目标物理机的负载更为均衡。

技术领域

本发明属于云计算和虚拟化相关领域，具体涉及一种基于负载曲线相似度的云计算虚拟机迁移方法。

背景技术

云计算被提出的初始目标是为了加强对资源的管理，主要是管理计算资源、网络资源和存储资源三个方面。加强管理的主要方法是提高时间和空间的灵活性。时间的灵活性，即在用户需要的时候可以随时的提供服务。空间的灵活性，即按照每位用户所需的资源量来提供服务。时间和空间的灵活性相结合，即为云计算的弹性。

为了提高云计算的弹性，曾经提出过许多解决方案。最初的解决方案是提供物理设备的能力，即提高硬盘数据存储量、服务器内存、增加设备网络带宽等。但这一方法有着自身的局限性，它无法彻底解决灵活性这一要求。由于服务器、网络设备等需要花费大量的时间进行采购，不可能随时获取。

于是硬件“虚拟化”技术应运而生。虚拟化技术的一个关键特性是在线迁移：一个正在运行的虚拟机从所在的物理主机迁移到另外一台物理主机。

在实际生活中经常需要对过载的物理主机进行迁移，但是许多实时迁移算法只考虑了过载这一瞬间物理机上的虚拟机的资源使用情况，来选择目标物理机。但是不同虚拟机的资源利用情况通常会随时间不停变化，这就有可能导致该虚拟机迁移到目标主机一段时间后再次引起目标主机的过载，需要再次迁移，既增加了迁移的次数，也增加了能耗、降低了虚拟机性能。

发明内容

本发明针对上述问题，提出了一种基于负载曲线相似度的云计算虚拟机迁移方法，主体思路是：获取所有物理机的剩余资源利用率曲线和所有要迁移的虚拟机的资源利用率曲线，根据皮尔森相关系数公式，得到由每一类资源的相似度组成的相似度向量。最后根据相似度向量和平均资源利用率求欧氏距离，来确定需要迁移的虚拟机和目标物理机。

一种基于负载曲线相似度的云计算虚拟机迁移方法，其特征在于：包括如下步骤：

步骤1，定义物理机集合和过载物理机上的虚拟机集合，同时定义物理机所拥有的资源；

步骤2，获取过载物理机上每个虚拟机的资源利用率矩阵，建立资源利用率矩阵集合，表示所有位于过载物理机上的虚拟机的资源利用率矩阵的集合；

步骤3，计算出每一个虚拟机在一个时间段内对资源的利用率的均值和标准差，然后对资源利用率矩阵集合中的所有虚拟机资源利用率矩阵标准化，得到标准化矩阵；

步骤4，获取每个物理机同一段时间内的资源利用率矩阵；

步骤5，获取物理机上资源的剩余利用率矩阵；

步骤6，计算每一个物理机在一个时间段内对资源的剩余资源利用率均值和标准差，将物理机的剩余资源利用率矩阵进行标准化，得到标准化矩阵；

步骤7，对资源利用率矩阵的每行与剩余资源利用率矩阵的每行分别求皮尔森相关系数，得到关于每一类资源的相似度向量；

步骤8，根据相似度向量，得到所有虚拟机与物理机对之间资源的相似度的最大值；

步骤9，计算每一对虚拟机和物理机的欧式距离，得到欧氏距离集合；