[发明专利]一种云数据中心面对突发负载的能耗控制方法

说明书

本发明公开了一种云数据中心面对突发负载的能耗控制方法，在保障数据中心突发负载时正常运行并满足用户的延时要求的前提下，对虚拟机的放置方法进行优化以降低数据中心的能耗。本发明考虑突发负载情形下，结合数据中心气流组织方式进行整体建模，并结合虚拟机负载请求量大小，利用改进的模拟退火算法对模型进行求解，以获得适配当前数据中心气流组织的虚拟机放置方式，同时由于在突发负载情形下到来的任务量具有不确定性，部分虚拟机放置算法容易产生误判，因此利用上述模型及方法进行虚拟机放置策略的优化以适配当前数据中心到来的任务量。该方法将虚拟机放置与当前数据中心到来的任务量进行结合，保障数据中心运行性能，优化虚拟机放置方案。

技术领域

本发明涉及数据中心资源调度优化技术领域，具体涉及一种云数据中心面对突发负载的能耗控制方法。

背景技术

随着云计算不断普及，数据中心的体量和业务量也逐渐增加。服务提供商与用户之间的服务级别协议(SLA)规定了对任务延迟的保证。服务提供商必须根据用户需求来提供资源，在保障任务完成的同时满足用户的SLA。这带来以下几方面的挑战。

首先，数据中心运营过程出现的大量突发性工作负载如何进行有效处理已成为一个难题。面临突发负载时，服务供应商通常采用增加服务器的数量来或将超过处理阈值的任务进行等待直到有空闲资源再进行处理等方法应对。但增加服务器需要一定的时间，在这段时间内，数据中心一直处在过载的状态下运行，这将导致数据中心的响应延迟提高，进而影响到对用户的服务质量。

其次，在云数据中心中，用户和服务提供商签署服务级别协议(Service-LevelAgreement,SLA)后，用户有权获得满足其指定服务级别的高质量服务，如何保证用户的服务质量亦是一个颇具挑战性的问题。在突发负载的情况下，服务提供商通常优先执行优先级别较高的任务，但这容易导致一部分优先级较低的任务长时间无法得到执行，陷入“长尾效应”。因此，如何在保障大部分任务的服务质量的情况下，消除“长尾效应”，已成为关键问题。

并且，数据中心业务量的增加导致能源消耗增加以及更多的碳排放量。为了减少数据中心的能耗，一种常见的方法是利用虚拟机放置策略来减少物理资源的使用以降低能耗。但是，大多数放置算法致力于优化物理资源的利用率(例如带宽资源，CPU使用率，网络资源，内存使用率等)来减少服务器能耗，忽略了数据中心日常使用的制冷能耗。为了解决上述问题，目前亟待提出了一种有效的虚拟机节能放置策略SABA-S，通过目前研究至少发现该策略能在突发负载时保证用户的服务质量，并综合考虑了制冷系统的热循环模型和服务器能耗模型来减少数据中心日常使用能耗。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种云数据中心面对突发负载的能耗控制方法，该方法利用数据中心气流组织分布方式和任务队列的拆分重组应对数据中心突发负载，改善当今数据中心在遇到突发负载时，数据中心运行不稳定，耗能过高、热点频发等问题，通过对数据中心服务器排列以及气流组织分布方式进行建模，对到来的任务队列进行拆分重组，并利用模拟退火算法计算虚拟机放置的最佳方案，提高服务器的运行的稳定性和效率，并减少热点故障产生的可能性。

本发明的目的可以通过采取如下技术方案达到：

一种云数据中心面对突发负载的能耗控制方法，所述能耗控制方法包括以下步骤：

S1、对云数据中心到来的任务进行判断，若判定为突发负载，则对任务队列进行拆分重组，形成新的具备一定优先级规则的任务队列，其中，对任务队列进行拆分重组过程如下：首先将到来的任务进行分类，按是否为关键任务分为关键任务和普通任务两类，再按任务耗费时间分为长时任务、中时任务和短时任务三类，共形成六类任务；在面临突发负载时，对任务队列进行拆分重组优先保障关键任务的服务质量，同时分出一定量的服务器资源来运行普通任务，防止普通任务的延时过高；在关键任务执行之后，将对普通任务中占比较大的部分优先执行，以满足大部分用户的需求；同时，对任务队列进行拆分重组时还监测任务响应比，通过以下公式来确定任务的运行顺序：