面向虚拟机的历史周期负载算法

在数据中心以虚拟机方式部署各种服务已经成为主流,为了提高数据中心物理机资源利用率,热迁移技术被开发出来用于虚拟机在物理机之间进行在线调度。但是频繁热迁移会消耗额外资源,且会造成虚拟机短暂停机,影响服务稳定性。如何在保障资源利用率的同时确保服务稳定性成为当前亟待解决的问题。因此,提出了基于历史周期负载预测的算法BOHPLF,通过该算法可以将周期负载可预测的虚拟机分离出来。该方法使用Azure云的真实数据集进行仿真实验,结果显示,60.96%的虚拟机具有稳定的周期负载且可预测,在对可预测的虚拟机进行调度时,既降低成本又显著提高服务稳定性。