一种迁移开销感知的虚拟机动态整合算法

现有的以降低能耗为目标的虚拟机动态整合算法通常忽略了虚拟机迁移所带来的消极影响,导致虚拟机的动态整合虽然减少了数据中心的能耗,但不合理的虚拟机迁移次数较多,极有可能增加了SLA(Service Level Agreements)的违例率。针对上述问题,提出了一种迁移开销感知的虚拟机动态整合算法Mig CAP(Migration Cost Aware Policy),定义了迁移收益参数EMP,Mig CAP算法通过EMP值的大小来决定是否需要进行虚拟机的迁移,避免了不合理的虚拟机迁移的发生。实验结果表明,Mig CAP算法与现有的其他虚拟机动态整合算法相比,能够在有效减少能耗和降低SLA违例率的基础上,显著减少虚拟机迁移次数。

基于遗传蚁群算法的虚拟机整合

针对蚁群算法的加速收敛和早熟停滞现象的矛盾,在搜索过程中容易陷入局部最优,使虚拟机的分配不能实现整体分配的效果,根据遗传算法的交叉算子、变异算子来优化蚁群算法。本文提出了一种最新的动态整合虚拟机方法 -基于遗传蚁群算法的虚拟机整合算法来减少云数据中心能量消耗。通过cloudsim-3.0仿真实验验证基于遗传蚁群算法的虚拟机整合在减少能耗和虚拟机迁移次数方面的性能大大提高。

基于最大最小蚁群算法的虚拟机整合

云数据中心能量高消耗问题引起人们的关注,而动态的虚拟机整合为云数据中心的高耗能问题提供了新的解决办法,虚拟机的整合方法是让处于超载、欲超载、低载物理机上的虚拟机发生迁移,使迁移后的物理机处于关闭或低耗能模式。提出了一种最新的动态整合虚拟机方法 -基于最大最小的虚拟机整合算法(MMAS-VCM)来减少云数据中心能量消耗。通过MMAS-VCM算法对虚拟机进行动态整合实现多目标优化问题,减少虚拟机的迁移次数,减少云数据中心能量的消耗。通过cloudsim-3.0仿真实验验证MMAS-VCM算法在减少能耗和虚拟机迁移次数方面的性能大大提高。