云数据中心考虑虚拟机关联性的虚拟机放置策略

提出云数据中心考虑虚拟机关联性的虚拟机放置策略。在物理主机状态检测和虚拟机选择阶段,采用鲁棒局部归约主机检测方法LRR(Local Regression Robust)和最小迁移时间选择方法MMT(Minimum Migration Time);在虚拟机放置阶段,采用多重相关系数来评价虚拟机之间的关联性。该策略在重新分配虚拟机的时候可以减少高关联的虚拟机被放置到同一个物理节点上的机会,尽量避免物理主机超负载问题,最终减少虚拟机迁移次数。实验结果表明:与Cloudsim中已有的虚拟机迁移办法相比,云数据中心的各类性能指标都有所改善,该实验结果对于其他企业构造节能云数据中心有很好的参考价值。

基于线性回归与最小二乘法的物理主机状态异常检测方法

提出一种基于线性回归与最小二乘法的物理主机状态异常检测方法EPADA(Efficient Physical host status Anomalous Detection Approach)。EPADA可以预测出所有物理主机在将来一段时间内的资源使用率情况,在实体迁移过程中被用来判断物理主机是超负载或低负载。当某个主机超负载时,则将一些虚拟机迁移到其他主机上以减少SLA违规率。当某个主机低负载时,该主机切换到睡眠状态以减少能量消耗。EPADA物理主机状态异常检测方法通过CloudSim来实现和仿真,仿真结果表明了EPADA的良好性能。