功耗感知的自适应粒子群优化虚拟机动态映射

功耗管理是云计算数据中心的重要问题之一。由于服务器在不同睡眠状态时的功耗及唤醒延迟不同,将空闲服务器节电状态与输入作业负载建立映射,设计并实现了一种新的元启发式调度器,利用适应粒子群优化(SAPSO)检测和跟踪云计算资源池中不断变化的最优目标服务器,考虑了资源动态、工作服务器不同负载时的功耗、空闲服务器不同休眠状态转换时的功耗,使得VM映射中功耗增量最小。仿真实验表明了所提方法的有效性和较好的性能,经比较分析可知,该方法在保证满足SLA的情况下最大限度地减少了功耗且提高了VM映射效率。

分布式镜像存储环境下的虚拟机快速部署算法

在云计算资源分配问题的研究中,云计算环境下数据中心面临的一个重要问题是如何缩短虚拟机的部署耗时。在虚拟机的部署过程中,镜像分发占用的时间最长,为解决上述问题,对镜像的存储方式进行了优化,提出了区块级别的分布式镜像存储。在上述分布式存储环境下,镜像分发的耗时与映射结果紧密相关,首次研究了分布式镜像存储环境下的映射问题,建模为"线性0-1整数规划问题",并给出了多项式时间复杂度的解法,并进行仿真。大量仿真结果表明,改进方法能够有效的减少镜像分发的耗时,并且能保证在不同环境参数下的性能稳定。

CSNEO:协同服务器与网络能耗优化的VM映射算法

已有针对虚拟机映射问题的研究,主要以提高服务器资源及能耗效率为目标。综合考虑虚拟机映射过程中对服务器及网络设备能耗的影响,在对物理服务器、虚拟机资源及状态,虚拟机映射、网络通信矩阵等概念定义的基础上,对协同能耗优化及网络优化的虚拟机映射问题进行了建模。将问题抽象为多资源约束下的装箱问题与二次分配QAP问题,并设计了基于蚁群算法ACO与局部搜索算法2-exchange结合的虚拟机映射算法CSNEO来进行问题的求解。通过与MDBP-ACO、vector-VM等四种算法的对比实验结果表明:CSNEO算法一方面在满足多维资源约束的前提下,实现了更高的虚拟机映射效率;另一方面,相比只考虑网络优化的虚拟机放置算法,CSNEO在实现网络优化的同时具有更好的能耗效率。

电力系统科学计算在云数据中心的优化任务调配算法研究

随着互联电网的规模不断扩大、结构的日趋复杂,以及状态感知的精细化,电力系统静态/暂态稳定分析等科学计算愈加复杂。鉴于此,针对电力科学计算基本范式-节点导纳矩阵的分解–协调DC计算范式,研究了其在云计算数据中心中优化调度配置方法,提出了一种新型的最小割二叉树任务调度优化算法。通过将高时间复杂度电力科学计算请求分解为了多任务计算–通信均衡型有向无环图(directed acyclic graph,DAG),并采用所提算法优先映射虚拟机至物理机,最小化了整体求解时间,实现计算加速。最后,通过CloudSim数据中心仿真平台进行了118节点至13659节点超大规模电力系统的多种科学计算混合运行实验,结果表明无论是在数据中心轻载或重载场景,所提算法均能通过提升底层物理机资源利用率,获得较好的计算加速性能,为大规模电网复杂电力科学计算的数据中心实时求解提供了技术支撑。