一种基于人工蜂群算法的虚拟机迁移方法技术

为了降低数据中心运行成本,虚拟机可以迁移到其它服务器上运行。虚拟机迁移会带来额外的数据传输开销,因此,降低网络成本成为虚拟机迁移时考虑的重要目标。现有的研究没有考虑VM间的依赖关系以及数据中心的拓扑逻辑，导致VM迁移时可能将具有依赖关系的两个VM迁移到相距较远的主机上，从而产生较大的通信成本。本发明专利技术考虑了VM迁移时的迁移成本和通信成本，提出VM迁移成本模型，利用人工蜂群算法对VM迁移问题进行求解。通过模拟雇佣蜂、侦察蜂和雇佣蜂寻找或传播食物源的行为，通过反复实验确定蜜蜂的数量规模、最大迭代次数、最大尝试次数等参数，该方法降低了VM迁移时的成本。该方法降低了VM迁移时的成本。该方法降低了VM迁移时的成本。

【技术实现步骤摘要】
一种基于人工蜂群算法的虚拟机迁移方法


[0001]本专利技术涉及互联网云计算领域，具体涉及一种云数据中心基于人工蜂群算法的虚拟机迁移方法。

技术介绍

[0002]虚拟化已经成为云计算的支撑技术,它能够使大量的第三方应用以装入虚拟机的形式来运行。为了降低运行成本,虚拟机可以迁移到其它服务器上运行。虚拟机迁移会带来额外的数据传输开销,再加上原本具有依赖关系的不同虚拟机(例如,一个多层应用由多个虚拟机组成)的网络通信流量,因此,降低网络成本成为虚拟机迁移时考虑的重要目标。
[0003]虚拟机迁移是NP难问题。目前为止，研究者从迁移成本和通信成本两个角度对VM迁移的成本模型做出了大量研究。Verma等人[1]发现迁移成本与负载无关，只与VM特性有关。迁移成本被估计为因为迁移引起的吞吐量的下降。Liu等人[2]研究了VM迁移的性能开销和能源开销，并通过实验验证了迁移能耗与迁移引起的网络流量的大小成比例。Mann等人[3]提出了一个VM的迁移框架，该框架考虑了数据中心底层的网络拓扑逻辑和VM间的网络通信流量需求。Meng等人[4]提出了一个二层近似算法以解决流量感知的VM映射问题。Jayasinghe等人提出了满足可用性约束和通信约束的VM迁移算法。Shrivastava等人[5]将数据中心形式化为一个考虑了VM间依赖关系和底层网络拓扑结构的模型，并提出一个贪婪算法最小化通信成本。Chen等人[6]提出了一个考虑了网络链接和节点负载的算法来改善迁移时的流量负载和资源利用率。目前的研究中，对迁移成本和通信成本是分开研究的，在研究迁移成本时，仅考虑了迁移数据量和传输带宽，没有考虑VM间的依赖关系以及数据中心的拓扑逻辑，导致VM迁移时可能将具有依赖关系的两个VM迁移到相距较远的主机上，从而导致较大的通信成本。
[0004]本专利技术提出包括迁移成本和通信成本的VM迁移成本模型，利用人工蜂群算法对VM迁移问题进行求解。
[0005]参考文献：[1] A. Verma, P. Ahuja, A. Neogi, PMapper: Power and migration cost aware application placement in virtualized systems, in: Proc. of the 9th ACM/IFIP/USENIXInternational Conference on Middleware, Middleware
’
08, 2008, pp. 243
–
264.[2] H. Liu, C. Xu, H. Jin, J. Gong, X. Liao, Performance and energy modeling for livemigration of virtual machines, in: Proc. of the 20th International Symposiumon High Performance Distributed Computing, HPDC
’
11, 2011, pp. 171
–
182.
[3]V.Mann,A.Kumar,P.Dutta,S.Kalyanaraman,VMFlow:LeveragingVMmobilitytoreducenetworkpowercostsindatacenters,in:Proc.ofthe10thInternationalIFIPTC6ConferenceonNetworking—VolumePartI,Networking
’
11,2011,pp.198
–
211.[4]D.Jayasinghe,C.Pu,T.Eilam,M.Steinder,I.Whalley,E.C.Snible,ImprovingperformanceandavailabilityofserviceshostedonIaaScloudswithstructuralconstraint
‑
awarevirtualmachineplacement,in:Proc.the8thIEEEInternationalConferenceonServicesComputing,SCC
’
11,2011,pp.72
–
79.[5]D.Jayasinghe,C.Pu,T.Eilam,M.Steinder,I.Whalley,E.C.Snible,ImprovingperformanceandavailabilityofserviceshostedonIaaScloudswithstructuralconstraint
‑
awarevirtualmachineplacement,in:Proc.the8thIEEEInternationalConferenceonServicesComputing,SCC
’
11,2011,pp.72
–
79.[6]J.Chen,W.Liu,J.Song,Networkperformance
‑
awarevirtualmachinemigrationindatacenters,in:Proc.oftheThirdInternationalConferenceonCloudComputing,GRIDs,CloudComputing2012,2012,pp.65
–
71。

技术实现思路

[0006]本专利技术为了克服现有技术的不足，提出一种基于人工蜂群算法的虚拟机迁移方法，该方法更全面地建模了虚拟机迁移产生的成本。利用人工蜂群算法可以保证解的多样性和覆盖性。本专利技术通过以下技术方案来解决其技术问题：一种基于人工蜂群算法的虚拟机迁移方法，包含以下步骤：（1）初始化主机容量、虚拟机负载需求、主机间距离及虚拟机间依赖；（2）初始化种群：种群中的每个食物源是满足主机容量约束条件、随机生成的解；计算每个解的成本（包括迁移成本和通信成本），选出该种群的最优解作为全局最优解；计算每个解被遗传下一代群体中的概率；（3）进行迭代，如果迭代次数达到指定的最大迭代次数则结束。包含以下子步骤：（3.1）进行雇佣蜂的随机搜索，包含以下子步骤：（3.1.1）生成一个位于某个食物源附近的新食物源并计算其成本；（3.1.2）如果新食物源优于旧食物源，用前者替代后者，并更新后者的成本值；否则，更新旧食物源的尝试次数；（3.1.3）重复步骤（3.1.1）
‑
(3.1.2)，直到产生足够数量的食物源；（3.3）进行旁观蜂的搜索，包含以下子步骤：（3.3.1）利用轮盘赌算子从现有的食物源中随机选择一个食物源；
（3.3.2）生成一个位于该食物源附近的食物源；（3.3.3）如果该食物源的成本优于步骤（3.3.1）选择的食物源，用前者替代后者，并更新后者的成本值；否则，更新步骤（3.3.1）的食物源的尝试次数；（3.3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工蜂群算法的虚拟机迁移方法，其特征在于包括以下步骤：（1）初始化主机容量、虚拟机负载需求、主机间距离及虚拟机间依赖；（2）初始化种群：种群中的每个食物源是满足主机容量约束条件、随机生成的解，计算每个解的成本（包括迁移成本和通信成本），选出该种群的最优解作为全局最优解；计算每个解被人工蜂群下一代群体中的概率；（3）进行迭代，如果迭代次数达到指定的最大迭代次数则结束，包含以下子步骤：（3.1）进行雇佣蜂的随机搜索，包含以下子步骤：（3.1.1）生成一个位于某个食物源附近的新食物源并计算其成本；（3.1.2）如果新食物源优于旧食物源，用前者替代后者，并更新后者的成本值；否则，更新旧食物源的尝试次数；（3.1.3）重复步骤（3.1.1）
‑
(3.1.2)，直到产生足够数量的食物源；（3.3）进行旁观蜂的搜索，包含以下子步骤：（3.3.1）利用轮盘赌算子从现有的食物源中随机选择一个食物源；（3.3.2）生成一个位于该食物源附近的食物源；（3.3.3）如果该食物源的成本优于步骤（3.3.1）选择的食物源，用前者替代后者，并更新后者的成本值；否则，更新步骤（3.3.1）的食物源的尝试次数；（3.3.4）重复步骤（3.3.1）
‑
（3.3.3），直到产生足够数量的食物源；（3.4）进行侦察蜂的搜索，包含以下步骤：（3.4.1）如果当前食物源优于全局最优解，更新全局最优解；（3.4.2）如果在步骤（3.1）和（3.2）中找到的食物源都不如原来的食物源，则放弃这些...

【专利技术属性】
技术研发人员：刘霞林，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：