[发明专利]一种基带池内虚拟资源分簇方法

权利要求书

1.一种基带池内虚拟资源分簇方法，其特征在于包括以下步骤：

A、根据基带池内所支持的无线通信协议标准、基带池内的资源以及任务特点设置资源变量和任务变量；

B、根据资源变量、任务变量、各类型协议标准规定以及资源容量各项约束，定义数学表达式，建立数学模型；

C、使用改进的遗传算法求解数学模型，得到不同用户业务量下的分簇配置方案；

步骤A中所述资源变量包括物理资源变量和虚拟机资源变量，所述物理资源变量的具体描述方法如下：

基带池内含有K类异构的物理服务器，用矩阵PHy表示基带池内所有类型物理服务器的资源量：

其中PHy的第一行表示该类型物理服务器所能提供的最大计算资源容量，PHy的第二行表示该类型物理服务器所能提供的最大内存容量；

物理服务器最大功耗其中为i类型物理服务器的最大功耗；

所述虚拟机资源变量的具体描述方法如下：

w协议标准下各类虚拟机用矩阵VM^w表示：

其中表示w协议标准下j类型虚拟机的计算资源和内存资源配置以及该虚拟机上加载的模块任务数；

步骤A中所述任务变量包括任务资源需求、各个虚拟机的处理模块以及虚拟机处理任务时延：

w协议标准下用户基带处理过程包括M^w个模块任务，所有模块任务对资源需求用矩阵R^w表示：

其中矩阵R^w的第一行表示在规定时间内完成各模块任务所需最小计算资源，R^w的第二行表示在规定时间内完成各模块任务所需最少内存；在满足资源最小需求的前提下，w协议标准下模块任务i的处理时延为

各个虚拟机的处理模块指虚拟机上预先加载的相关协议标准下模块任务的处理程序的个数，即w协议标准下处理虚拟机类型总数为L，每类虚拟机上加载的任务数表示为且满足

各个虚拟机处理任务时延指虚拟机完成所对应任务所需的处理时延，表示为其中如果两个模块任务加载到同类型的虚拟机上，两者间传输带宽近似认为是无穷大，即传输时延为0，而不同虚拟机间受到两者间的带宽限制带来传输时延

其中L_ij为模块任务i和模块任务j间的通信带宽，且当i＝j时L＝inf，当i≠j时，L_ij＝W_ij，W_ij为承载两个虚拟机的物理服务器间的带宽，表示模块任务i和模块任务j间传输的数据量；

步骤B中定义问题所需的数学表达式，建立数学模型包括以下步骤：

描述物理服务器相关参数所需的数学表达式定义如下：

物理服务器的功耗分为两部分：静态功耗和动态功耗，所述静态功耗指当前开启的物理服务器在空闲状态下的功耗P_idle＝mP_max(m＝0.5～0.6)；所述动态功耗P_D指由于业务量的不同，产生的可变的功耗，一台物理服务器实际运行功耗表示为：

其中μ_cpu为物理服务器CPU的当前使用率；P_max为物理服务器的最大功耗；

描述虚拟机相关参数所需的数学表达式定义如下：

w协议标准下资源组内，将各类型虚拟机组内的虚拟机再次分簇，分簇后各类型的虚拟机的个数表示为Y₁,…Y_L；每个采样时刻新用户请求数N_in，N_in为一个服从参数为λ的泊松过程，每个时隙内发起的平均请求数为λ，

则新用户请求数N_in为k的概率函数为：

每个时隙新的资源需求下，基带池需要开启类型为i的虚拟机总数为vmnum＝N_in，且需要开启的对应类型的虚拟机分组的个数clusnum_i，其值满足以下关系式：

类型为i的虚拟机加载到类型为j的物理服务器为最优，且每台类型为j的物理服务器最多加载NUM_ij个类型为i的虚拟机，则每开启一个规模为Y_i的虚拟机的分组，需要的物理服务器j的数量为phynum_j，每开启一个虚拟机所耗物理服务器的功耗增加为u_i，其中

基带池内的功耗分为两部分，一部分是基础运行功耗，基础运行功耗是物理服务器运行所产生的静态功耗和动态功耗之和，在请求虚拟机i数量为vmnum_i时，其值表示为：

另一部分功耗主要是由于系统管理各虚拟机簇所消耗的功耗，类型为i的虚拟机分簇，在虚拟机请求数为vmnum_i时的系统管理功耗表示为：

其中Cost(Y_i)＝A·log(Y_i)为每管理一个Y_i规模的虚拟机组所消耗最基本的管理功耗，A为常数；ΔCost为每开启一个虚拟机所要增加管理功耗；

在用户服务请求为vmnum_i、虚拟机分组规模为Y_i的条件下，基带池所有i类型虚拟机的分簇消耗的总功耗为：

所有类型的虚拟机在参数为λ的泊松分布的用户负载下，N个采样时刻内的系统所耗的总的平均能量为：

其中P(x＝vmnum_i.k)在k时刻的申请i类型虚拟机数为vmnum_i.k的概率，为类型为i的虚拟机数据处理时延，则建立数学模型为：

min E(Y_i)

2.如权利要求1所述的基带池内虚拟资源分簇方法，其特征在于：步骤C中改进遗传算法针对传统遗传算法的选择算子和交叉算子两方面进行改进，主要改进如下：

选择算子改进如下：首先将种群个体按照适应度值进行排序，将种群中前25％的个体进行复制并保留，中间50％的个体保留下来，适应度最小的25％的个体抛弃，固定比例的进行个体选择；

交叉算子主要包括确定交叉概率和交叉方式两方面的改进；

交叉概率改进包括改进传统遗传算法中固定交叉概率，采用自适应的交叉概率P_c(0＜P_c≤1)进行交叉操作，其值由以下公式确定：

其中0＜k₁＜k₂≤1，且k₁＝P_cmin，k₂＝P_cmax；当f越接近f_max时，P_c就越接近0，P_c通常取值在0.4～0.6之间；P_cmin为交叉概率P_c的最小值；P_cmax为交叉概率P_c的最大值；f为种群中各个个体的适应度；f_mean为种群的平均适应度；f_max为种群的最大适应度；

交叉方式的改进将传统单点交叉改为两点交叉，其交叉过程具体操纵如下：

设两个亲代个体为P1，P2，随机生成各自的交叉片段和交叉区域，同时对产生的交叉区域进行互相关，若两个基因段相似度低于50％则进行下步操作：将P1的交叉区域复制到P2的尾部记为P1’，同样将P2的交叉区域复制到P1的尾部记为P2’，然后在P1的编码中删除与P2相同的编码片段，P2’做同样的操作；如果找不到与交叉区域相同的基因段则删除各自自身的交叉区域基因形成新的两个个体；否则重新产生交叉区域，再进行两个基因段相似度比较，直到满足相似度低于50％后进行交叉过程。