[发明专利]基于DVS与改进蚁群算法的云数据中心节能方法

说明书

技术领域

本发明涉及云数据中心节能算法技术领域，尤其涉及一种基于DVS与改进蚁群算法的云数据中心节能方法。

背景技术

云计算是一种由网格计算发展而来的新兴计算模型，是多种技术相融合的产物。云计算服务商致力于为用户提供高效、便捷的多种计算服务，例如IaaS,PaaS,SaaS。云计算模式极大地方便了用户，使其不必购买并配置复杂的计算设备，只需根据自己的需要申请计算资源并缴纳相应的费用即可，同时也减少了开支。云计算服务商会根据使用情况动态地对云计算系统进行扩建或缩小规模。

随着大数据时代的到来，计算需求不断扩大，云数据中心的规模也在增长，其巨大的能耗成本和碳排放量成为困扰云供应商的一个难题，据研究显示，2014年美国数据中心共消耗约700亿千瓦时的电力，占据美国能源消费的2％，如何在保证计算性能的同时节省能耗成本成为一个关注的热点问题。

针对数据中心的高能耗问题，国内外相关科研机构、社会团体做了大量研究工作。目前，云数据中心的能耗优化方案主要包括3类：虚拟化技术、动态电压缩放技术、关闭/休眠技术。例如，Berral等人利用机器学习技术，动态地整合虚拟机，使计算任务能够在符合SLA的前提下能量消耗最小(Zomaya AY,Lee Y C.8.Toward Energy-Aware Scheduling Using Machine Learning[M]Energy-Efficient Distributed Computing Systems.John Wiley&Sons,Inc.2012:215-244.)；肖鹏等人提出了一种基于能耗比例模型的虚拟机调度算法，评估各虚拟机近期能耗并采用最近最小能耗比例优先策略进行调度，从而达到负载与能耗的均衡(肖鹏,刘洞波,屈喜龙.云计算中基于能耗比例模型的虚拟机调度算法[J].电子学报,2015,43(2):305-311.)；Xia等人基于DVS在云数据中心的应用提出了一个随机分析框架，该框架能够帮助设计和优化能耗感知的高性能云系统(XiaYN,Zhou M C,Luo X,et al.A Stochastic Approach to Analysis of Energy-Aware DVS-Enabled Cloud Datacenters[J].IEEE Transactions on Systems Man&Cybernetics Systems,2014,45(1):1-1.)，但作者并未给出具体的能好管理方案；合理的任务调度也可以在一定程度上达到性能与能耗的优化，谭一鸣等人通过对云系统建模与分析，提出了一种通过任务调度方式的能耗优化管理方法ME3PC算法，该算法在保证执行性能的前提下,可大幅度降低云计算系统的能耗开销(谭一鸣,曾国荪,王伟.随机任务在云计算平台中能耗的优化管理方法[J].软件学报,2012,23(2):266-278.)，但是该方法依赖于任务到达的分布概率，在处理特殊任务流时可能存在缺陷。云任务的调度属于NP完全问题，可以采用启发式调度方法解决，蚁群算法是一种模拟进化算法，研究表明该算法具有优良性质，可以用来解决云任务调度问题。魏赟等人利用一种基于最短任务延迟时间的改进蚁群算法进行调度，在兼顾调度公平性与效率的前提下,最大化缩短任务延迟时间(魏赟,陈元元.基于改进蚁群算法的云计算任务调度模型[J].计算机工程,2015,41(2):12-16.)；查安民等人针对云计算环境的特点,对粒子群和蚁群算法进行改进,提出一种融合二者的任务调度算法，能减少任务的总完成时间(查安民,谭文安.融合粒子群与蚁群的云计算任务调度算法[J].计算机技术与发展,2016,26(8):24-29.)。但是这些算法仅考虑了对性能的优化，没有考虑能耗问题。

综上所述，现有的云数据中心节能任务调度方法还不完善、节能方案过于单一。有鉴于此，有必要提出一种基于DVS与改进蚁群算法的云数据中心节能方法。

发明内容

为了解决现有云数据中心节能方案的不足，均衡性能与能耗，使云数据中心综合收益最大化，本发明提出了一种基于DVS与改进蚁群算法的云数据中心节能方法，引入DVS综合管理器，与蚁群调度方法结合，从物理主机与调度方案两方面进行节能调控，达到性能与能耗的最优。

本发明具体采用以下技术方案：