[发明专利]一种基于粒子群优化的虚拟机分配方法

说明书

本发明涉及云计算（IaaS）技术领域，特别是一种基于粒子群优化的虚拟机分配方法，包括如下步骤：获取数据中心的虚拟机请求和物理主机资源，构建虚拟机列表和物理主机列表；初始化粒子群，设置粒子群算法的参数；计算粒子群中每个粒子的适应度值，根据粒子适应度值，记录个体历史最优粒子和种群最优粒子；根据更新策略，更新每个粒子的速度和位置；判断是否满足最大迭代次数，是则输出全局最优粒子编码，否则继续迭代；将全局最优粒子编码解码成虚拟机分配方案，并输出方案。该方法能够在减小响应时间下提高资源利用率，同时在负载均衡度和能耗之间达到了更好的平衡。

技术领域

本发明涉及云计算(IaaS)技术领域，特别是一种基于粒子群优化的虚拟机分配方法。

背景技术

云计算作为一种新型的商业服务模式，正在逐渐成为计算机产业的重要发展方向，越来越受到研究人员和大众的关注。随着云技术的发展和数据中心规模的剧增，如何提高资源利用率、减小响应时间等等，是云计算平台管理者需要考虑的重要问题，而虚拟机部署优化是解决提升资源利用率和减小响应时间的关键问题之一。在云计算模式下，用户向数据中心申请一组虚拟机，并指明各个虚拟机请求各种资源的大小，数据中心运用虚拟机部署策略，为这组虚拟机选择合适的服务器运行。

作为IaaS的重要组成部分，虚拟机部署的相关研究吸引了众多专家和学者的密切关注，其所关注的优化目标各不相同，一些研究工作关注如何提高资源利用率问题、如何降低能耗问题，另一些研究工作则关注负载均衡、系统性能等方面。根据所采用策略的不同，大致可以分为基于最佳适应递减的方法、基于启发式规则的方法、基于群体智能优化的方法等。

最佳适应算法(Best Fit)是从服务器列表中找出满足虚拟机资源要求的，且空闲资源大小最小的物理主机分配给虚拟机。Sayeedkhan P N等提出了一种基于I/O负载的虚拟部署算法和一种基于静态磁盘阈值的迁移算法用于优化虚拟机的性能，该方法按照虚拟机资源需求的大小递减排序，将其放置到合适的物理主机。Wang S H等提出了一种节能和QoS感知的虚拟机部署算法(Energy-efficient and Qos-aware Virtual MachinePlacement,EQVMP)，该算法虽提高了系统的吞吐量，然而计算时间长。基于这类方法的算法，虽做到了最佳适应，但耗时相对较长，资源利用率较低。

虚拟机部署优化是典型的NP问题，研究人员基于启发式规则提出了多种部署优化算法。Lucas Simarro等提出了一种基于资源平均价格或价格趋势的调度模型，该调度模型优化虚拟机集群部署，减少用户投资，同时也考虑用户性能要求。Li X等提出了一种基于多维空间分布模型优化能耗的算法，该模型将多维空间划分成可接受区域、安全区域、危险区域三个区域，根据服务器的状态所处区域，决定是否开启新机。Nguyen Van H等提出了一种基于资源碎片最小的调度算法，虽然数据中心的资源利用率有所提高，但忽略了响应时间增加的问题。

随着群体智能技术的发展，遗传算法、粒子群算法、蚁群算法等也广泛应用于虚拟机部署优化上。Jing Xu等提出了一种结合模糊规则的改进遗传算法用于解决多目标优化问题，该算法以提高资源利用率和降低能耗为优化目标。Gao Y等提出了一种基于帕累托解集的多目标蚁群算法，该算法以提高资源利用率和降低能耗为优化目标。Yang Jing等提出了一种多种群高斯学习粒子群优化算法用于解决负载均衡问题，然而该算法未考虑能耗优化问题。上述方法应用于虚拟机部署优化问题上，取得了一定的效果，但是也存在收敛性不佳以及参数敏感等问题。

上述研究工作大多关注能耗优化问题，忽略了在优化资源利用率的同时，容易出现违反用户服务等级的问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于粒子群优化的虚拟机分配方法，该方法有利于提高资源利用率和减少响应时间，同时在负载均衡度和能耗之间达到了更好的平衡。

为实现上述目的，本发明的技术方案是：一种基于粒子群优化的虚拟机分配方法，所述方法包括如下步骤：