[发明专利]一种云平台数据中心资源预测与调度方法及系统

权利要求书

1.一种云平台数据中心资源预测与调度方法，其特征在于，所述方法包括以下步骤：

获取云平台数据中心当前检测周期的虚拟机资源利用信息，并基于当前检测周期的虚拟机资源利用信息，对云平台数据中心下一检测周期的虚拟机资源利用信息进行预测；

根据所预测的下一检测周期的虚拟机资源利用信息，对云平台数据中心总体资源进行优化，并结合预先设置的虚拟机和物理机间的隶属关系，计算出云平台数据中心中每个物理机的剩余资源；

根据所计算的每个物理机的剩余资源，对隶属各物理机上的虚拟机进行迁移，以使云平台数据中心中拥有虚拟机的物理机的总体量最小。

2.如权利要求1所述的云平台数据中心资源预测与调度方法，其特征在于，所述虚拟机资源利用信息包括虚拟机的CPU利用率、虚拟机的内存利用率和虚拟机的能量消耗。

3.如权利要求2所述的云平台数据中心资源预测与调度方法，其特征在于，所述获取云平台数据中心当前检测周期的虚拟机资源利用信息，并基于当前检测周期的虚拟机资源利用信息，对云平台数据中心下一检测周期的虚拟机资源利用信息进行预测的具体步骤包括：

步骤S11、将当前检测周期的虚拟机资源利用信息数据封装成多个染色体；

步骤S12、构建初始为空的备选库，以及设置总用时阈值和初始时间为0的计时器；

步骤S13、启动所述计时器计时；

步骤S14、判断所述计时器的当前计时时间是否小于所述总用时阈值；如果是，则执行步骤S15；如果否，则跳转至步骤S19；

步骤S15、随机选择两个染色体作为父染色体并交叉计算得到第一子染色体和第二子染色体，并分别计算出两个所述父染色体、所述第一子染色体及所述第二子染色体各自的适应度；

步骤S16、判断所述第一子染色体的适应度及所述第二子染色体的适应度是否均优于两个所述父染色体的适应度；如果是，则执行步骤S17；如果否，则跳转至步骤S18；

步骤S17、将所述第一子染色体及所述第二子染色体均放入所述备选库中，返回步骤S14；

步骤S18、将两个所述父染色体进行变异计算得到第三子染色体和第四子染色体，并计算出所述第三子染色体的适应度和所述第四子染色体的适应度，且在所述第三子染色体的适应度和所述第四子染色体的适应度均优于两个所述父染色体的适应度时，将所述第三子染色体和所述第四子染色体均放入所述备选库中，返回步骤S14；

步骤S19、从所述备选库中，选择最小适应度的子染色体作为结果输出，即得到所预测的下一检测周期的虚拟机资源利用信息。

4.如权利要求3所述的云平台数据中心资源预测与调度方法，其特征在于，通过公式计算得到每一个父染色体的适应度F(t)或每一个子染色体的适应度F(t)；

其中，a、b、c均为权重系数，且均为预先设定的固定值；Δt为两次计算之间的单位时间间隔，且为预先设定的固定值；

其中，C^avg为云平台数据中心中n个物理机的CPU平均利用率；M^avg为云平台数据中心中n个物理机的内存平均利用率；E为云平台数据中心中n个物理机的总能耗；α_j为布尔量，α_j＝1为物理机p_j处于激活状态；β_i,j为布尔量，且β_i,j＝1为虚拟机v_i分配给物理机p_j；为虚拟机j的CPU利用率；m为虚拟机个数；n为物理机个数；为虚拟机v_i的CPU利用率；为虚拟机j的内存利用率；为虚拟机v_i的内存利用率；为虚拟机j的总能耗；为虚拟机v_i的总能耗；E^max为云平台数据中心中n个物理机的能耗的最大值。