面向绿色虚拟数据中心资源管理的若干关键技术研究

发布时间：2018-03-15 22:31

本文选题：数据中心　切入点：云计算　出处：《电子科技大学》2013年博士论文　论文类型：学位论文

【摘要】：随着Internet的繁荣以及云计算技术的发展，数据中心正变得空前重要。但是当前数据中心动辄装备十万、百万规模的服务器以及相应的其它IT基础设施，使资源管理变得非常困难。此外，海量的基础设施时刻消耗巨大的电能，这不仅增加了运营商的运营成本，而且导致大量的二氧化碳排放。数据中心资源虚拟化、资源管理动态化、弹性化、自动化、节能化成为业界一致认可的发展趋势。面向节能的自适应资源管理是当前研究绿色虚拟数据中心的热点之一。论文相关工作以此为依据，首先分析和总结了当前数据中心中基于资源管理的主要节能技术，然后围绕虚拟数据中心资源管理中的若干关键问题进行了深入研究。论文的主要工作包括： 1.提出了一种基于管理员资源选择偏好的虚拟数据中心资源规划方法。首先基于粒度粗糙理论，提出了支持偏好语义表述的偏好粒子模型以及纵向聚合运算操作符和横向融合运算操作符，建立了一种基于粗糙粒度表示的用户偏好模型，解决了当前用户偏好模型不支持语义表述以及不能处理不确定性偏好的问题。其次，将该模型运用于描述数据中心资源规划过程中的管理员的资源选择偏好。同时，基于不同应用的负载峰值会出现在一天中的不同时段的原理，提出了基于应用负载分时分析的建模方法，在保证不违背服务等级协议（Service LevelAgreement, SLA）的前提下能够使资源利用率进一步提升。考虑了虚拟机（VirtualMachine, VM）之间的联系性和互斥性，VM与服务器之间的兼容性，，提出了5项资源规划原则。将资源规划问题看作是有约束的多维装箱问题，提出了基于分组遗传算法（Grouping GeneticAlgorithm，GGA）的智能优化算法搜索全局最优解。最后通过仿真实验对模型进行了验证。 2.针对当前虚拟数据中心中面向节能的动态资源优化方法仅考虑资源利用率最大化，而忽略了VM位置变化（包括VM启动、迁移和回收）带来的系统开销问题，提出一种能同时减少系统能耗以及VM位置变化的动态资源优化新方法。该方法采用基于周期性控制回路的资源管理框架，将动态优化分配问题表述为一个双目标组合优化问题，并提出了一种基于网络流理论和迭代优化的近似优化算法NFT-DRP(Network Flow Theory based Dynamical Resource Provision)。实验结果表明，新方法在降低系统能耗方面与现有方法相比略有提升，而在减少VM位置变化方面则有较大改进。 3.针对当前虚拟数据中心面向节能的VM动态整合研究仅考虑服务器能耗，而忽略了网络设备能耗的现状，提出了一种同时降低服务器和网络设备能耗的新方法。该方法通过感知数据中心的网络拓扑结构，采用一种混合粒子群优化算法HPSO-NA(Hybrid Particle Swarm Optimization-Network Aware)来计算最优的VM整合方案，使运行的服务器和网络设备最少以实现最小化能耗。实验结果表明该方法能进一步降低系统整体能耗。 4.针对当前主要的热点检测模型均只能基于传统资源（CPU，内存，网络带宽）进行决策的现状，提出了一种新的基于多条件决策的虚拟数据中心热点检测模型。该模型通过将不同量纲的系统特征值纳入一个统一决策模型，实现对系统中的服务器和VM进行评分。采用了阈值法，通过设置热点阈值(Hotspot DetectingThreshold，HDT)对系统热点进行检测，当服务器评分超过HDT时，从该服务器上选择VM进行迁移以消除热点；当VM的评分超过HDT时，则首先判断是否可以通过本地资源再分配消除热点，否则对该VM进行迁移。实验结果证明了该模型的有效性。 5.针对当前CMOS多核嵌入式处理器片上仅提供全局动态电压缩放（Dynamic Voltage Scaling，DVS）支持以及亚纳米时代后CMOS处理器泄漏功耗不可忽视的现状，提出了一种新的多核嵌入式环境中的硬实时任务感功调度算法GRRCS。算法通过基于贪心法的静态任务划分，基于全局资源回收利用和任务迁移的动态负载均衡，以及动态核缩放三个步骤实现整体能耗的降低，并同时保证实时任务的可调度性约束。实验表明，提出的算法相比较现有算法多节省14.8%-41.2%的能耗。
[Abstract]:......
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2013
【分类号】：TP308

【参考文献】