融合唤醒阈值与半休眠模式的云虚拟机调度策略

发布时间：2021-01-20 07:32

　　为了满足云用户请求响应要求的同时进一步提高云平台能量效率,融合唤醒阈值与半休眠模式,提出一种新型的云虚拟机调度策略。在一个半休眠周期结束时刻,如果缓冲区中等待的云用户请求数达到阈值N,虚拟机则由半休眠状态转入唤醒状态,以正常速率为云用户请求提供服务;否则,虚拟机将重新开始一次新的半休眠周期,持续为云用户请求提供低速服务。根据云虚拟机调度策略的原理,建立一个具有N策略和多重异步工作休假的多服务台排队模型。利用拟生灭过程和矩阵几何解方法,推导云用户请求平均逗留时间与系统节能率等性能指标。综合数值分析实验和系统仿真实验,评估云虚拟机调度策略的系统性能。构造成本函数,利用蚁群智能寻优算法,给出云虚拟机调度策略的优化方案。 

【文章来源】：燕山大学学报. 2020,44(04)北大核心

【文章页数】：9 页

【部分图文】：

云用户请求平均逗留时间的变化趋势

针对不同的唤醒阈值N与不同的虚拟机低速服务率μl,系统节能率?随半休眠参数θ的变化趋势如图2所示。对比图2中的(a)与(b)可知,当虚拟机低速服务率μl与半休眠参数θ一定时,随着唤醒阈值N的增大,系统节能率?增加。当唤醒阈值较大时,虚拟机处于半休眠阶段的时间延长,虚拟机在半休眠阶段所消耗的能量较小,故系统节能率增加。

沿用第4章给出的系统参数,并以fW=3.0,f?=0.8为例,针对不同的低速服务率μl,进行系统实验,揭示唤醒阈值N与半休眠参数θ对系统成本函数F的影响。实验结果如图3所示。观察图3可知,对于一定的低速服务率μl来说,适当地选取唤醒阈值N与半休眠参数θ,可以最小化成本函数F。针对每一个可选唤醒阈值,利用蚁群智能寻优算法找出最优半休眠参数θ以及最小成本。结合所选定的唤醒阈值及与唤醒阈值相关的最优半休眠参数,构造可选二元组(N,θ)。在全部的可选二元组中,进一步选取最小成本函数F*所对应的二元组,即唤醒阈值与半休眠参数最优组合(N*,θ*)。寻优结果如表1所示。

【参考文献】：
期刊论文
[1]基于云制造平台的供应链生产计划方法[J]. 孔继利,曹文颖,杨福兴.  北京邮电大学学报. 2018(02)
[2]认知无线电网络频谱聚合策略的性能优化[J]. 金顺福,李刚,霍占强.  北京邮电大学学报. 2014(06)



本文编号：2988651