结合数据中心中数据密集型作业的频繁读写数据特点,综合考虑 CPU 使用率和 RAM使用率两个影响因素构建服务器能耗评价模型,并引入人工蜂群算法及启发式反向思想,将其应用于数据中心虚拟机迁移策略中的虚拟机选择环节,实现云计算中...结合数据中心中数据密集型作业的频繁读写数据特点,综合考虑 CPU 使用率和 RAM使用率两个影响因素构建服务器能耗评价模型,并引入人工蜂群算法及启发式反向思想,将其应用于数据中心虚拟机迁移策略中的虚拟机选择环节,实现云计算中数据中心节能问题的优化.在 CloudSim 3.0云计算模拟器中的仿真实验结果表明:该启发式反向蜂群虚拟机选择节能算法(ABCS)与最大最小时间(MMT)、随机选择(RS)和最小使用率(MU)3种经典虚拟机选择算法相比节能20%~25%,虚拟机迁移频率减少至5%以下.展开更多
提出了一种云数据中心基于数据依赖的虚拟机选择算法DDBS(data dependency based VM selection).参考Cloudsim项目中方法,将虚拟机迁移过程划分为虚拟机选择操作(VM selection)和虚拟机放置(VM placement)操作.DDBS在虚拟机选择过程中...提出了一种云数据中心基于数据依赖的虚拟机选择算法DDBS(data dependency based VM selection).参考Cloudsim项目中方法,将虚拟机迁移过程划分为虚拟机选择操作(VM selection)和虚拟机放置(VM placement)操作.DDBS在虚拟机选择过程中考虑虚拟机之间的数据依赖关系,把选择与迁移代价值比较小的虚拟机形成侯选虚拟机列表,配合后续的虚拟机放置策略最终完成虚拟机的迁移过程.以Cloudsim云计算模拟器中的虚拟机选择及放置策略作为性能比较对象.实验结果表明:DDBS与Cloudsim中已有能量感知的算法比较起来,在虚拟机迁移次数和能量消耗方面都比较少,可用性比较高.展开更多
提出了基于组的多虚拟机迁移策略GBM-VMM(Group Based Multi-Virtual Machine Migration Model).GBM-VMM在虚拟机组选择的过程中,考虑了虚拟机迁移的时间代价和额外的能量消耗对主机响应时间的影响,根据资源的运行状态及组内剩余虚拟机...提出了基于组的多虚拟机迁移策略GBM-VMM(Group Based Multi-Virtual Machine Migration Model).GBM-VMM在虚拟机组选择的过程中,考虑了虚拟机迁移的时间代价和额外的能量消耗对主机响应时间的影响,根据资源的运行状态及组内剩余虚拟机的连接度(Degree of Connection,DoC)来完成候选迁移虚拟机组的形成.仿真结果表明:与常见的单虚拟机和多虚拟机迁移策略比较起来,GBM-VMM使得云数据中心的各类性能指标都可以改善,该实验结果对于其他企业构造节能云数据中心有很好的参考价值.展开更多
文摘提出了一种云数据中心基于数据依赖的虚拟机选择算法DDBS(data dependency based VM selection).参考Cloudsim项目中方法,将虚拟机迁移过程划分为虚拟机选择操作(VM selection)和虚拟机放置(VM placement)操作.DDBS在虚拟机选择过程中考虑虚拟机之间的数据依赖关系,把选择与迁移代价值比较小的虚拟机形成侯选虚拟机列表,配合后续的虚拟机放置策略最终完成虚拟机的迁移过程.以Cloudsim云计算模拟器中的虚拟机选择及放置策略作为性能比较对象.实验结果表明:DDBS与Cloudsim中已有能量感知的算法比较起来,在虚拟机迁移次数和能量消耗方面都比较少,可用性比较高.
文摘提出了基于组的多虚拟机迁移策略GBM-VMM(Group Based Multi-Virtual Machine Migration Model).GBM-VMM在虚拟机组选择的过程中,考虑了虚拟机迁移的时间代价和额外的能量消耗对主机响应时间的影响,根据资源的运行状态及组内剩余虚拟机的连接度(Degree of Connection,DoC)来完成候选迁移虚拟机组的形成.仿真结果表明:与常见的单虚拟机和多虚拟机迁移策略比较起来,GBM-VMM使得云数据中心的各类性能指标都可以改善,该实验结果对于其他企业构造节能云数据中心有很好的参考价值.