基于能耗感知与动态性能评测的虚拟机部署方法研究

High energy consumption is a serious problem of the cloud platform. Virtual machine placement (VMP) is one of the most effective ways to reduce the energy consumption of the cloud platform, and it has important research value and application prospects. However, existing VMP methods did not take into account the VM performance degradation, which is caused by resources sharing and competition among VMs running on top of a physical machine (PM), so they couldn’t guarantee VM performance and may affect the user experience. To solve the high energy consumption and VMs performance degradation problems, we intend to study the VMP from two aspects: the energy consumption and the VM performance. First, with the experimental study and theoretical analysis, we analyze and study the relationships between the PM energy consumption, the VM performance and the hardware resources load of the PM based on energy aware and dynamic performance evaluation, respectively. Then we construct the PM energy consumption model and VM performance model. Second, based on the established models, we analysis the VPM constraints and present a multi-objective driven VMP model. We also propose a balancing PM energy and VM performance VMP method, including VM static placement algorithm and VM dynamic placement algorithm. Finally, based on a real cloud platform, we verify the proposed models and algorithms.

高能耗是云平台面临的一个严重问题，虚拟机部署技术是降低云平台能耗的最有效手段之一，具有重要的研究与应用价值。然而，当前的虚拟机部署方法并未考虑虚拟机之间的资源共享与竞争所导致的虚拟机性能下降问题，难以保障虚拟机的性能，影响用户体验。针对云平台高能耗与虚拟机性能下降问题，本项目拟从云平台和用户两个角度出发，综合考虑云平台能耗和虚拟机性能来研究虚拟机部署方法。首先，拟通过实验与理论分析相结合的方式，分别以能耗感知和动态性能评测为手段，分析并明确物理机能耗、虚拟机性能与物理机各种硬件资源负载之间的关联关系，建立云平台中物理机能耗模型和虚拟机性能模型；其次，以建立的能耗模型和性能模型为依据，分析虚拟机部署的约束条件，建立多目标驱动的虚拟机部署模型，并提出兼顾云平台能耗与虚拟机性能的虚拟机部署方法，包括虚拟机静态部署算法和虚拟机动态部署算法。最后，基于一个真实的云平台环境，验证所提模型与算法。

针对云平台存在的高能耗与虚拟机性能下降问题，本项目从云平台和用户两个角度出发来研究云平台中虚拟机的部署方法。项目主要研究内容：（1）给出建立物理机能耗模型的方法，建立云平台中物理机能耗模型；（2）分析虚拟化资源调度原理，考察共享硬件资源时虚拟机之间的相互影响，通过动态性能评测方法建立虚拟机性能模型；（3）建立基于能耗模型与性能模型的多目标驱动的虚拟机部署模型，并给出虚拟机部署方法，实现兼顾云平台能耗和虚拟机性能的虚拟机部署；（4）基于OpenStack云平台环境研制虚拟机管理原型系统，并以视频图像云服务及大数据分析为例来验证所提模型和方法。.项目针对现有的虚拟机部署方法进行创新和改进，获得的重要结果包括：（1）建立了基于物理机CPU负载的非线性物理机能耗模型，能耗测试数据拟合结果表明，该模型能够更准确地评估物理机能耗；（2）建立了基于物理机CPU负载的分段虚拟机性能模型，该模型能够更准确地预测虚拟机性能；（3）根据建立的物理机能耗模型和虚拟机性能模型，以物理机能耗优化与虚拟机性能保障为目标，结合虚拟机部署的约束条件，建立多优化目标多约束条件的虚拟机部署模型和聚合模型，并提出相应的虚拟机部署算法和迁移算法；（4）设计并实现了面向流媒体应用的OpenStack虚拟机调度管理原型系统，验证本项目所提出的虚拟机部署方法。研究成果包括：已发表或录用论文8篇，其中CCF推荐期刊论文3篇，CCF推荐会议论文5篇；申请国家发明专利3项；培养硕士研究生10名，其中已毕业4名；已超额完成项目成果指标。.本项目的科学意义包括：（1）挖掘了物理机CPU负载与物理机能耗、虚拟机性能之间的关联关系，从而建立了基于物理机CPU负载的物理机能耗模型和虚拟机性能模型；（2）基于物理机能耗模型和虚拟机性能模型抽象了云平台能耗优化与虚拟机性能保障目标，从而建立了兼顾云平台能耗和虚拟机性能的虚拟机部署模型。