《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 其他 > 設(shè)計(jì)應(yīng)用 > 云數(shù)據(jù)中心基于皮爾遜相關(guān)系數(shù)的虛擬機(jī)選擇策略
云數(shù)據(jù)中心基于皮爾遜相關(guān)系數(shù)的虛擬機(jī)選擇策略
2021年電子技術(shù)應(yīng)用第10期
徐勝超1，宋 娟2，潘 歡2
1.廣州華商學(xué)院 數(shù)據(jù)科學(xué)學(xué)院，廣東 廣州511300； 2.寧夏大學(xué) 寧夏沙漠信息智能感知重點(diǎn)實(shí)驗(yàn)室，寧夏 銀川750021
摘要： 提出了云數(shù)據(jù)中心基于皮爾遜相關(guān)系數(shù)的虛擬機(jī)選擇策略(Pearson Correlation coefficient Virtual Machine Selection，PC-VMS)。PC-VMS把統(tǒng)計(jì)學(xué)中的皮爾遜相關(guān)系數(shù)應(yīng)用于虛擬機(jī)CPU歷史利用率數(shù)據(jù)，建立了衡量每對(duì)虛擬機(jī)CPU利用率之間的相關(guān)性的數(shù)學(xué)模型；PC-VMS會(huì)獲取每對(duì)虛擬機(jī)最近n次的CPU利用率，根據(jù)輸入的兩組數(shù)據(jù)來(lái)計(jì)算皮爾遜相關(guān)系數(shù)，最后在一組相關(guān)性最高的虛擬機(jī)中選擇一個(gè)CPU利用率最高的進(jìn)行遷移，隨后結(jié)合虛擬機(jī)放置策略分配到新的目標(biāo)物理主機(jī)上。仿真結(jié)果表明，PC-VMS與CloudSim4.0內(nèi)置的虛擬機(jī)選擇策略相比，各類(lèi)性能指標(biāo)都有改善，PC-VMS可以為企業(yè)節(jié)能云數(shù)據(jù)中心的構(gòu)造提供參考。
中圖分類(lèi)號(hào)： TP393.4
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.211692
中文引用格式： 徐勝超，宋娟，潘歡. 云數(shù)據(jù)中心基于皮爾遜相關(guān)系數(shù)的虛擬機(jī)選擇策略[J].電子技術(shù)應(yīng)用，2021，47(10)：77-81.
英文引用格式： Xu Shengchao，Song Juan，Pan Huan. The Pearson correlation coefficient based virtual machine selection strategy for cloud[J]. Application of Electronic Technique，2021，47(10)：77-81.
The Pearson correlation coefficient based virtual machine selection strategy for cloud
Xu Shengchao1，Song Juan2，Pan Huan2
1.School of Date Science，Guangzhou HuaShang College，Guangzhou 511300，China； 2.Ningxia Key Lab of Intelligent Sensing for Desert Information，Ningxia University，Yinchuan 750021，China
Abstract： A Pearson correlation coefficient virtual machine selection approach called PC-VMS was proposed and discussed in this paper. PC-VMS uses the calculation method in statistics of Pearson correlation coefficient for historical CPU utilization data of virtual machines, and establishes a measurement of the CPU utilization of each pair of virtual machines. The mathematical model of the correlation between the rates was also constructed. The PC-VMS algorithm will obtain the CPU utilization of the last n times for each pair of virtual machines, calculate the Pearson correlation coefficient based on the two sets of input data, and finally select the virtual machines in the group of the highest correlation and allocate it on the target physical host. The experimental results and performance analysis show this strategy leads to a further improvement compared with the old migration strategies in CloudSim4.0. This strategy is valuable for other cloud providers to build a low energy consumption cloud data center.
Key words : Pearson correlation coefficient；virtual machine selection；energy consumption model；cloud data centers；virtual machine migration

0 引言

    如何提高云數(shù)據(jù)中心的物理主機(jī)的利用效率并進(jìn)行負(fù)載均衡操作至關(guān)重要[1]，目前大部分云服務(wù)提供商都采用虛擬機(jī)遷移技術(shù)[2]。虛擬機(jī)選擇是整個(gè)虛擬機(jī)遷移過(guò)程的一個(gè)重要步驟，它的功能是從云數(shù)據(jù)中心的異常物理主機(jī)中運(yùn)用一定的算法選擇出需要候選遷移的虛擬機(jī)，從而為后續(xù)的虛擬機(jī)放置過(guò)程提供輸入?yún)?shù)。

    具有高關(guān)聯(lián)度的虛擬機(jī)之間更容易觸發(fā)超負(fù)載事件，因此如何防止那些高關(guān)聯(lián)性的虛擬機(jī)在虛擬機(jī)放置過(guò)程中被分配到同一個(gè)物理節(jié)點(diǎn)上就是一個(gè)關(guān)鍵問(wèn)題[3-4]。

    文獻(xiàn)[5]提出了虛擬機(jī)選擇和虛擬機(jī)放置過(guò)程結(jié)合起來(lái),可以充分提高物理資源的使用效率,具有一定的優(yōu)勢(shì)；文獻(xiàn)[6-7]提出了貪心算法優(yōu)化的虛擬機(jī)選擇策略，在選擇過(guò)程中通過(guò)動(dòng)態(tài)調(diào)整物理資源利用閾值邊界，可以很好地降低能量消耗；文獻(xiàn)[8-9]提出了溫度感知的虛擬機(jī)選擇策略，它將物理主機(jī)的處理器的溫度作為虛擬機(jī)選擇的標(biāo)準(zhǔn)，是一種考慮硬件的虛擬機(jī)選擇策略。文獻(xiàn)[10]提出了數(shù)據(jù)依賴的虛擬機(jī)選擇策略，它在選擇候選遷移虛擬機(jī)的過(guò)程中考慮虛擬機(jī)之間的數(shù)據(jù)依賴關(guān)系，它的思路與本文的考慮十分相似。實(shí)驗(yàn)結(jié)果表明該策略也可以提高云數(shù)據(jù)中心的各類(lèi)指標(biāo)性能，但是文獻(xiàn)[5]-[10]都沒(méi)有考慮虛擬機(jī)的關(guān)聯(lián)性。




本文詳細(xì)內(nèi)容請(qǐng)下載：http://ihrv.cn/resource/share/2000003787。




作者信息：

徐勝超1，宋  娟2，潘  歡2

(1.廣州華商學(xué)院 數(shù)據(jù)科學(xué)學(xué)院，廣東 廣州511300；

2.寧夏大學(xué) 寧夏沙漠信息智能感知重點(diǎn)實(shí)驗(yàn)室，寧夏 銀川750021)




wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。