科技论坛
基于最大最小蚁群算法的虚拟机整合
关启明新棋桢孙学梅谢少亭
（天津工业大学计算机科学与教件学院，天津300387）
· 29 ·
摘要：云数据中心能量高消耗问题引起人们的关注，而动态的虚拟机整合为云数据中心的高耗能问题提供了新的解决办法，虚拟机的整合方法是让处于超载、欲超载、低载物理机上的虚拟机发生迁移，使迁移后的物理机处于关闭或低耗能模式。提出了一种最新的动态整合虚拟机方法一基于最大最小的虚拟机整合算法(MMAS-VCM)来减少云数据中心能量消耗。通过MMAS-VCM算法对虚拟机进行动态整合实现多目标优化问题，减少虚拟机的迁移次数，减少云数据中心能量的消耗。通过cloudsim-3.0仿真实验验证MMAS-VCM算法在减少能耗和虚拟机迁移次数方面的性能大大提高。
关键词：最大最小奴群算法；能量消耗；虚拟机迁移；动态虚拟机整合
1概述
这里使用的算法将在下一部分中着重介绍。
（3)全局代理发送命令给虚拟机监视器（VMMs），虚拟机监视起
云计算是计算机软件与硬件技术的飞速发展的产物。在实际应
用中，云计算以其超大规模、虚拟化、高可靠性、极其廉价等优点被来执行拟机迁移整合任务，该命令决定了哪些虚拟机需要迁移到广泛应用于各个行业。但是，随着云计算额广泛应用，云平台上的用哪些目的物理机上。
户和各种类型的应用的不断增加，导致有一个显着增加的规模和能
（4）当VMM从GA那收到指令后开始执行真实的虑拟机迁移
源消耗云数据中心川，云计算环境下的资源分配间题和云计算的能计划。
耗间题被暴露了出来
3基于最大最小的蚊群算法
在实际中，一些计算机的负载过重会一直处于忙碌状态，面另
首先，我们对基于蚁群系统的虚拟机整合算法创建了一套元组
一些计算机的负载则过轻会一直处于空闲状态，在这种情况下，系T，每一个元组tET，其中包含三个元素：源物理机Pso，要迁移的虚统范围内资源的利用率就大大降低同时也导致了不必要的资源浪拟机v，目的物理机P。，如公式(1)：
费，这不符合当下“绿色“的概念。
现存的用于减少数据中心的物理机低利用率和优化能量消耗的虚拟机整合方法有很多P-9,但是为了降低云数据中心能量消耗所使用的虚拟机动态整合方法大多数是基于启发式的贪心算法。基
t= (po, V,pa)
(1)
将物理机在本间题中的角色类比TSP间题中的城市，将元组类比联结城市额边缘。因此，要减少整合算法的计算时间就要根据
于启发式的负心算法虽然能够优化虚拟机的放置，但是也存在明显
：定的约束条件来减少元组的数量。在本算法中，我们根据（2)(3)两个约束条件来去除一些不重要的或者已经废弃的元组。
的缺点，例如其使用的是单点搜索策略，搜索过程中容易陷人局部
最优，虚拟机的分配不能实现整体分配的效果。因此需要进一步的改进优化。
本文首次将基于最大最小的蚁群算法应用于虚拟机的整合中，使用人工蚂蚊根据物理主机的状态（超载，正常，低载)将虚拟机迁
P,E Pvoer V P,E PeV P.EPa Pae Poner 入 pe Puorer
(2)(3)
依据上述(2)(3)两个约束条件，确保了仅有一个预测超载，
个超载，或者一个轻载的物理机被用作源物理机，同时保证了没有
移到其他的活跃的物理主机上来减少物理主机活既的数量，减少能
量消耗。这些妈数主要的目的就是找到一个基于特定目标函数的虚拟机迁移计划，从而实现减少云数据中心能量消耗的目的。我们
超载的物理机和预测超载的物理机变成目的物理机。通过在一系列的预设实验中应用两个简单的约束，可以注意到在满足服务质量的
条件下有效的减少了算法的计算时间。
通过使用CloudSim进行仿真评价.仿真结果表明，该算法与现存的
虚拟机整合算法相比，不仅减少了虚拟机的迁移次数，面且减少了数据中心的能量消耗。
2系统架构
在本系统架构中，物理机的状态被划分为四种状态：正常物理机(P)超载物理机(P).预测超载物理机(P)和轻载物理机(P)。如果当前CPU利用率超过了环境中物理机的容量，我们就将这个物理机定义为超载物理机；如果我们预测到的CPU利用率大于CPU可利用的容量，则这个物理机被定义为预测超载物理机；如果当前CPU利用率的值低于CPU总利用率的阔值，此物理机被定义为轻载物理机（一般达到阔值的50%为最佳）：除外的其他各种运行状态的物理机都定义为正行物理机。
本文使用的系统架构模型，它包括两个类型的代理：局部代理和全局代理。每个物理机中都有一个局部代理，局部代理的主要任务是通过监测物理机的最近资源利用率来确定物理机的状态。全局代理则充当一个监督者，并且利用本文提出的基于自适应蚊群算法的虚拟机整合算法来优化虚拟机放置。本系统的具体工作流程描述如下：
(1)局部代理(LA)监视CPU的利用率并且将物理机分为四类。(2)全局代理(GA)收集每一个物理机的状态，并且利用基于最
根据下面的目标函数公式（4)，我们来设计虚拟机迁移的计划，(M)=|P-+
(4)
为使可以用最少的活跃的物理机来满足所有虚拟机的要求，我们定义M为迁移计划，Pso是当M被执行时将要关闭为睡眠状态的物理机集合(读者请注意区别Pso与前文提到的Pso)。参数决定了 IPsol相对于IMI的重要性。
在算法的最后，当选择的迁移计划被执行时，通过将虚拟机迁移到活跃的物理机上来约束活跃的物理机的数量。因此，一个物理机当且仅当不可能有虚拟机从此物理机迁移到活联的物理机上时此物理机才会关闭为睡眠模式。
此外，当他上面的所有虚拟机已迁移走，也就是说在此物理机上不在寄宿每一个虚拟机，此物理机被关闭为睡眠模式。因此，处于睡眠模式的物理机如公式(5)：
P [vpE PV, ]
(5)
其中，Vp是在一个物理机P上的虚拟机集合。
根据公式(6)的随机状态转移规则，每一只妈蚁进行下-个元
组的选择，从而进行导路
大最小数群算法的虚拟机整合算法建立--个全局最优的迁移计划，
资助项目：天津工业大学13级大学生创新训练计划资助项目[201510058095] 万方数据