基于CPU调频技术的云数据中心节能调度算法

摘要

云数据中心的高能耗已经成为亟待解决的问题。近年来，数据中心的组织层次越来越复杂，规模越来越大，这对能耗管理提出了更严峻的挑战。本文研究基于CPU调频技术的虚拟机调度算法(SCFS)以减少系统能耗。
　　本文的主要工作包括:OpenStack Essex云管理平台的搭建，物理机资源监控系统的创建，CPU变频能耗模型的提出与修正，OpenStack虚拟机调度算法的设计及实现，对比实验及结果分析。着重研究了虚拟机负载不同类型应用下SCFS与传统调度算法的不同效果。SCFS以CPU频率调节为基础，在虚拟机初始放置阶段，通过启发式的蚁群算法得到多目标优化的放置结果，达到减少能耗与满足SLA的综合效果;在虚拟机动态管理阶段，通过运用自回归预测法和CPU频率调节技术，减少了传统方法中通过迁移虚拟机调整CPU利用率的次数，降低了的迁移代价。
　　在21台联想x86机器集群的实验结果表明，基于CPU频率调节的节能算法(SCFS)在节能和满足SLA方面大大优于传统的Best Fit Descending和First FitDescending方法。文章最后对实验存在的一些不足做了分析，提出了改进的措施和未来研究的新方向。

目录

声明

致谢

摘要

1 引言

1．1 课题研究背景及意义

1．2 研究现状

1．3 本文组织架构

2 相关概念及预备知识

2．1 云数据中心基本架构

2．1．1 OpenStack概念

2．1．2 OpenStack计算组件-OpenStack Compute

2．1．3 OpenStack镜像管理组件-OpenStack Image Service

2．1．4 OpenStack存储组件-OpenStack Object Storage

2．2 虚拟化技术

2．2．1 虚拟化的概念

2．2．2 虚拟化的发展过程

2．2．3 虚拟化分类

2．3 虚拟机迁移技术

2．3．1 动态迁移的性能参数

2．3．2 动态迁移的整体框架

2．3．3 动态迁移实施阶段

2．3．4 虚拟机动态迁移对云数据中心资源调度的影响

3 CPU变频能耗模型

3．1 CPU调频技术

3．2 CPU变频能耗模型

3．2．1 能耗模型理论推导

3．2．2 模型验证实验

4 数据中心虚拟机初始化放置算法

4．1 虚拟机放置方案优化目标的选定

4．2 放置方案搜索算法的选择

4．3 虚拟机放置方案的生成

5 数据中心虚拟机动态管理算法

5．1 调整时机的选择

5．2 调节CPU频率应对负载变化

5．3 待迁虚拟机的选择

5．4 目的物理机的选择

6 对比实验及结果分析

6．1 实验环境

6．2 实验结果

6．2．1 初始化放置实验

6．2．2 综合实验

7 总结与展望

7．1 本文主要工作

7．2 研究与展望

参考文献

作者简历

学位论文数据集