数据云中基于启发式反向蜂群的虚拟机选择节能算法

吉林大学学报(理学版)

数据云中基于启发式反向蜂群的虚拟机选择节能算法

姜建华^1,2, 刘渝^2, 王丽敏^2, 陈坚¹, 黄娜^1,3, 魏晓辉⁴

1. 吉林财经大学物流产业经济与智能物流实验室, 长春 130117； 2. 吉林财经大学管理科学与信息工程学院, 长春 130117；3. 上海财经大学信息管理与工程学院, 上海 200433; 4. 吉林大学计算机科学与技术学院, 长春 130012

收稿日期:2014-03-21 出版日期:2014-11-26 发布日期:2014-12-11
通讯作者: 王丽敏 E-mail:wlm_new@163.com

VM Selection EnergyEfficiency Algorithm Based on HeuristicBackward Artificial Bee Colony Method in Data Clouds

JIANG Jianhua^1,2, LIU Yu^2, WANG Limin², CHEN Jian¹, HUANG Na^1,3, WEI Xiaohui⁴

1. Laboratory of Logistics Industry Economy and Intelligent Logistics, Jilin University of Financeand Economics, Changchun 130117, China; 2. School of Management Science and Information Engineering,Jilin University of Finance and Economics, Changchun 130117, China; 3. School of Information Management and Engineering, Shanghai University of Finance and Economics, Shanghai200433, China; 4. College of Computer Science and Technology, Jilin University, Changchun 130012, China

Received:2014-03-21 Online:2014-11-26 Published:2014-12-11
Contact: WANG Limin E-mail:wlm_new@163.com

摘要/Abstract

摘要：

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.

关键词: 云计算, 虚拟机迁移, 虚拟机选择, 人工蜂群算法

Abstract:

Energyefficiency is a crucial issue in data center. Since dataintensive jobs have the characteristics of frequently reading and writing operations, CPU and RAM utilization rates are considered as two important influencing factors to make energyefficiency evaluation model. Artificial bee colony algorithm and heuristic backward thinking were applied to VM selection phase in VM migration policy to save energy. Compared with MMT,RS and MU algorithms in CloudSim, the proposed VM selection algorithm, ABCS, made energy 20%—25% saved and VM migration frequency less than 5%.

Key words: cloud computing, VM migration, VM selection, artificial bee colony algorithm

中图分类号:

TP316

姜建华, 刘渝, 王丽敏, 陈坚, 黄娜, 魏晓辉. 数据云中基于启发式反向蜂群的虚拟机选择节能算法[J]. 吉林大学学报(理学版), 2014, 52(06): 1239-1248.

JIANG Jianhua, LIU Yu, WANG Limin, CHEN Jian, HUANG Na, WEI Xiaohui. VM Selection EnergyEfficiency Algorithm Based on HeuristicBackward Artificial Bee Colony Method in Data Clouds[J]. Journal of Jilin University Science Edition, 2014, 52(06): 1239-1248.

[1]	王玉, 申铉京, 周昱洲, 林鸿斌. 一种求解交通网络中最短路径问题的人工蜂群算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1144-1150.
[2]	倪红梅, 刘永建, 李盼池. 基于自适应动态重组和极值扰动的人工蜂群算法[J]. 吉林大学学报(理学版), 2019, 57(3): 607-612.
[3]	陈惠娟, 赵旭, 陈亮. 云计算环境中移动网络低匹配度异质信息入侵感知预测算法[J]. 吉林大学学报(理学版), 2019, 57(06): 1449-1455.
[4]	袁赫潞, 温长吉, 吴建双, 朱允刚, 于合龙. 基于遗传珊瑚礁优化算法的负载均衡问题[J]. 吉林大学学报(理学版), 2019, 57(06): 1465-1471.
[5]	姜建华, 吴迪, 郝德浩, 王丽敏, 张永刚, 李克勤. 基于CDbw和人工蜂群优化的密度峰值聚类算法[J]. 吉林大学学报(理学版), 2018, 56(6): 1469-1475.
[6]	张爽, 王华, 高金刚. 基于小生境人工蜂群算法的字符边缘图像提取[J]. 吉林大学学报(理学版), 2018, 56(6): 1495-1500.
[7]	萨日娜. 基于蚁群粒子群优化算法的云计算资源调度方案[J]. 吉林大学学报(理学版), 2017, 55(06): 1518-1522.
[8]	任长安, 赵巾帼, 罗庆云. 云计算资源优化问题求解的萤火虫算法[J]. 吉林大学学报(理学版), 2017, 55(05): 1234-1238.
[9]	骆焦煌. 异常网络环境下云计算资源需求策略[J]. 吉林大学学报(理学版), 2017, 55(04): 964-969.
[10]	段新东, 张鑫, 林玉香. 云计算环境下非法用户入侵行为的检测与分析[J]. 吉林大学学报(理学版), 2017, 55(03): 623-628.
[11]	张彬, 李卫平, 王晋. 基于业务统一部署与管理的资源调度算法[J]. 吉林大学学报(理学版), 2017, 55(03): 652-656.
[12]	邹燕飞, 刘淑英. 改进蚁群算法的云计算资源调度模型[J]. 吉林大学学报(理学版), 2017, 55(03): 679-683.
[13]	王晓天, 韩啸. 基于改进粒子群算法的云计算服务部署优化[J]. 吉林大学学报(理学版), 2017, 55(02): 393-397.
[14]	王荣丽, 肖宇虹, 侯秀萍. 通信不确定MPI并行程序的测试数据自动生成方法[J]. 吉林大学学报(理学版), 2016, 54(06): 1378-1382.
[15]	匡珍春, 谢仕义. 基于猫群优化算法的云计算虚拟机资源负载均衡调度[J]. 吉林大学学报(理学版), 2016, 54(05): 1117-1122.