数据中心启发式反向人工蜂群虚拟机整合节能策略

吉林大学学报(理学版)

数据中心启发式反向人工蜂群虚拟机整合节能策略

姜建华^1,2,3, 冯云钊^1,3, 吴迪^1,3, 刘颖^1,3, 王丽敏^1,3

1. 吉林财经大学管理科学与信息工程学院, 长春 130117； 2. 吉林财经大学物流产业经济与智能物流实验室, 长春 130117；3. 吉林财经大学吉林省互联网金融重点实验室, 长春 130117

收稿日期:2015-10-30 出版日期:2016-05-26 发布日期:2016-05-20
通讯作者: 姜建华 E-mail:jjh@jlufe.edu.cn

Virtual Machine Integration Energy Saving Strategy Based onHeuristic Backward Artificial Bee Colony in Data Centers

JIANG Jianhua^1,2,3, FENG Yunzhao^1,3, WU Di^1,3,LIU Ying^1,3, WANG Limin^1,3

1. School of Management Science and Information Engineering, Jilin University of Finance and Economics, Changchun 130117, China; 2. Laboratory of Logistics Industry Economy and Intelligent Logistics, Jilin University of Finance and Economics, Changchun 130117, China; 3. Jilin ProvinceKey Laboratory of Internet Fintech, Jilin University of Finance and Economics, Changchun 130117, China

Received:2015-10-30 Online:2016-05-26 Published:2016-05-20
Contact: JIANG Jianhua E-mail:jjh@jlufe.edu.cn

摘要/Abstract

摘要：

针对数据密集型作业的特点, 提出一个基于CPU和图形处理器（GPU）两个影响因素构建计算节点的能耗评估模型. 该模型基于原虚拟机选择节能算法(ABCS)在虚拟机选择节能策略中的能效优势, 进一步利用启发式思想改进蜂群优化算法, 寻求虚拟机整合的最优解. 在CloudSim 3.0[KG*6]云计算模拟器中的实验结果表明, 启发式反向蜂群算法能在保证服务质量的前提下, 有效降低虚拟机迁移次数, 进而降低数据中心的能耗（节能25%~30%）.

关键词: 数据中心, 虚拟机迁移, 虚拟机整合, 人工蜂群算法

Abstract:

In view of the characteristics of data intensive operations, we proposed an evaluation model based on CPU and graphics processing unit (GPU) as two influencing factors to calculate the energy consumption of the nodes. The model based on the selection of the original virtual machine (VM) energy saving algorithm in the virtual machine selection of energyefficiency advantages, it further used heuristic idea to improve the bee colony optimization algorithm, and sought the best optimal solution of VM integration. The experimental results in the CloudSim 3.0 cloud computing simulator show that the heuristic backward bee colony algorithm can effectively reduce the number of VM migration on the premise of guaranteeing the quality of service, and then reduce the energy consumption of data center (25%—30%).

Key words: data center, virtual machine migration, virtual machine integration, artificial bee colony algorithm

中图分类号:

TP391

姜建华, 冯云钊, 吴迪, 刘颖, 王丽敏. 数据中心启发式反向人工蜂群虚拟机整合节能策略[J]. 吉林大学学报(理学版), 2016, 54(03): 597-602.

JIANG Jianhua, FENG Yunzhao, WU Di,LIU Ying, WANG Limin. Virtual Machine Integration Energy Saving Strategy Based onHeuristic Backward Artificial Bee Colony in Data Centers[J]. Journal of Jilin University Science Edition, 2016, 54(03): 597-602.

[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]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	温长吉, 王生生, 赵昕, 李健, 周翠娟. 基于改进蜂群算法的项目反应理论混合模型参数估计[J]. 吉林大学学报(理学版), 2014, 52(04): 758-762.
[8]	魏晓辉, 蒋娜, 郭庆南, 李洪亮. 跨域虚拟网络环境下虚拟机Live的迁移机制[J]. J4, 2011, 49(03): 481-486.