云數據中心基于皮爾遜相關系數的虛擬機選擇策略
2021年電子技術應用第10期
徐勝超1，宋 娟2，潘 歡2
1.廣州華商學院 數據科學學院，廣東 廣州511300； 2.寧夏大學 寧夏沙漠信息智能感知重點實驗室，寧夏 銀川750021
摘要： 提出了云數據中心基于皮爾遜相關系數的虛擬機選擇策略(Pearson Correlation coefficient Virtual Machine Selection，PC-VMS)。PC-VMS把統計學中的皮爾遜相關系數應用于虛擬機CPU歷史利用率數據，建立了衡量每對虛擬機CPU利用率之間的相關性的數學模型；PC-VMS會獲取每對虛擬機最近n次的CPU利用率，根據輸入的兩組數據來計算皮爾遜相關系數，最后在一組相關性最高的虛擬機中選擇一個CPU利用率最高的進行遷移，隨后結合虛擬機放置策略分配到新的目標物理主機上。仿真結果表明，PC-VMS與CloudSim4.0內置的虛擬機選擇策略相比，各類性能指標都有改善，PC-VMS可以為企業節能云數據中心的構造提供參考。
中圖分類號： TP393.4
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.211692
中文引用格式： 徐勝超，宋娟，潘歡. 云數據中心基于皮爾遜相關系數的虛擬機選擇策略[J].電子技術應用，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.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.211692
中文引用格式： 徐勝超，宋娟，潘歡. 云數據中心基于皮爾遜相關系數的虛擬機選擇策略[J].電子技術應用，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
如何提高云數據中心的物理主機的利用效率并進行負載均衡操作至關重要[1]，目前大部分云服務提供商都采用虛擬機遷移技術[2]。虛擬機選擇是整個虛擬機遷移過程的一個重要步驟，它的功能是從云數據中心的異常物理主機中運用一定的算法選擇出需要候選遷移的虛擬機，從而為后續的虛擬機放置過程提供輸入參數。
具有高關聯度的虛擬機之間更容易觸發超負載事件，因此如何防止那些高關聯性的虛擬機在虛擬機放置過程中被分配到同一個物理節點上就是一個關鍵問題[3-4]。
文獻[5]提出了虛擬機選擇和虛擬機放置過程結合起來,可以充分提高物理資源的使用效率,具有一定的優勢；文獻[6-7]提出了貪心算法優化的虛擬機選擇策略，在選擇過程中通過動態調整物理資源利用閾值邊界，可以很好地降低能量消耗；文獻[8-9]提出了溫度感知的虛擬機選擇策略，它將物理主機的處理器的溫度作為虛擬機選擇的標準，是一種考慮硬件的虛擬機選擇策略。文獻[10]提出了數據依賴的虛擬機選擇策略，它在選擇候選遷移虛擬機的過程中考慮虛擬機之間的數據依賴關系，它的思路與本文的考慮十分相似。實驗結果表明該策略也可以提高云數據中心的各類指標性能，但是文獻[5]-[10]都沒有考慮虛擬機的關聯性。
本文詳細內容請下載：http://www.xxav2194.com/resource/share/2000003787。
作者信息：
徐勝超1，宋 娟2，潘 歡2
(1.廣州華商學院 數據科學學院，廣東 廣州511300；
2.寧夏大學 寧夏沙漠信息智能感知重點實驗室，寧夏 銀川750021)
此內容為AET網站原創，未經授權禁止轉載。