综合迁移成本和通信成本的云计算节能策略
云计算中的数据中心能耗和成本
云计算中的数据中心能耗和成本云计算是一种快速、灵活、高效的计算模式，近年来逐渐成为企业、政府、机构等众多组织的首选技术方案。
它改变了传统的IT 建设和运维方式，极大地提高了计算资源的利用效率，但同时也带来了新的问题和挑战。
其中，数据中心能耗和成本一直是云计算领域中的重要研究方向。
一、云计算中的数据中心能耗问题数据中心是云计算的关键组成部分，它是云计算资源的核心存储和处理中心。
然而，数据中心能耗巨大，已经成为世界范围内的热门议题。
数据中心能耗问题主要集中于以下四个方面：1.空调系统耗电量数据中心需要保持一个恒定的温度和湿度，以确保服务器和网络设备正常运行。
然而，巨大的服务器数量和运行时间，导致数据中心需要消耗大量的电力来维持空调系统的运转。
2.数据存储与处理设备耗电量数据中心不仅需要存储海量数据，还需要对这些数据进行处理和计算。
这些工作需要巨大的计算能力和存储空间，因此数据中心必须配备大量的服务器、存储设备等，这些设备的耗电量是数据中心的主要能耗来源。
3.网络设备耗电量数据中心需要支持大规模的网络流量，并且需要保证网络通信的高速率和低延迟。
这就需要大量的网络设备，如交换机、路由器等，这些设备的耗电量同样不能忽视。
4.备用电源的耗电量数据中心作为重要的计算和存储中心，需要保证连续不断的运行。
因此，备用电源系统的配备就显得尤为重要。
每个数据中心都需要有大型的 UPS（不间断电源系统）和柴油发电机等，这些备用电源系统也是数据中心能耗的重要来源。
二、云计算中的数据中心成本问题除了数据中心的能耗问题，数据中心的运营成本也是云计算中的一个重要问题。
数据中心运营成本主要来自以下四个方面：1.硬件设备采购成本数据中心中需要大量的服务器、存储设备等硬件设备，这些设备都需要购买，成本相当昂贵。
2.人力成本数据中心需要大量的管理和维护人员，包括硬件设备维护、电力、网络、安全等方面的人员。
而这些人员的工资也是数据中心运营成本的一个重要来源。
云计算在多云环境中的管理策略
云计算在多云环境中的管理策略随着云计算技术的不断发展和普及，越来越多的企业和组织选择将其业务和数据迁移到云端。
然而，在多云环境中管理云计算资源和服务也带来了新的挑战和复杂性。
为了更好地应对多云环境下的管理需求，制定科学合理的管理策略显得尤为重要。
本文将探讨云计算在多云环境中的管理策略，旨在帮助企业和组织更好地利用云计算技术。
一、多云环境下的挑战在多云环境中管理云计算资源和服务面临诸多挑战，主要包括以下几个方面：1. 多样化的云服务提供商：企业可能同时使用多家不同的云服务提供商，如AWS、Azure、Google Cloud等，不同云服务提供商的管理界面和操作方式各不相同，给管理带来一定的复杂性。
2. 跨云平台的集成：在多云环境中，不同云平台之间的集成和数据交互成为一项重要的工作，需要统一的管理和监控机制来确保各个云平台之间的协同工作。
3. 安全和合规性：多云环境中数据的安全性和合规性是一个重要问题，需要制定严格的安全策略和合规控制措施来保护数据不被泄露或篡改。
4. 成本控制：在多云环境中，如何有效控制成本也是一个挑战，需要对不同云服务的定价机制和使用情况进行分析，合理规划资源的使用和分配。
二、多云环境管理策略针对多云环境中的挑战，制定科学合理的管理策略至关重要。
以下是在多云环境中管理云计算资源和服务的一些建议策略：1. 统一管理平台：建立统一的管理平台，整合各个云服务提供商的管理界面，实现统一的管理和监控。
可以借助第三方的云管理平台，如CloudHealth、RightScale等，实现跨云平台的集成和管理。
2. 自动化运维：采用自动化运维工具和技术，实现自动化部署、监控和故障处理，提高运维效率和可靠性。
可以利用DevOps工具，如Ansible、Chef、Puppet等，实现自动化运维管理。
3. 数据安全和合规性：建立完善的数据安全策略和合规控制措施，加密敏感数据，限制数据访问权限，定期进行安全审计和漏洞扫描，确保数据的安全和合规性。
云计算技术中的云资源使用效率与优化解决方案
云计算技术中的云资源使用效率与优化解决方案随着云计算技术的发展，越来越多的企业和个人开始将自己的数据和应用迁移到云平台上。
云计算的特点是资源共享和按需服务，然而，随着云服务规模和复杂度的增加，云资源的利用效率和优化成为了一个重要的问题。
本文将介绍云计算技术中的云资源使用效率与优化的解决方案。
首先，了解云资源使用效率的关键指标是很重要的。
其中，云资源的利用率是衡量云资源使用效率的重要指标之一。
云资源利用率的提高可以有效降低能源消耗和成本，并减少对环境的影响。
为了提高云资源的利用率，可以采用虚拟化技术。
虚拟化技术可以将物理资源虚拟化成多个虚拟资源，实现资源的共享和提高资源的利用率。
此外，通过动态资源分配和负载均衡，使得资源能够更加合理地分配和利用。
其次，优化云资源的分配和调度也是提高云资源使用效率的重要手段。
通过合理的资源分配和调度策略，可以实现云平台上资源的动态迁移和自适应分配，从而提高系统的整体性能和资源利用效率。
其中，可以采用负载均衡和任务调度算法来实现资源的优化分配。
负载均衡算法可以根据系统的负载情况，将任务合理地分配到各个资源节点上，避免资源的过载或闲置；而任务调度算法可以根据任务的特点和资源的状态，将任务分配到合适的资源上，减少任务的等待时间和能耗。
此外，通过数据副本和冗余容灾技术，可以提高云资源的可靠性和可用性。
数据副本将数据复制到不同的位置，保证数据的可靠性和可用性，避免数据丢失和服务中断。
冗余容灾技术可以根据云服务的需求，设置冗余资源和备份设施，保证云服务的高可用性和快速恢复能力。
通过合理设置数据副本和冗余容灾策略，可以减少资源浪费和提高服务质量。
另外，云计算还可以通过节能技术来提高云资源的使用效率。
节能技术是通过减少资源的能耗来提高资源的利用效率和环境的可持续发展。
在云计算中，可以通过硬件的能耗管理和优化、资源的动态休眠和唤醒等方法来实现节能目标。
同时，也可以通过智能的能源监控和管理系统来实时监控和调整资源的能耗情况，从而提高云资源的节能效果和使用效率。
云计算在云迁移服务的流程与注意事项
云计算在云迁移服务的流程与注意事项是一个涉及到多方面的问题，涉及了策略、技术、成本等多个层面。
云迁移是一个涉及到业务逻辑和业务实现的系统级问题，而且会涉及到资源的整合和管理。
在这个过程中，有几个关键的步骤和注意事项。
首先，评估当前应用是第一步。
评估应用的运行状况，找出存在的安全隐患、故障风险等。
对现有系统的规模进行量化分析，包括系统负载、数据量、用户数量等，以确定是否适合迁移到云端。
同时，也需要评估应用的性能需求，包括响应时间、数据吞吐量等。
接下来是选择云服务供应商。
在选择供应商时，需要考虑多个因素，如服务价格、服务质量、技术支持等。
同时，也需要考虑供应商的云服务是否符合企业的业务需求，如数据安全、合规性等。
在确定了云服务供应商后，需要进行云迁移计划。
这包括确定迁移的时间表、迁移的步骤、迁移的风险等。
在迁移过程中，需要保持系统的稳定性和数据的安全性，避免出现中断服务或数据丢失的情况。
在完成迁移后，需要对新的云环境进行测试和验证。
测试的内容包括系统的稳定性、数据的完整性、用户的使用体验等。
同时，也需要对新的云环境进行性能评估，以确保其满足企业的业务需求。
在云迁移过程中，有几个重要的注意事项：1. 备份和恢复策略：在云迁移前，需要制定完善的备份和恢复策略，以确保在出现意外情况时能够及时恢复数据和系统。
2. 安全性：云环境中的安全性问题需要得到足够的重视。
企业需要选择具有良好安全记录的云服务供应商，并定期进行安全审计和风险评估。
3. 成本和效益：云迁移需要考虑到成本和效益的问题。
企业需要制定合理的预算，并确保云迁移能够带来足够的效益，如提高系统的性能、降低运营成本等。
4. 兼容性和可扩展性：在云迁移前，需要确保现有应用能够兼容新的云环境，并能够进行有效的扩展。
5. 风险控制：在云迁移过程中，需要密切关注可能出现的问题和风险，并及时采取措施进行控制和解决。
总的来说，云计算在云迁移服务的流程需要全面考虑企业自身的实际情况和需求，同时也需要选择合适的云服务供应商，以确保迁移过程的顺利进行。
云计算平台中的资源优化方案与实践经验分享
云计算平台中的资源优化方案与实践经验分享随着云计算的快速发展，越来越多的企业选择将自己的业务迁移到云平台上。
云计算平台的核心是资源的优化管理，这不仅可以提高资源利用率，还可以降低成本和提高性能。
本文将介绍云计算平台中的资源优化方案与实践经验，帮助读者更好地了解并应用于实践中。
一、资源优化方案1. 弹性扩展弹性扩展是云计算平台中最基本的资源优化方案之一。
当业务需求量增加时，系统可以根据实际情况自动扩展资源，以满足业务的需求。
反之，当需求减少时，系统可以自动收缩资源，以节省成本。
弹性扩展的关键在于监控业务的负载情况，当负载达到阈值时自动触发资源扩展或收缩的操作。
2. 资源调度与负载均衡资源调度和负载均衡是云计算平台中另一个重要的资源优化方案。
通过合理地调度和分配系统中的资源，可以实现负载均衡，提高系统的吞吐量和响应速度。
资源调度算法的选择和实现对系统性能的影响非常大，需要结合具体的业务需求和系统特点来进行优化。
3. 数据存储和备份策略在云计算平台中，数据存储是非常重要的。
合理的数据存储和备份策略可以确保数据的安全性和可靠性，并提高系统的可用性。
常用的数据存储和备份策略包括冗余备份、数据压缩、分布式存储等。
4. 虚拟化技术虚拟化技术是云计算平台中的核心技术之一。
通过虚拟化技术，可以将一台物理服务器划分为多个虚拟服务器，实现资源的有效利用。
虚拟化技术还可以提高系统的灵活性和可扩展性，使系统更容易进行资源优化和管理。
二、实践经验分享1. 制定明确的资源优化目标在进行资源优化之前，需要明确资源优化的目标。
不同的业务需求会有不同的优化目标，例如提高系统的吞吐量、降低系统的延迟、减少资源的消耗等。
只有明确了优化目标，才能有针对性地进行资源优化。
2. 监控和分析资源的使用情况资源优化需要依赖于对资源使用情况的监控和分析。
通过监控和分析，可以了解系统的负载情况、资源的利用率等信息，从而找到系统的瓶颈和优化的方向。
建议使用专业的监控软件和工具来收集和分析资源数据，以便更好地优化资源。
数据机房、通讯基站综合节能解决方案(科林北京)
靠度，同时达到节能目标。
22
误区三：机房节能效果无法验证 答疑： • 数据机房的PUE计算是国际通用效率计算方式，也是衡量机房效率最直 观有效的标准值，根据节能前后的PUE的数值对比，结合IT 的用电量， 即可计算出实际的节能量，以此作为节能量计算方法和依据，简单明确。
23
误区四：机房节能与我无关
2 1.7
0.3
0.4 0.2 0.2
0.4
0.4
0.4
0.3
0.3
0.3
0.3
0.3
32
案例二：集装箱式数据中心
京东方工业园区集装箱节能改造：19个32A机柜，采用冷风防倒灌处理、冷风 防短路处理、加装缓冲门、电气改造等策略，PUE降低了0.2，年节电量7万kwh 。
33 案例三：IDC机房节能改造 北京酒仙桥京东方工业园区节能改造：面积1000㎡，500个16A机柜。 1、大幅降低了机房局部过热问题，消除了安全隐患；
关键参数，也直接关系到气体消防能否起作用。
27 三、综合节能实施模式 1、EMC模式（合同能源管理）
国外简称为EPC（Energy Performance Contracting），国内称为EMC（Energy Management Contracting），是一种基于市场的节能机制。
节能服务公司通过合同能源管理的方
3、其他合作模式
3、案例3
3 一、背景与现状
1、什么是数据中心？
数据中心内部基本构成
IDC机房、通讯基站都属于数据中心
4
2、什么是PUE？
机房总能耗
PUE 电源使用效率——国际通行数据中心电力
使用效率衡量指标 PUE值越接近于1 ，表示一个数据中心的绿色 化程度越高。
移动通信机房基站绿色节能减排策略
移动通信机房基站绿色节能减排策略摘要：在当今科技飞速发展的时代，能源消耗和环保问题已成为全球关注的焦点。
随着数字化社会的不断壮大，通信行业也在迅速扩张，这引发了对能源效率和可持续性的更大关注。
特别是移动通信基站和机房，在信息传输和互联互通中发挥着至关重要的作用，但也因其高能耗特性而受到了广泛的关切。
为了应对这一挑战，绿色节能成为了通信行业的重要议题。
在这一背景下，本文将探讨如何在移动通信机房基站中实施绿色节能策略，以降低能源消耗、减少碳排放、提高可持续性，并同时改善运营效率。
深入研究包括设备升级、节能照明、自动化控制等策略，以及它们在实际应用中的影响和益处。
关键词：移动通信；机房基站；绿色节能减排一、移动通信机房基站绿色节能减排的重要意义依赖传统能源来源的不稳定性和供应中断风险日益加剧。
通过采用可再生能源和能源多样化策略，可以提高能源供应的安全性，减少对不稳定供应的依赖。
通信行业在社会中发挥着关键作用，因此具有社会责任感。
采取绿色节能措施是对社会的回馈，可以提升企业形象，并获得社会的认可和支持。
推动绿色节能技术的研究和应用有助于通信行业的技术创新。
采用高效的设备、智能控制系统和可再生能源等技术创新将提高通信网络的性能，增强竞争力。
绿色节能减排是可持续发展的核心要素。
通信行业的可持续性发展有助于满足未来世代的需求，而不危害当前和未来的资源和环境。
二、移动通信机房基站绿色节能优化减排策略（一）能源管理系统（EMS）的应用需要安装专门的能源管理系统硬件和传感器，以监测机房基站的各个能源使用情况，包括电力、制冷和设备功耗。
这些传感器可以安装在电力供应线、制冷系统、服务器、UPS（不间断电源）等设备上。
这些传感器会收集实时数据，如电能消耗、温度、湿度、设备运行状态等。
这些数据将通过网络传输到EMS系统，通常是云端或本地数据中心。
EMS系统提供了实时监测能源使用的功能。
通过仪表板和可视化工具，网络管理员可以随时查看能源使用情况，包括当前功耗、温度、UPS电池状态等。
云计算总结实践经验与问题解决方案
云计算总结实践经验与问题解决方案随着信息技术的不断发展，云计算正逐渐成为企业和个人今日之选。
作为一种基于网络的计算模式，云计算提供了一种灵活、可靠和高效的信息存储和处理方式。
通过云计算，用户能够随时随地访问到他们需要的资源，并根据需求进行灵活的调整。
然而，云计算也存在一些挑战和问题。
在本文中，我将总结我在云计算实践中的经验，并提供一些解决这些问题的方案。
一、云计算的实践经验1. 关注数据安全在云计算中，数据安全是一个至关重要的问题。
由于数据存储在公共云中或由第三方提供商管理，因此必须确保数据的机密性和完整性。
在实践中，我始终重视数据的加密保护和访问权限的控制，确保只有授权人员才能访问敏感数据。
2. 弹性和灵活性云计算的一个主要优势是其弹性和灵活性。
在我的实践中，我利用云计算的弹性功能，根据需求进行资源的动态调整。
这种灵活性使我能够有效地应对服务器负载变化和业务需求的变更。
3. 降低成本云计算提供了一种更经济高效的计算模式。
通过使用云服务，我不再需要购买昂贵的硬件设备和软件许可证，而是根据需求付费使用云服务。
这种按使用量付费的模式帮助我降低了部署和维护的成本。
二、云计算的问题解决方案1. 网络延迟和故障在云计算中，网络延迟和故障可能导致服务不可用或降级。
为了解决这个问题，我的解决方案是使用多个云服务提供商，在不同地理位置和网络环境下部署应用程序和数据。
这样，如果一个云服务出现问题，可以迅速切换到其他可用的云服务。
2. 数据迁移和互操作性数据迁移和互操作性是云计算中常见的挑战。
当我需要将数据从一个云平台迁移到另一个云平台时，我会先进行数据备份，然后使用工具和技术将数据导出并导入到目标平台。
此外，我也会确保所选云服务具有充分的互操作性，以便与其他系统和应用程序进行集成。
3. 安全性和隐私问题在云计算环境下，安全性和隐私问题是令人担忧的。
为了解决这些问题，我会选择具有高级安全功能和隐私保护措施的云服务提供商。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ａ Ｎｅｗ Ｖｉｒｔｕａｌ
Ｍａｃｈｉｎｅ Ｍｉｇｒａｔｉｏｎ Ｓｔｒａｔｅｇｙ Ｂａｓｅｄ
ｏｎ
Ｍｉｇｒａｔｉｏｎ Ｃｏｓｔ
ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｃｏｓｔ ｆｏｒ Ｐｏｗｅｒ Ｓａｖｉｎｇ ｉｎ Ｃｌｏｕｄ
ＹＩＮ Ｂｏ，
ＷＡＮＧ
Ｙｉｎｇ，
ＭＥＮＧ Ｌｕｏ—ｍｉｎｇ，
Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ
殷 波，
王
颖，
孟洛明，
邱雪松
（北京邮电大学网络与交换技术国家重点实验室，北京１００８７６）
摘要：云计算数据中心将分散在不同物理服务器上的虚拟机通过迁移进行聚集，从而关停或休眠迁空的物理服务 器以实现节能．针对当前虚拟机迁移方法仅考虑了迁移成本或者仅考虑了由应用相关性带来的虚拟机之间的通信 成本，提出一种虚拟机迁移策略，以实现数据中心节能的目标，并且综合考虑了迁移成本和通信成本．仿真结果表 明，该策略有效降低了数据中心的能耗和迁移成本及迁移后虚拟机间的通信成本． 关键词：云计算；节能；虚拟机迁移 中图分类号：ＴＰ３９３ 文献标志码：Ａ
避 蹈 酶 屡
（１２。，Ⅳ，）；
△Ｖ＝Ａ Ｖ一∥，； Ｅｎｄ ｉｆ； Ｅｎｄ ｆｏｒ；
图２迁移前后通信成本对比图
２
实验结果
实验的单个物理服务器配置是Ｘｅｏｎ
Ｅ５６２０ ＧＢ
（２．４ Ｇ）４核８线程的处理器，３０
ＳＡＳ １ＴＢ ２００８Ｒ２
ＤＤＲ的内存，
Ｓｅｒｖｅｒ
杰 ＼
耀 犍
蹈
ＲＡＩＤ５硬盘，物理节点使用Ｗｉｎｄｏｗｓ
（２）
行的虚拟机数目，计算ｌ勺”ｌ，得到运行所有活虚
拟机的物理服务器数目的最小下界；然后，将该值 作为理想的数据中心工作的物理服务器数目．按
其中，ｓ。ｎ。，为迁移前工作的物理服务器数目；ｓ。晰为 迁移后工作的物理服务器数目．整个数据中心节省 的能耗值为Ｐ。…№。（Ｓ。。，一Ｓ。‰）． １．３迁移成本模型 由于物理服务器所处的拓扑位置不同，将虚拟 机迁移到不同的物理服务器时，迁移路径也不相同， 因此迁移成本与迁移路径有关．迁移成本表示为 Ｃｏｓｔｍｉｇ（口。，ｓ，）＝ｃ咄Ｄ（ｓ（口。），ｓ，） （３）
ｆｏｒ（ｉ＝０；ｉ＜ｉｎｔｅｇ（ｓｕｍＸｉ／Ｃ）；ｉ＋＋）ｐｕｔ
ｉｎｔｏ ＡＳ； ｔｈｅｎ ｉｎｃｒｅａｓｅ ｓｏｒｔ Ｓ；ｐｕｔ ａｌｌ ｆｏｒ ｅａｃｈ∥。ｉｎ ＡＶ Ｃｏｓｔｍｉｎ＝Ｉｎｆ；Ｉｎｄｅｘｎｕｍ＝一１： ｆｏｒ ｅａｃｈ ｉｆ ｉｎ ＡＳ ｃｏｎｔｉｎｕｅ；
Ｐｉｏｎ
Ｓｉｎｔｏ△Ｖ；
பைடு நூலகம்图１
Ｉ网络拓扑结构
省的对比图．本文策略是从物理服务器上虚拟机数 目最小的开始进行迁移，能较快迁空物理服务器．图 ４为本文策略与装箱算法的迁移对比图．图５为本 文策略与装箱算法的网络流量对比图，本文考虑了 虚拟机之问的应用相关性，每次迁移是将虚拟机放 置在总通信成本较少的物理服务器上，能降低网络 流量和通信成本．
ＳＰｌ操作系统，采用ＶＭｗａｒｅ Ｗｏｒｋｓｔａｔｉｏｎ作
Ｅ５６２０
为虚拟化软件．虚拟机配置相同，分配Ｘｅｏｎ
ｘ１（２．４ Ｇ）的ＣＰＵ，２ ＧＢ的内存，３０ ＧＢ的硬盘空问， 运行Ｕｂｕｎｔｕｌ０．０４的操作系统，并在每台虚拟机上 搭建分布式系统Ｈａｄｏｏｐ平台，Ｈａｄｏｏｐ版本号为
０．２０．２． 迁移次数
相关工作
文献［２］提出了一个ｐＭａｐｐｅｒ框架，该框架考
虑了迁移成本并能预计出迁移后的能源消耗，使用 一种简单的算法证明了通过动态迁移技术可以实现 数据中心能耗成本的节省，但并没有考虑虚拟机之 间的应用相关性． 文献［３］提出了一种与应用相关的虚拟机放置
万方数据
第１期
殷波等：综合迁移成本和通信成本的云计算节能策略
有效降低迁移成本和通信总成本，并显著减少工作 物理服务器的数目，实现节能优化的目标． １
１．１
问题描述及模型建立
问题描述
假设数据中心存在ｍ台物理服务器，凡台虚拟 机，运行多个应用程序．在一段时间内当负载较低， 出现物理服务器利用率偏低的情况时，触发迁移策 略，将有关联关系的虚拟机集中放置，进而实现
节能．
２０１２年２月 第３５卷第ｌ期
北京邮电大学学报
Ｊｏｕｒｎａｌ ｏｆ Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ
Ｆｅｂ．２０１２ Ｖ０１．３５ ＮＯ．１
文章编号：１００７—５３２ｌ（２０１２）０１—００６８—０４
综合迁移成本和通信成本的云计算节能策略
万方数据
第１期
殷
波等：综合迁移成本和通信成本的云计算节能策略
６９
数据中心的虚拟机集合表示为Ｖ＝｛”。，ｗ：，…， ”。｝，物理服务器集合表示为Ｓ＝｛Ｓ。，ｓ：，…，Ｓ。｝，其
中ｍ≥ｎ．
个虚拟机ｖ，在整个数据中心的全局通信成本．
Ｃｏｓｔｃｏｍ（口。，５。）＝＞ｌ［Ｗ（移。，ｖｊ）Ｄ’（５。，秽，）］（５）
收稿日期： ２０１０，１０＿０８ 基金项目： 国家自然科学基金国家创新研究群体科学基金项目（６０８２１００１）；国家自然科学基金项目（６０９０２０５０，６０９７３１０８）；中央高校基 本科研业务费专项项目（ＢＵＰＴ ２０１ １ ＲＣ０５０１） 作者简介： 殷波（１９８４一），女，博士生，Ｅ—ｍａｉｌ：ｙｉｎｂｏ＠ｂｕｐｔ．ｅｄｕ．ｃｎ；孟洛明（１９５５一），男，教授，博士生导师
７１
数据中心网络结构中，如Ｆａｔ—ｔｒｅｅ、Ｐｏｒｔｌａｎｄ、ＤＣｅｌｌ和
ＢＣｕｂｅ等．
４
结束语
节能问题是云计算数据中心的主要问题之一，
可以通过虚拟机迁移的手段关停物理服务器来实现 节能．由于云计算并行计算的特点，数据中心虚拟机 之间存在应用相关性，因此综合考虑虚拟机迁移过 程中的通信成本和迁移成本提出了一种新的虚拟机 迁移策略．该策略能尽可能逼近目标物理服务器下
ｃｏｓｔ
ｏｒ
ａｐｐｌｉｃａｔｉｏｎ—ａｗａｒｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｃｏｓｔ．Ｃｏｍｂｉｎｅｄ
ｏｎ
ｔｈｅｓｅ ｔｗｏ ｆａｃｔｏｒｓ
ｖｉｒｔｕａｌ ｍａｃｈｉｎｅｓ ｍｉｇｒａｔｉｏｎ ｍｅｔｈｏｄ ｉｓ ｐｒｏｐｏｓｅｄ ｂａｓｅｄ ｓａｖｉｎｇ．Ｉｔ ｉｓ ｓｈｏｗｎ ｔｈａｔ ｔｈｉｓ ｍｅｔｈｏｄ
Ａｌｇｏｒｉｔｈｏｍ Ｉ：Ｂａｓｉｃ ａｌｇｏｒｉｔｈｍ Ｉｎｐｕｔｓ：Ｖｉｒｔｕａｌ ｆｏｒ ＶＭ ｍｉｇｒａｔｉｏｎ
其中，ｃ曲为迁移成本参数；ｓ（秽。）表示虚拟机ｗ。所 在的物理服务器；Ｄ（Ｓ（Ｖ。），Ｓ，）表示虚拟机移。从之前 所在的物理服务器迁移到Ｓ，经过的迁移距离． １．４通信成本模型 虚拟机之间的应用相关性，主要体现在虚拟 机之间的流量关系上，虚拟机所在物理服务器位 置的不同也会引起通信成本的差异，因此源、宿物 理服务器的距离是影响通信成本的另一个因素， 表示为
Ｃｏｓｔ（∥。，ｓ＾）＝Ｃｏｓｔｍｉｇ（ｖ。，ｓｈ）＋Ｃｏｓｔｃｏｍ（＂ｉ，ｓ＾）＝
Ｘ。＝１表示虚拟机ｖ。在物理服务器ｓ，上，否则Ｘ。＝ ０．得出待迁移集合△矿，对△ｙ中的每个秽，进行成本 计算，判断出”。要迁到的Ｓ，，得出迁移目标集合Ｍ．
１．２
能耗模型 基于实验统计数据，物理服务器运行时的能耗
ＣｍｉｇＤ（秽。，ｓ。）＋＞Ｉ［Ｗ（口ｉ，ｖｊ）Ｄ’（ｓ。，ｖｊ）］（６）
其中，基线能耗Ｐ。…，ｉ。。是一台物理服务器在不运行 虚拟机时所消耗的能耗值．经测算，Ｐ。…、。约为
１４０ １０
Ｗ，每开启一台虚拟机增加的能耗值Ｐ。。约为 ｗ．物理服务器处于关停或休眠状态时能耗很
小，可忽略不计．将虚拟机聚集节省的能耗本质上是 物理服务器的基线能耗．节能问题抽象为求
ｍａｘ（Ｓ。。，一Ｓ。ｆｆｅｒ）
Ｐｏｓｔｓ
ＱＩＵ
Ｘｕｅ—ｓｏｎｇ
（Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｎｅｔｗｏｒｋｉｎｇ ａｎｄ Ｓｗｉｔｃｈｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ，
ａｎｄ
Ｔｅｌｅｃｏｍｍｕｎｉｃｌａｔｉｏｌｌｓ，Ｂｅｉｊｉｎｇ １００８７６，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｂｙ ｕｓｉｎｇ Ｔｈｅｎ ｖａｉｎ ｐｈｙｓｉｃａｌ ｍｅｒｅｌｙ ｆｏｃｕｓ
了 式（５）表示将Ｖ；迁移到Ｓ。上，Ｖ。在数据中心的全 局通信成本．其中，Ｄ ７（ｓ。，Ｖｊ）表示虚拟机ｗｉ迁移到ｓ。
定义
ｘ。：ｆ１ 【０
如果Ｋ在一上，ｉ∈（１，ｍ），，∈（１，ｎ）
否则
上后与其他虚拟机之问的拓扑距离． １．５全局优化模型 综合前面讨论的迁移成本模型和通信成本模 型，全局优化模型可表示为
图３能耗节省对比图．
数据中心的拓扑结构采用ＶＬ２¨。，如图１所示． 每簇交换机下有４台物理服务器，每台物理服务器 的最大运行虚拟机的数目为１０． 当前场景下，实验数据通过运行基准程序随机 测量生成．图２为每次虚拟机迁移完成后，与迁移前 相比降低的数据中心总通信成本．由于每次迁移都 是将虚拟机迁移到更低通信成本的物理服务器上， 因此会降低整体通信成本．图３为迁移前后能耗节 ３
ｃａｎ
ｍｉｇｒａｔｉｏｎ ｃｏｓｔ ａｎｄ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｃｏｓｔ ｆｏｒ ｐｏｗｅｒ ｐｏｗｅｒ ｉｎ ｃｌｏｕｄ ａｎｄ ｄｅｃｒｅａｓｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｃｏｓｔ．
ｅｆｆｉｃｉｅｎｔｌｙ
ｓａｖｅ
Ｋｅｙ ｗｏｒｄｓ：ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ；ｐｏｗｅｒ ｓａｖｉｎｇ；ｖｉｒｔｕａｌ ｍａｃｈｉｎｅ ｍｉｇｒａｔｉｏｎ
ｆ丁ｌ
ｖ
Ｙ
篁ｌ。对物理服务器进行降序排列，取前ｌ否％ｌ台 ＿
Ｃ
物理服务器，放到集合ＡＳ中，该集合即为目标物理 服务器集合；最后，将剩下的Ｓ升序排列并将其上的 虚拟机依次放到ＡＶ中，△ｙ为待迁移集合． 得出待迁移集合后，将ＡＶ中的每个Ｖｉ，通过全 局优化模型，对Ｖ Ｓ。∈ＡＳ，分别计算迁移总成本，得 出ｍｉｎＣｏｓｔ（”。，ｓ。），将（∥。，ｓ。）放人迁移集合Ｍ中． 每完成一次虚拟机迁移判断，更新Ｄ（。。，。，）．待 迁移虚拟机集合Ａｖ中的所有虚拟机都完成迁移判 断后，输出迁移集合Ｍ，迁移完成． 算法伪代码如下：