郭　靜

(中國電子科學(xué)研究院，北京　100041)

?

工程與應(yīng)用

面向私有云的業(yè)務(wù)遷移部署方法研究

郭靜

(中國電子科學(xué)研究院，北京100041)

業(yè)務(wù)合理遷移部署是私有云高效使用的前提與關(guān)鍵，然而，由于業(yè)務(wù)對資源需求突發(fā)增長、部署時業(yè)務(wù)之間存在約束等因素的存在使得業(yè)務(wù)合理部署困難。為解決上述問題，本文對業(yè)務(wù)遷移部署問題進行建模，充分考慮了業(yè)務(wù)系統(tǒng)的重要性差異和應(yīng)用組件之間的約束關(guān)系，采用資源預(yù)留機制來保證業(yè)務(wù)穩(wěn)定運行，并在理論分析的基礎(chǔ)上設(shè)計了一種基于分組遺傳算法的業(yè)務(wù)遷移部署方法。方法采用分組方式對遷移方案進行映射，首先，按照順序部署的方式生成滿足約束的初始方案，然后，綜合根據(jù)方案中物理服務(wù)器的資源利用情況、應(yīng)用組件的等級和其對資源的需求，交叉生成新的部署方案，其次，根據(jù)物理服務(wù)器的資源閑置情況，變異生成新的部署方案，并通過混合策略選擇方案來迭代搜索，最后，迭代完成后輸出最終結(jié)果。實驗結(jié)果表明本方法能有效解決業(yè)務(wù)遷移部署問題。

業(yè)務(wù)遷移部署；私有云；資源預(yù)留；分組遺傳算法；NP-Hard問題

TP393

A

1673-5692(2016)02-191-08

0　引　言

隨著信息技術(shù)的不斷發(fā)展，云計算技術(shù)[1]已經(jīng)成為企事業(yè)單位實現(xiàn)應(yīng)用系統(tǒng)集約化發(fā)展的重要手段。為滿足自身業(yè)務(wù)發(fā)展的需要，提高基礎(chǔ)設(shè)施資源(計算、存儲等資源)的利用水平，降低系統(tǒng)運維的成本，許多單位已經(jīng)開展了私有云[2]的建設(shè)。當私有云建成以后，業(yè)務(wù)系統(tǒng)需要遷移入云部署才能實現(xiàn)最終的預(yù)期效果。為此，業(yè)務(wù)合理的遷移部署已成為私有云高效使用的前提與關(guān)鍵。

在私有云中，業(yè)務(wù)系統(tǒng)對基礎(chǔ)設(shè)施資源的需求主要由虛擬機來提供，多個虛擬機共同部署在一臺物理服務(wù)器上。合理部署業(yè)務(wù)系統(tǒng)就是要將承載應(yīng)用組件的虛擬機合理的映射到私有云中的物理服務(wù)器上，并保證業(yè)務(wù)系統(tǒng)穩(wěn)定運行，同時提高私有云中資源的利用水平。

然而，由于業(yè)務(wù)對資源需求突發(fā)增長，遷移部署時業(yè)務(wù)之間存在約束等因素的存在，業(yè)務(wù)遷移部署常常面臨下列挑戰(zhàn)。

一方面，在私有云中，一臺物理服務(wù)器通常會部署多個承載應(yīng)用組件的虛擬機，所以當業(yè)務(wù)系統(tǒng)對資源需求突發(fā)增長時，同臺機器中的業(yè)務(wù)系統(tǒng)之間會搶占資源，導(dǎo)致業(yè)務(wù)運行的穩(wěn)定性和可靠性降低。另一方面，各個單位會根據(jù)自身業(yè)務(wù)的特點設(shè)計一些部署策略來保證業(yè)務(wù)整體運行最優(yōu)，這些策略表現(xiàn)為承載不同應(yīng)用組件的虛擬機之間的約束關(guān)系。目前，已有文獻[3]給出了遷移入云的步驟和通用原則，但是缺少細化部署的方法，根據(jù)本文分析業(yè)務(wù)遷移部署問題是一個NP-Hard問題，為此如何從大量的可行部署方案中找出優(yōu)秀的方案(即，確定承載應(yīng)用組件虛擬機的部署位置)是一個挑戰(zhàn)。雖然已有研究者針對虛擬機放置或調(diào)度問題提出了多種映射方法[4-9]，但是與傳統(tǒng)的虛擬機放置或調(diào)度不同，業(yè)務(wù)遷移入云部署不僅需要考慮業(yè)務(wù)應(yīng)用組件對基礎(chǔ)設(shè)施資源需求可能會突發(fā)增長的情況，而且在部署時，還需要考慮業(yè)務(wù)應(yīng)用組件之間的相互關(guān)系。因此，難以利用上述方法來對問題進行求解。

為解決上述問題，本文對業(yè)務(wù)遷移部署問題進行建模，在理論分析的基礎(chǔ)上設(shè)計了一種基于分組遺傳算法的業(yè)務(wù)遷移部署方法，并通過實驗驗證了方法的有效性。在建模上，本文充分考慮了業(yè)務(wù)系統(tǒng)的重要性差異和應(yīng)用組件之間的約束關(guān)系，采用資源預(yù)留機制來保證業(yè)務(wù)穩(wěn)定運行。在求解方法設(shè)計上，采用分組方式對遷移方案進行映射，首先，按照順序部署的方式生成滿足約束的初始方案，然后，綜合根據(jù)方案中物理服務(wù)器的資源利用情況、應(yīng)用組件的等級和其對資源的需求，交叉生成新的部署方案，其次，根據(jù)物理服務(wù)器的資源閑置情況，變異生成新的部署方案，并通過混合策略選擇方案以迭代搜索，最后，迭代完成后輸出最終結(jié)果。實驗以資源利用率為評價指標，在多組業(yè)務(wù)系統(tǒng)上驗證了本方法的有效性。

1　業(yè)務(wù)遷移部署建模與分析

1.1業(yè)務(wù)遷移部署的步驟

合理遷移部署系統(tǒng)是實現(xiàn)業(yè)務(wù)在私有云上穩(wěn)定、可靠運行的前提與關(guān)鍵。為實現(xiàn)這一目標，業(yè)務(wù)系統(tǒng)的遷移部署可采用下列步驟來實現(xiàn)。

首先，對業(yè)務(wù)系統(tǒng)開展調(diào)研與分析。確定各個系統(tǒng)對基礎(chǔ)設(shè)施資源的需求(如：對CPU、內(nèi)存、I/O、存儲的基本需求)，分析業(yè)務(wù)系統(tǒng)的重要程度，根據(jù)其重要性設(shè)計資源預(yù)留的大小，分析應(yīng)用組件之間的相互關(guān)系，確定應(yīng)用組件在部署時的策略(例如：為保證重要的業(yè)務(wù)系統(tǒng)擁有較高的可靠性，需要將高等級業(yè)務(wù)系統(tǒng)的應(yīng)用組件部署在多臺物理服務(wù)器上，以減少單臺物理服務(wù)器故障對業(yè)務(wù)系統(tǒng)的影響。對于低等級業(yè)務(wù)系統(tǒng)的應(yīng)用組件應(yīng)盡量部署在同臺物理服務(wù)器上，以減少對帶寬資源的占用，保持網(wǎng)絡(luò)穩(wěn)定)。

然后，根據(jù)調(diào)研結(jié)果，設(shè)計具體部署方案。在方案設(shè)計時，需要滿足分析確定的資源預(yù)留策略，并滿足應(yīng)用組件部署的約束，并保證部署方案不大于物理服務(wù)器所提供的資源能力上限，并盡可能提供私有云中的資源利用水平。

最后，采用人工部署或工具部署的方式將應(yīng)用組件部署到私有云中，并對部署的業(yè)務(wù)應(yīng)用進行測試優(yōu)化。

從上述步驟可以看出，設(shè)計遷移部署方案是整個過程的核心與關(guān)鍵。為此，下面將主要對設(shè)計階段的業(yè)務(wù)遷移入云部署問題進行建模分析。

1.2業(yè)務(wù)遷移部署問題建模

根據(jù)上述描述可知，在設(shè)計階段業(yè)務(wù)遷移入云部署問題就是根據(jù)云中物理服務(wù)器的能力和各個應(yīng)用組件之間的部署策略，以及資源預(yù)留方案，設(shè)計部署方案使得業(yè)務(wù)系統(tǒng)能夠穩(wěn)定運行，并實現(xiàn)云中的資源利用水平最大化。為此，該問題的建模描述如下。

業(yè)務(wù)遷移入云部署問題：已知有若干個業(yè)務(wù)應(yīng)用系統(tǒng)需要遷移至私有云中，這些系統(tǒng)共需n臺虛擬機來承載其應(yīng)用組件。其中，業(yè)務(wù)系統(tǒng)對n臺虛擬機的資源需求為{R1，R2，…，Ri,…,Rn}，Ri= (ri1,ri2,…,rit)是t維向量，代表承載應(yīng)用組件的虛擬機i對t種資源的需求。假設(shè)云中共有M臺同構(gòu)的物理服務(wù)器用于虛擬機部署，每臺物理服務(wù)器提供的資源能力為P=(p1，p2，…，pt)，則業(yè)務(wù)遷移入云部署問題就是計算一種合理的遷移部署方法，使得業(yè)務(wù)系統(tǒng)的應(yīng)用組件在遷移入云后能夠在虛擬機中穩(wěn)定運行，且使得私有云中的資源利用具有較高水平，并滿足下列約束條件。

約束條件1：資源預(yù)留約束

為防止應(yīng)用組件對基礎(chǔ)設(shè)施資源需求突發(fā)增長，物理服務(wù)器資源利用率過高影響業(yè)務(wù)運行的問題，物理服務(wù)器在部署承載應(yīng)用組件的虛擬機時需要預(yù)留一定資源。根據(jù)業(yè)務(wù)系統(tǒng)的重要程度和其對運行穩(wěn)定性要求的差異，業(yè)務(wù)系統(tǒng)可被劃分成若干個等級，每個虛擬機的等級與其承載業(yè)務(wù)系統(tǒng)的應(yīng)用組件等級相同。假設(shè)業(yè)務(wù)系統(tǒng)分為k個等級，則物理服務(wù)器需要預(yù)留資源分別為{L1,L2,…,Lk}。其中，Lk=(lk1,lk2,…,lkt)是t維向量，代表第k級應(yīng)用組件對物理服務(wù)器t類資源的預(yù)留要求。當物理服務(wù)器同時部署了多個等級的虛擬機時，則其資源預(yù)留情況需按照這些虛擬機的最高等級進行預(yù)留。

約束條件2:容斥約束

根據(jù)業(yè)務(wù)系統(tǒng)入云部署的一些特殊要求，遷移部署通常會設(shè)計相應(yīng)策略，它們表現(xiàn)為承載不同應(yīng)用組件的虛擬機之間的容斥關(guān)系(即，虛擬機必須(或不能)部署在同一臺物理服務(wù)器中)。例如：對某類資源需求較高的業(yè)務(wù)組件不能部署在同一物理服務(wù)器中，某些低等級業(yè)務(wù)系統(tǒng)的應(yīng)用組件應(yīng)盡量部署在同臺物理服務(wù)器上。假設(shè)虛擬機之間的容斥關(guān)系由z條依賴約束D={d1,d2,…,dz}和v條沖突約束C={c1,c2,…,cv}組成，則可行的部署方案都要滿足這些約束條件。其中，任意依賴約束關(guān)系dz由3維向量表示，反映了虛擬機a與虛擬機b需要部署在同一臺物理機上。任意沖突約束關(guān)系cv由3維向量表示，反映了虛擬機q與虛擬機w不能部署在同一臺物理服務(wù)器上。

根據(jù)上述描述，業(yè)務(wù)遷移部署問題的數(shù)學(xué)符號及物理意義的對應(yīng)關(guān)系如表1所示。

表1　數(shù)學(xué)符號及物理意義

根據(jù)上述描述，求解業(yè)務(wù)遷移入云部署問題就是對下列數(shù)學(xué)模型進行求解。

問題的目標：業(yè)務(wù)遷移部署后，私有云中的資源利用水平最大化。

(1)

資源預(yù)留約束：

(2)

容斥約束：

(3)

(4)

1.3模型分析

根據(jù)業(yè)務(wù)遷移入云部署的數(shù)學(xué)建模可以看出，本問題是一個典型的組合優(yōu)化問題。為更好的對模型進行求解，本文對問題的求解難度進行分析，發(fā)現(xiàn)業(yè)務(wù)遷移部署問題屬于NP-Hard問題，模型的目標只與業(yè)務(wù)使用私有云中物理服務(wù)器數(shù)量相關(guān)，詳細描述見定理1與定理2。

定理1 ：業(yè)務(wù)遷移入云部署問題是一個NP-Hard問題。

證明：已知虛擬機放置問題通常被建模成裝箱問題，該問題無法在多項式時間內(nèi)精確求解[10](即，該問題是NP-Hard問題)。該問題就是在物理服務(wù)器的能力約束下，尋找一種虛擬機放置方案使得資源利用最高。

與業(yè)務(wù)遷移入云問題相比，當本問題的資源預(yù)留策略為空，且承載應(yīng)用組件的虛擬機不存在容斥約束關(guān)系時。虛擬機放置問題可以看作是本問題的一個特例。

假設(shè)業(yè)務(wù)遷移入云部署問題可以在多項式時間內(nèi)精確求解，則虛擬機放置問題也可以在多項式時間內(nèi)精確求解，所以假設(shè)條件不成立。為此，業(yè)務(wù)遷移入云部署問題無法在多項式時間內(nèi)精確求解。即：業(yè)務(wù)遷移入云部署問題是NP-Hard問題，證明完畢。

定理2 ：業(yè)務(wù)入云部署后的資源利用率最高與云中使用的物理服務(wù)器數(shù)量最少等價。

證明：根據(jù)上述建模可知，當業(yè)務(wù)完成遷移部署后，云中資源利用率最高就是要最大化公式(1)的取值。

由于業(yè)務(wù)應(yīng)用只能部署一次，所以等式(5)成立。即：

(5)

(6)

2　基于分組遺傳算法的業(yè)務(wù)遷移部署方法

由于業(yè)務(wù)遷移入云部署問題是NP-Hard問題，所以難以給出精確的方法來對問題進行求解。為此，本文借鑒虛擬機調(diào)度的相關(guān)方法，結(jié)合本問題的特點設(shè)計一種基于分組遺傳算法的業(yè)務(wù)遷移部署方法(AGroupingGeneticAlgorithmforSystemMigrationandDeployment，簡稱GGASMD)。

該方法的基本思想就是首先隨機產(chǎn)生若干組遷移部署方案，然后，通過模擬自然進化的過程，利用選擇、交叉、變異等操作迭代生成最終方案。考慮到承載虛擬機的數(shù)量多于物理服務(wù)器的數(shù)量，本算法采用分組方式對遷移方案進行映射，在算法設(shè)計上，本文不僅考慮了業(yè)務(wù)系統(tǒng)的等級和組件之間的容斥約束關(guān)系，還根據(jù)問題特點設(shè)計了交叉、選擇等搜索操作，具體如下章節(jié)所述。

2.1虛擬機集合生成

由于部分承載應(yīng)用組件的虛擬機需要放置在一臺物理服務(wù)器中，所以為保證所有搜索方案滿足依賴約束。算法根據(jù)依賴約束將必須部署在同一物理服務(wù)器的多個虛擬機看作一個超級虛擬機來進行部署。其中，超級虛擬機svo的組成可根據(jù)規(guī)則1來確定。超級虛擬機遵守其包含虛擬機的所有排斥約束，超級虛擬機的資源需求是其包含虛擬機需求的總和，超級虛擬機的等級為其包含虛擬機的最高等級。

規(guī)則1 ：?a∈svo∧?b∈svo

其中，與等價。

于是按照規(guī)則1將滿足依賴約束的虛擬機形成超級虛擬機，并構(gòu)成新的虛擬機集合。這樣業(yè)務(wù)遷移入云部署的方案將根據(jù)虛擬機集合搜索獲得。

2.2方案編碼映射

方案編碼映射是算法搜索求解問題的前提，為更好的對業(yè)務(wù)遷移入云部署問題進行求解，本文采用分組方式[11]來對部署方案進行映射，以克服編碼過長對問題求解的影響。本文將每個物理服務(wù)器映射為遺傳算法的一個基因位，虛擬機(或超級虛擬機)在物理服務(wù)器上的部署方式構(gòu)成了基因的信息(即，基因值)。具體如圖1所示。

圖1　方案編碼映射

在上圖中，物理服務(wù)器和虛擬機共同構(gòu)成了分組遺傳算法中個體的一個基因。

2.3適應(yīng)度函數(shù)

適應(yīng)度函數(shù)是評價部署方案優(yōu)劣指標，為指導(dǎo)算法向最優(yōu)的方案進行搜索，本文根據(jù)定理2采用公式(7)來評價方案的優(yōu)劣。即：

(7)

在等式(7)中，X是業(yè)務(wù)遷移入云部署的方案，F(xiàn)(X)代表方案所用物理服務(wù)器的數(shù)量。

2.4初始部署方案生成

為有效求解業(yè)務(wù)遷移入云的部署方案，本文采用順序部署的策略來生成初始方案。首先在虛擬機集合中隨機生成虛擬機的部署順序，然后，根據(jù)虛擬機的部署順序，利用下列步驟對當前待部署的虛擬機或超級虛擬機進行部署，生成初始方案。

步驟1：對于當前待部署虛擬機i(或超級虛擬機svi)，判斷當前物理服務(wù)器是否能夠滿足虛擬機(或超級虛擬機)對資源的需求，并滿足資源預(yù)留約束和沖突約束。若滿足則執(zhí)行步驟2，否則執(zhí)行步驟3。

步驟2：從滿足約束的候選物理服務(wù)器中選擇資源利用率最高的設(shè)備進行部署。其中，物理服務(wù)器j在部署虛擬機i(或超級虛擬機svi)后的綜合利用率，可由公式(8)計算。

(8)

步驟3：選擇一個新物理服務(wù)器來部署虛擬機或超級虛擬機。

2.5交叉操作

交叉操作是遺傳算法進行全局搜索的重要步驟，本文利用交叉操作產(chǎn)生新的部署方案。為產(chǎn)生良好的部署方案，本文采用文獻[12]的交叉框架，首先確定交叉點位置，然后對部分基因進行交換。為避免算法快速陷入局部最優(yōu)解，根據(jù)問題的特點，本文根據(jù)物理服務(wù)器的資源利用水平來選擇交叉的位置，并設(shè)計回填策略來產(chǎn)生新的部署方案。對于待交叉操作的部署方案，具體處理可由下列步驟完成。

步驟1：從部署方案中選擇交叉操作的基因位。綜合計算方案中物理服務(wù)器的資源利用率，并按概率方式選擇部署片段(即，基因位)進行交叉操作。其中，部署方案中物理服務(wù)器j的資源綜合利用率URj可利用公式(9)計算獲得，每個物理服務(wù)器被選擇的概率P(URj)由公式(10)計算獲得。

(9)

(10)

步驟2：將基因位插入到另一部署方案中。首先，消除與交叉基因位相重復(fù)的虛擬機以及相應(yīng)物理服務(wù)器，然后，對由刪除而造成孤立的虛擬機進行重新部署。本文采用下列回填策略重新部署。先按照虛擬機承載應(yīng)用的等級和資源需求情況進行排序，再按照2.3節(jié)的步驟對其進行部署。優(yōu)先部署承載高等級應(yīng)用組件的虛擬機，對于相同等級的虛擬機，則優(yōu)先部署資源需求量高的虛擬機，其中，資源需求高低T(Ri)可利用公式(11)來衡量，取值越高則資源需求越高。

(11)

2.6變異操作

變異操作是遺傳算法局部搜索的有效步驟。為更好的求解問題，該操作將對方案中某臺物理服務(wù)器放置的虛擬機(或超級虛擬機)進行重新部署，部署方式與2.5節(jié)的回填方式相同。其中，被選擇的物理服務(wù)器將由概率方式產(chǎn)生，方案中每臺物理服務(wù)器被選擇的概率將由其剩余的資源情況決定，具體如公式(13)所示。

(12)

(13)

其中，UUj表示物理服務(wù)器j的t類剩余資源的綜合情況，P(UUj)代表物理服務(wù)器在變異操作中被選擇的概率，其剩余資源越多，被選擇的概率就越高。

2.7選擇操作

為實現(xiàn)算法對問題方案的迭代搜索，選擇操作將從上代種群中選擇若干方案用于產(chǎn)生新部署方案。為了產(chǎn)生較好的新部署方案，本文采用混合策略來對部署方案進行選擇。具體步驟如下：

首先，使用精英策略，按比例π來保留適應(yīng)度值高的方案。假設(shè)算法的種群規(guī)模為N，則保留π×N個適應(yīng)度最高的方案。

然后，在剩余的方案中，根據(jù)方案的適應(yīng)度值計算其被選擇的概率，并使用賭輪盤法進行選擇。剩余方案Xo被選擇的概率為P(Xo)，其計算方法如公式(14)所示。

(14)

其中，Rest代表剩余方案，Xg是剩余方案中的成員，F(xiàn)(Xg)是其適應(yīng)度。

2.8算法的執(zhí)行步驟

根據(jù)上述描述，本文算法采用下列步驟來對業(yè)務(wù)遷移部署問題進行求解。

步驟1：虛擬機集合生成。根據(jù)應(yīng)用組件之間的依賴部署關(guān)系，按照依賴約束生成超級虛擬機，并與剩余虛擬機構(gòu)成虛擬機集合。

步驟2：初始化設(shè)置。設(shè)置種群規(guī)模、最大迭代次數(shù)、變異概率、精英選擇比例，輸入物理服務(wù)器的能力、不同等級應(yīng)用的資源預(yù)留要求、承載應(yīng)用組件的虛擬機(或超級虛擬機)對資源的需求、虛擬機之間的沖突約束，并按照2.4節(jié)的方法生成初始部署方案，計算方案的適應(yīng)度。

步驟3：交叉操作產(chǎn)生新的部署方案。根據(jù)方案中物理服務(wù)器的資源利用率，使用概率方式選擇交叉基因，并按照2.5節(jié)的步驟生成新的部署方案，并計算方案的適應(yīng)度。

步驟4：按照變異概率，利用變異操作產(chǎn)生新的部署方案。根據(jù)方案中每個物理服務(wù)器的剩余資源情況，按概率方式選擇，并對其承載的虛擬機或(超級虛擬機)進行重新部署。

步驟5：采用混合策略從種群中選擇方案進行下一次迭代搜索。首先根據(jù)精英選擇比例選擇適應(yīng)度最高的方案，然后，利用賭輪盤法選擇剩余的方案。

步驟6：判斷算法是否滿足停止條件，若滿足則輸出遷移部署方案，否則執(zhí)行步驟3。

3　實驗仿真

為驗證本文所提方法的有效性，實驗在多次仿真的基礎(chǔ)上，以算法生成部署方案的資源利用率為評價指標綜合分析算法的有效性。其中，業(yè)務(wù)系統(tǒng)的等級、數(shù)量、應(yīng)用組件規(guī)模和對資源的需求情況將采用隨機方式生成，資源利用率包括CPU、內(nèi)存、I/O、存儲以及綜合利用率，綜合利用率可由公式(1)計算獲得，對比分析算法為貪婪業(yè)務(wù)遷移部署方法(GreedyAlgorithmforSystemMigrationandDeployment，簡稱GASMD)。該方法直接利用2.1.5節(jié)的回填策略進行部署，具體步驟是首先對虛擬機集合中的虛擬機或超級虛擬機進行排序，然后，采用2.1.4節(jié)的部署方法進行部署。

為驗證本方法的有效性，本文隨機生成四組數(shù)據(jù)來對比分析算法部署的效果。其中，每組數(shù)據(jù)中的業(yè)務(wù)等級都分為核心、重要、一般，業(yè)務(wù)系統(tǒng)對資源的需求包括CPU、內(nèi)存、I/O和存儲，數(shù)據(jù)規(guī)模情況及所需虛擬機的數(shù)量如表2所示。

表2　業(yè)務(wù)系統(tǒng)的規(guī)模及所需虛擬機的數(shù)量

為保證實驗結(jié)果的可靠性，實驗將分析算法執(zhí)行多次的平均值，GGASMD和GASMD針對不同組業(yè)務(wù)系統(tǒng)生成的部署方案效果如圖2-圖6所示。其中，圖2-圖6分別是GGASMD和GASMD生成業(yè)務(wù)部署方案的CPU利用率、內(nèi)存利用率、I/O使用率、存儲利用率和對資源的綜合利用率。

圖2　算法生成部署方案的CPU利用率

從圖2可以看出與GASMD相比，GGASMD生成的方案擁有較高的CPU利用率。

圖3　算法生成部署方案的內(nèi)存利用率

從圖3可以看出與GASMD相比，GGASMD生成的方案擁有較高的內(nèi)存利用率。

圖4　算法生成部署方案的I/O使用率

從圖4可以看出與GASMD相比，GGASMD生成的方案擁有較高的I/O使用率。

圖5　算法生成部署方案的存儲利用率

從圖5可以看出與GASMD相比，GGASMD生成的方案擁有較高的存儲利用率。

圖6　算法生成部署方案對資源的綜合利用率

從圖6可以看出與GASMD相比，GGASMD生成的方案擁有較高的綜合利用率。

綜上所述GGASMD算法能更好的對業(yè)務(wù)系統(tǒng)進行部署，以滿足業(yè)務(wù)遷移入云的要求。

4　結(jié)　語

針對私有云中的業(yè)務(wù)遷移部署問題，本文在考慮了業(yè)務(wù)對資源需求突發(fā)增長、業(yè)務(wù)系統(tǒng)的重要性和應(yīng)用組件之間的約束關(guān)系的基礎(chǔ)上，對該問題進行建模并進行理論分析，根據(jù)問題特點設(shè)計了一種基于分組遺傳算法的業(yè)務(wù)遷移部署方法，并通過實驗驗證了本方法的有效性。

[1]王棟, 芮平亮. 云霧環(huán)繞的數(shù)據(jù)中心全景剖析[J]. 中國電子科學(xué)研究院學(xué)報, 2011, 06(3):324-327.

[2]李小寧,李磊,金連文,等.基于OpenStack構(gòu)建私有云計算平臺[J].電信科學(xué),2012,28(9):1-8.

[3]尹樂杰. 基于云計算平臺的應(yīng)用系統(tǒng)遷移的研究與應(yīng)用[D]. 廈門大學(xué), 2012.

[4]Li,Bo,etal.EnaCloud:AnEnergy-SavingApplicationLivePlacementApproachforCloudComputingEnvironments[C].Proceedingsofthe2009IEEEInternationalConferenceonCloudComputingIEEEComputerSociety, 2009:17-24.

[5]Sun,Xin,etal.Multi-dimensionalResourceIntegratedSchedulinginaSharedDataCenter[C].DistributedComputingSystemsWorkshops(ICDCSW), 2011 31stInternationalConferenceonIEEE, 2011:7-13.

[6]Meng,Xiaoqiao,etal.EfficientresourceprovisioningincomputecloudsviaVMmultiplexing[C].Proceedingsofthe7thInternationalConferenceonAutonomicComputing, 2010:11-20.

[7]李強, 郝沁汾, 肖利民,等. 云計算中虛擬機放置的自適應(yīng)管理與多目標優(yōu)化[J]. 計算機學(xué)報, 2011,34(12):2253-2264.

[8]劉志飄, 王尚廣, 孫其博,等. 一種能量感知的虛擬機放置智能優(yōu)化算法[J]. 華中科技大學(xué)學(xué)報:自然科學(xué)版, 2012(S1):398-402.

[9]肖鵬, 劉洞波, 屈喜龍. 云計算中基于能耗比例模型的虛擬機調(diào)度算法[J]. 電子學(xué)報, 2015(2):305-311.

[10]AjiroY,TanakaA.ImprovingPackingAlgorithmsforServerConsolidation[C].InternationalComputerMeasurementGroupConference. 2007:399-406.

[11]FalkenauerE.Ahybridgroupinggeneticalgorithmforbinpacking[J].JournalofHeuristics, 2010, 2(1):5-30.

[12]FalkenauerE.TappingtheFullPowerofGeneticAlgorithmthroughSuitableRepresentationandLocalOptimization:ApplicationtoBinPacking.SpringerBerlinHeidelberg, 1995.P167-182.

郭靜(1982—)，女，安徽省全椒人，博士，工程師，主要研究方向為云計算與大數(shù)據(jù)。

E-mail：itianmei@qq.com

Research on System Migration and Deployment Method for Private Cloud

GUOJing

(ChinaAcademyofElectronicsandInformationTechnology，Beijing，100041)

Migratinganddeployingthesystemsreasonableiscrucialforemployingprivatecloudefficiently.However，itisdifficulttodeploythesesystems,becausethefactorssuchasgrowthofemergencyresourcedemandandconstraintbetweenthedeployingsystems.Inthispaper，amodelwasbuiltbytakingaccountoftheimportanceofdifferentsystemsandtheconstraintbetweentheapplicationcomponents,andguaranteesbusinessstabilitybyreservingresource.Thenagroupinggeneticalgorithmforsystemmigrationanddeploymentisproposedbasedonproblemanalysis.First,itencodesthemigrationschemebygroup,andgenerateinitialsolutionbydeploytheapplicationonebyone.Then,itgeneratesthenewschemebycrossoveroperationaccordingtotheresourceutilization,levelofapplicationandresourcedemand.Next,itgeneratesthenewschemebymutationoperationaccordingtotheidleresourcesofphysicalserver,andchosenschemeforiterativesearchwithahybridselectoperation.Atlast，itoutputthefinialmigrationschemeafteriterativesearch.Theexperimentresultsshowtheeffectofthismethod.

systemmigrationanddeployment;privatecloud;resourcereservation;groupinggeneticalgorithm;NP-Hardproblem

10.3969/j.issn.1673-5692.2016.02.014

2016-02-21

2016-03-26