28、云环境中虚拟机优化选择与水库系统数据插补研究

云环境中虚拟机优化选择与水库系统数据插补研究

云环境中虚拟机优化选择

在云环境里，应用程序运行依赖于服务器池，服务器可进行虚拟化。服务器虚拟化会引发维度向量打包问题，特别是资源利用方面，学术界通常聚焦于CPU和内存等二维问题。

服务器与虚拟机相关概念

在相关方程中，$y_i = 0$ 表示服务器 $i$ 未被使用，$y_i = 1$ 则表示服务器 $i$ 被使用。方程（4）表明虚拟机被分配到服务器，方程（5）和（6）确保服务器满足虚拟机的资源需求。CPU利用率的百分比与CPU消耗的电量成正比，其功率模型如下：
$P(u) = k \cdot P_{max} + (1 - k) \cdot P_{max} \cdot u$
其中，$P_{max}$ 表示满载服务器的最大耗电量，$k$ 是空闲阶段的功率利用率，$u$（$u \in [0, 1]$）是服务器的CPU利用率，方程（7）用于计算消耗的功率。

蚁群系统原理

蚂蚁能够识别巢穴与食物源之间的直接路径，这得益于信息素。这种特性启发了将蚁群算法用于虚拟机选择，该算法最初用于解决旅行商问题，后来信息素的特性使其在其他应用中也发挥作用。蚂蚁通常通过逐个访问附近节点来构建最优解，直至访问完所有节点，信息素在确定下一个节点时起着重要作用，此构建阶段也适用于虚拟机放置问题。

信息素在蚁群系统中的作用

信息素的积累历史有助于寻找最短路径，虚拟机作为 $U$ 向量，服务器作为 $V$ 向量，可构成一个二分图。相连的虚拟机可分配到同一服务器，形成虚拟机 - 服务器映射。

服务器资源利用示例

假设