14、异构云环境中对延迟敏感任务的预测性虚拟机整合

异构云环境中对延迟敏感任务的预测性虚拟机整合

1. 背景与动机

在云计算领域，传统为云服务器供电时，大量电能被浪费。为降低功耗、提高资源利用率，虚拟化技术应运而生。在虚拟化中，一台物理机（PM）可同时部署多个虚拟机（VM），能处理多个用户请求，还能为不同用户请求提供安全隔离。然而，若用户请求在物理机上分配稀疏，会导致使用更多物理机，造成高功耗和低资源利用率。

在异构环境中，活跃物理机数量越多，功耗越大。因此，关键在于减少活跃物理机的使用，可通过让活跃物理机尽可能紧凑来实现，这需要高效地将虚拟机分配到物理机，并在运行时迁移虚拟机以提高紧凑度。但虚拟机打包问题是强NP难题，需要设计启发式算法实时解决。

云环境的一大挑战是无法提前知晓未来用户请求，这会导致部署大量物理机造成资源浪费。当前的虚拟机打包方法主要聚焦于减少物理机部署数量或虚拟机迁移数量，目标都是降低成本和能耗。

2. 主要贡献

• 资源预测模型 ：基于先前资源使用情况预测未来资源需求，有助于为未来虚拟机分配部署所需数量的物理机。
• 高效启发式虚拟机打包方法 ：不立即将虚拟机分配到物理机，而是考虑未来任务请求需求，再做出最终分配决策。
• 松弛感知启发式算法 ：在异构云环境中高效分配对延迟敏感的任务。

3. 相关工作

前人在虚拟机整合方面做了很多工作，不同学者提出了不同的算法和方法：
| 学者 | 提出的算法/方法 | 目的 |
| ----