28、基于FRBS的云数据中心能耗优化及网络仿真架构探索

基于FRBS的云数据中心能耗优化及网络仿真架构探索

1. FRBS在数据中心能耗优化中的应用

在云数据中心中，虚拟机和云任务的调度是一个复杂的优化问题，需要考虑多个标准，其中能耗优化是关键。

1.1 背景

为了对数据中心的虚拟机和云任务进行调度，已经提出了许多静态和动态调度启发式算法。模糊规则系统（FRBS）在基于描述受控系统的特征和所获得的知识进行决策时，已被证明具有很高的准确性，在交通流量建模、ATM网络连接准入、语音/音乐识别和调度等多个领域都有应用。在云数据中心的调度过程中，使用FRBS可以优化能耗。此前也有相关研究，例如：
- Beloglazov提出的调度器可降低运营成本并提供服务质量，考虑了资源利用率、虚拟网络拓扑和节点温度状态。
- Duy等人基于神经网络实现的调度算法，通过预测未来工作负载并关闭服务器来优化数据中心能耗。
- Berl等人回顾了基于硬件和基础设施的大规模网络能耗降低方法。

1.2 提出的算法

本文提出的算法使用了FRBS，它处理由数据中心组成的计算云，假设所有中心都在同一云中且由异构机器组成。该算法动态检查处理需求并优化能耗，每个数据中心都有一个名为代理的专用服务器，使用该算法在数据中心主机中分配虚拟机。

调度问题可表述为将一组虚拟机分配到数据中心内的一组异构分布式主机上，同时遵循调度标准以优化能耗。数据中心当前利用率的输入可总结如下：
1. 可用MIPS（mips） ：表示每个主机中的空闲MIPS数量。
2. 主机功率（pow） ：获取主机的即时功率。