● 摘要
随着近年来云计算的迅速发展，数据中心的规模急剧增大。数据中心规模的扩大给数据中心资源的管理带来了挑战，特别是数据中心的资源利用率和能耗问题受到数据中心运营商及节能环保组织的广泛关注。云计算数据中心能耗巨大，但是资源利用率却较低。因此，如何合理地管理数据中心的资源，提高数据中心的整体资源利用率成为急需解决的关键问题。
虚拟化技术是云计算的基础，目前的云计算数据中心普遍基于虚拟化技术来建设，例如，Amazon基于Xen虚拟化技术来提供公共云计算服务AWS。虚拟化技术具有隔离性、灵活性等优点，是整合资源、提高资源利用率的有效手段之一。但是，现有的资源管理方法往往没有充分利用虚拟化技术的这些优势，因此，虚拟化技术的运用为云计算数据中心资源利用率的提高带来了新的机遇。
本文主要针对虚拟化环境下云计算数据中心资源利用率不高、资源浪费严重等问题，在全局优化与实时调度相结合的资源管理框架下，基于虚拟化技术的特点，研究针对内存资源、网络资源以及整体资源分配等方面的优化方法。具体的研究内容和主要成果如下：
（1）针对云计算数据中心资源利用率不高的问题，本文提出一种基于虚拟机分类和遗传算法的多目标优化全局资源调度方法。该方法首先利用虚拟机能够通过基于内容的页面共享技术共享物理内存资源，以及同一物理节点上虚拟机通信不经过物理网络等特点，以虚拟机内存相似度以及通信相关度为依据，对虚拟机进行分类。然后，基于该虚拟机分类信息，同时考虑最大化资源利用率，保证负载均衡，降低虚拟机迁移开销等多个目标，利用改进的遗传算法，求解全局近似最优的虚拟机部署方案。最后，采用并发调度的方式加速多虚拟机的迁移过程。实验结果表明，该全局资源调度方法能够有效提高数据中心资源利用率，与传统的BFD（Best Fit Decreasing）方法相比，在保证负载均衡的前提下，使数据中心的整体资源利用率提高了5-30%，同时减少了5.5-8.3%的虚拟机迁移开销。
（2）针对云计算数据中心由于引入虚拟化开销而造成传统资源分配方法无法准确有效管理资源的问题，本文提出一种基于虚拟机负载-物理资源的映射模型和虚拟机负载预测模型的实时资源调度方法。该方法首先利用虚拟机负载预测模型，预测特定虚拟机未来一段时间的负载变化趋势，然后通过虚拟机负载-物理资源映射模型，根据虚拟机负载估算出该虚拟机实际的物理资源需求，从而及时并确地调度虚拟机。实验结果表明，该方法能够解决传统资源调度方法对虚拟机资源需求估算不准，以及对负载多变虚拟机资源分配不及时的问题，实现数据中心实时的资源调度，达到保证负载均衡的目的。
（3）虚拟化环境下云计算数据中心的资源调度会产生大量虚拟机迁移任务，从而给网络带来较大开销。针对该问题，本文提出一种基于元数据的节点间内存去冗余虚拟机迁移方法Mvmotion。Mvmotion主要利用云计算数据中心大量虚拟机克隆自同一虚拟机模板，在虚拟机之间存在很多冗余数据的特点，通过建立内存元数据并结合基于内容的页面共享技术，在虚拟机迁移过程中去除迁移虚拟机与目的节点间冗余数据的传输，从而降低虚拟机迁移所造成的网络开销，减少迁移时间。实验结果表明，该方法能够使得虚拟机迁移所造成的网络开销减少29-97%，从而缓解大量虚拟机迁移对网络造成的压力，节省网络资源。