×
赵嘉琪；尤斯里·姆赫德布；陶杰；小拉德，福伊德；刘庆怀；阿希姆·斯特里特

使用视觉认知算法调度虚拟机。 （英语） Zbl 1322.68031号

国际期刊申请。数学。计算。科学。 24，第3期，535-550（2014）.
摘要：调度虚拟机是云计算的一个主要研究课题，因为它直接影响性能、运营成本和服务质量。大型云中心通常配备数十万台物理机器。调度器的任务是选择最好的一个来托管虚拟机。这是一个NP-hard全局优化问题，对研究人员来说是一个巨大的挑战。本文研究了云上虚拟机（VM）的调度问题。我们对虚拟机调度的主要关注点是能耗，因为云中心运营成本的最大部分是所用的千瓦。我们设计了一种调度算法，在主机上分配传入的虚拟机实例，从而使整个系统的能耗最低。更具体地说，我们开发了一种新的算法，称为视觉认知，以解决全局优化问题。该算法的灵感来源于观察人眼如何直接看到最小/最大的项目，而不进行成对比较。我们从理论上证明了该算法的正确性和收敛速度。实际上，我们使用模拟方法验证了新算法和调度概念。所采用的云模拟器使用各种属性和详细的运行时信息对不同的云基础设施进行建模，这些信息通常无法从真实的云中获得。实验结果证明了我们的方法在降低云中心能耗方面的优势。

引用于1文件

MSC公司：

68平方米 计算机系统环境下的性能评估、排队和调度

关键词：

云计算；视觉认知算法；VM调度；模拟

软件：

亚马逊EC2；甲骨文公司；云模拟；太阳网格引擎；桉树；Hypertool（超级工具）；打开星云
PDF格式BibTeX公司 XML格式引用
\textit{J.Zhao}等人，国际期刊应用。数学。计算。科学。24，第3号，535--550（2014；Zbl 1322.68031）
全文： 内政部

参考文献：

[1] Adaptive Computing Inc.（2013）。TORQUE资源经理，http://www.adaptivecomputing.com/products/opensource/torque/上。；
[2] Altair Engineering Inc.（2013）。PBS工作—支持按需计算，http://www.pbsworks.com/。；
[3] 亚马逊（2013年a）。亚马逊弹性计算云，http://aws.amazon.com/ec2/。；
[4] 亚马逊（2013年b）。简单存储服务，http://aws.amazon.com/s3/。；
[5] Armbrust，M.、Fox，A.、Griffith，R.、Joseph，A.D.、Katz，R.，Konwinski，A.、Lee，G.、Patterson，D.、Rabkin，A.、Stoica，I.和Zaharia，M.（2009年）。云端之上：伯克利云计算观，加州大学伯克利分校技术报告。；
[6] Barham，P.、Dragovic，B.和Fraser，K.（2003）。Xen和虚拟化艺术，《第19届ACM操作系统原理研讨会论文集》，美国纽约州博尔顿兰德，第164-144页。；
[7] Beloglazov，A.和Buyya，R.（2010年）。基于自适应阈值的云数据中心虚拟机节能整合方法，第八届网格、云和电子科学中间件国际研讨会论文集，印度班加罗尔，第4:1-6页。；
[8] Beloglazov，A.和Buyya，R.（2012）。云数据中心虚拟机能量和性能高效动态整合的最佳在线确定性算法和自适应启发式，并发与计算：实践与经验24（3）：1397-1420。；
[9] Bilal，K.、Khan，S.U.、Madani，S.A.、Hayat，K.，Khan，M.I.、Min-Allah，N.、Kołodziej，J.、Wang，L.、Zeadally，S.和Chen，D.（2013）。使用自适应链路速率的绿色通信调查，集群计算16（3）：575-589。；
[10] Cai，Y.、Qian，J.和Sun，Y.（2006）。面向全局优化的Outlook算法，广东工业大学学报23（2）：1-10。；
[11] Calheros，R.N.、Ranjan，R.、Beloglazov，A.、e Rose，C.A.F.D.和Buyya，R.（2011）。CloudSim:一个用于云计算环境建模和仿真以及资源供应算法评估的工具包，《软件：实践与经验》41（1）：23-50。；
[12] Chen，D.、Li，D.、Xiong，M.、Bao，H.和Li，X.（2010）。GPGPU辅助集成经验模式分解用于麻醉期间EEG分析，IEEE生物医药信息技术汇刊14（6）：1417-1427。；
[13] Chen，D.、Wang，L.、Wu，X.、Chen，J.、Khan，S.、Kołodziej，J.，Tian，M.、Huang，F.和Liu，W.（2013）。分层网格体系结构上巨大人群的混合建模和模拟，《未来一代计算机系统》29（5）：1309-1317。de Boer，P.（2005）。交叉熵方法教程，《运筹学年鉴》134（2）：19-67。；
[14] Fang，Y.、Wang，F.和Ge，J.（2010）。基于云计算中负载平衡的任务调度算法，《2010年Web信息系统与挖掘国际会议论文集》，中国三亚，第271-277页。；
[15] FlexiScale有限公司（2013）。FlexiScale：按需效用计算，http://www.flexiscale.com/。；
[16] Gentzsch，W.（2001）。《太阳网格引擎：迈向创建计算电网》，《第一届集群计算与网格国际研讨会论文集》，美国华盛顿特区，第35-36页。；
[17] Glover，F.（1989）。禁忌搜索：第一部分，ORSA计算杂志21（1）：190-206·兹比尔0753.90054
[18] Glover，F.（1990年）。禁忌搜索：第二部分，ORSA计算杂志21（2）：4-32·Zbl 0771.90084号
[19] González-V´elez，H.和Kontagora，M.（2011）。使用部门云上的完全虚拟化对MapReduce进行性能评估，国际应用数学与计算机科学杂志21（2）：275-284，DOI:10.2478/v10006-011-0020-3。；
[20] Gruian，F.和Kuchcinski，K.（2001年）。LEneS：使用可变电源电压处理器的低能系统任务调度，《2001年亚洲和南太平洋设计自动化会议论文集》，日本横滨，第449-455页。；
[21] Hsu，C.和Feng，W.（2005）。基于商品的高性能集群中功率感知的可行性分析，《集群计算学报》，弗吉尼亚州伯灵顿，美国，第1-10页。；
[22] 胡J.、顾J.、孙G.和赵T.（2010）。云计算环境中虚拟机资源负载平衡的调度策略，《并行架构、算法和编程国际研讨会论文集》，中国大连，第89-96页。IBM（2013）。IBM SmartCloud、，http://www.ibm.com/cloud-computing/。；
[23] Jang，S.、Kim，T.、Kim，J.和Lee，J.（2012年）。基于遗传算法的云计算任务调度研究，国际控制与自动化杂志5（4）：157-162。；
[24] Kahn，S.，Bilal，K.，Zhang，L.，Li，H.，Hayat，K.、Madani，S.、Min-Allah，N.、Wang，L.、Chen，D.、Iqbal，M.、Xu，C.和Zomaya，A.（2013）。最新数据中心架构、并发性和计算的定量比较：实践与经验25（12）：1771-1783，DOI:10.1002/cpe.2963。；
[25] Keahey，K.和Freeman，T.（2008）。《科学云：科学应用中云计算的早期经验》，《第一届云计算及其应用研讨会论文集》，美国伊利诺伊州芝加哥。；
[26] Kim，D.、Kim，H.、Jeon，M.、Seo，E.和Lee，J.（2008）。高度整合服务器的基于客户软件优先级的虚拟机调度，《第十四届并行和分布式计算国际会议论文集》（Euro-Par 2008），西班牙拉斯帕尔马斯·德格兰卡纳里亚，第285-294页。；
[27] Kim，S.（1988年）。多处理器调度的一般方法，德克萨斯州奥斯汀市德克萨斯大学技术报告。；
[28] Knauth，T.和Fetzer，C.（2012年）。基础设施云的能量感知调度，《IEEE云计算技术与科学国际会议论文集》，台湾台北，第58-65页。；
[29] Kołodziej，J.、Khan，S.、Wang，L.、Kisiel-Dorohinicki，M.和Madani，S.（2012）。计算网格的安全、能源和性能软件资源分配机制，未来一代计算机系统31:77-92，DOI:10.1016/j.Future.2012.09.009。；
[30] Kołodziej，J.、Khan，S.、Wang，L.、Byrski，A.、Nasro，M.和Madani，S.（2013a）。基于层次遗传的能量优化网格调度，集群计算16（3）：591-609，DOI:10.1007/s10586-012-0226-7。；
[31] Kołodziej，J.、Khan，S.、Wang，L.和Zomaya，A.（2013b）。计算网格中基于节能基因的调度器，并发与计算：实践与经验，DOI:10.1002/cpe.2839。；
[32] Kołodziej，J.和Xhafa，F.（2011）。分层计算网格中建模用户资源和任务分配需求的现代方法，《国际应用数学与计算机科学杂志》21（2）：243-257，DOI:10.2478/v10006-011-0018-x.KVM（2013）。基于内核的虚拟机，http://www.linux-kvm.org/。；
[33] LAVA实验室（2013）。热点，网址：http://lava.cs.virginia.edu/HotSpot/。；
[34] Lee，Y.和Zomaya，A.（2009年）。使用动态电压缩放将先例约束应用的能耗降至最低，2009年第9届IEEE/ACM集群计算和网格国际研讨会论文集，美国华盛顿特区，第92-99页。；
[35] Li，R.和Huang，H.（2007）。列出具有任意发布时间和类似长度的作业的调度，Journal of scheduling 10（6）：365-373·Zbl 1153.90428号
[36] Lin，C.、Liu，P.和Wu，J.（2011）。云计算的能源感知虚拟机动态提供和调度，《IEEE国际云计算会议论文集》，美国华盛顿特区，第736-737页。；
[37] Lin，S.和邱，M.（2010）。随机工作负荷下峰值温度降低的热软件调度，IEEE/ACM RTAS WIP会议记录，美国伊利诺伊州芝加哥，第53-56页。；
[38] Lundy，M.和Mess，A.（1986年）。退火算法的收敛性，数学规划杂志34（1）：111-124·Zbl 0581.90061号
[39] Manzak，A.和Chakrabarti，C.（2003年）。用于最小化能量/功率的可变电压任务调度算法，IEEE超大规模集成系统汇刊11（2）：270-276。；
[40] Martin，S.、Flautner，K.、Mudge，T.和Blaauw，D.（2002年）。动态工作负载下低功耗微处理器的动态电压缩放和自适应体偏置相结合，2002 IEEE/ACM计算机辅助设计国际会议论文集，加利福尼亚州圣何塞，美国，第721-725页。；
[41] Mell，P.和Grance，T.（2013）。NIST对云计算的定义，http://csrc.nist.gov/publications/drafts/800-145/Draft-SP-800-145_clouddefinition.pdf。；
[42] Mesghouni，K.、Hammadi，S.和Borne，P.（2004）。job-shop调度的进化算法，国际应用数学与计算机科学杂志14（1）：91-103·Zbl 1171.90402号
[43] Min-Allah，N.、Khan，S.U.、Ghani，N.，Li，J.、Wang，L.和Bouvry，P.（2012）。速率单调可调度性测试的比较研究，超级计算杂志59（3）：1419-1430。；
[44] Mtiba，A.、Ouni，B.和Abid，M.（2007年）。用于时间安排问题的高效列表调度算法，《计算机与电气工程杂志》33（4）：285-298·Zbl 1120.90331号
[45] Nurmi，D.、Wolski，R.、Grzegorczyk，C.、Obertelli，G.、Soman，S.、Youseff，L.和Zagorodnov，D.（2008年）。Eucalyptus开源云计算系统，云计算及其应用程序，http://eucalyptus.cs.ucsb.edu/wiki/Presentations。；
[46] Openstack（2013）。OpenStack云软件，http://openstack.org/。；
[47] ORACLE（2013）。Oracle网格引擎，http://www.oracle.com/us/products/tools/oracle-grid-engine-075549.html。；
[48] Rosenblum，M.和Garfinkel，T.（2005年）。虚拟机监控器：当前技术和未来趋势，计算机38（5）：39-47。；
[49] Skadron，K.、Abdelzaher，T.和Stan，M.R.（2002年）。用于精确和局部动态热管理的控制理论技术和热-RC建模，第八届高性能计算机体系结构国际研讨会论文集，HPCA’02，华盛顿特区，美国，第17-28页。；
[50] Sotomayor，B.、Montero，R.、Llorente，I.和Foster，I.（2008）。使用OpenNebula引擎的云系统容量租赁，云计算及其应用第一次研讨会，美国伊利诺伊州芝加哥，SPEC（2013）。规格Power08，http://www.spec.org。；
[51] Staples，G.（2006）。TORQUE资源经理，美国佛罗里达州坦帕市2006年ACM/IEEE超级计算大会论文集。；
[52] Takouna，I.、Dawoud，W.和Meinel，C.（2011年）。虚拟化异构多核系统的高效虚拟机调度策略，《并行和分布式处理技术与应用国际会议论文集》（PDPTA2011），美国内华达州拉斯维加斯。；
[53] Tannenbaum，T.、Wright，D.、Miller，K.和Livny，M.（2002）。Beowulf Cluster Computing with Linux，麻省理工学院出版社，马萨诸塞州剑桥，第307-350页。；
[54] 瓦伦蒂尼，G.，拉森德，W.，汗，S.，敏阿拉，N.，马达尼，S.、李，J.、张，L.、王，L.，加尼，N.、科奥德齐耶，J.，李，H.，佐马亚，A.，徐，C.，巴拉吉，P.，维什努，A.，皮内尔，F.，佩塞罗，J.；克里亚佐维奇，D.和布夫里，P.（2013）。集群计算系统中的能效技术概述，集群计算16（1）：3-15。VMware公司（2013年）。VMware、，http://www.vmware.com。；
[55] 王，D.，王，J.，王，H.，张，R.和郭，Z.（2007）。《智能优化方法》，北京高等教育出版社。；
[56] Wang，L.、Laszewski，G.、Younge，A.、He，X.、Kunze，M.、Tao，J.和Fu，C.（2010a）。云计算：一项前瞻性研究，新一代计算28（2）：137-146·Zbl 1192.68085号
[57] Wang，L.、Tao，J.、von Laszewski，G.和Chen，D.（2010年b）。通过任务聚类实现并行任务的功率感知调度，IEEE第16届并行和分布式系统国际会议论文集，中国上海，第629-634页。；
[58] Wang，L.，Chen，D.和Huang，F.（2011年a）。网格、计算机和电气工程分布式协作科学应用的虚拟工作流系统37（3）：300-310。Wang，L.、von Laszewski，G.、Huang，F.、Dayal，J.、Frulani，T.和Fox，G.（2011年b）。基于人工神经网络的数据中心温度预测任务调度：基于模拟的研究，《计算机工程》27（4）：381-391。；
[59] Wang，L.、Khan，S.和Dayal，J.（2012a）。数据中心中热感知工作负载与任务温度配置文件的放置，《超级计算杂志》61（3）：780-803。；
[60] Wang，Y.，Wang，X.和Chen，Y.（2012年b）。性能对称多核架构中的节能虚拟机调度，第八届网络与服务管理国际会议论文集和2012年系统虚拟化管理研讨会，美国内华达州拉斯维加斯，第288-294页。；
[61] Wang，L.，Chen，D.，Hu，Y.，Ma，Y..和Wang，J.（2013a）。将网络基础设施作为云服务实现，计算机与电气工程39（1）：3-14。；
[62] Wang，L.和Khan，S.（2013b）。绿色数据中心性能指标综述：分类研究，《超级计算杂志》63（3）：639-656。；
[63] Wang，L.，Khan，S.，Chen，D.，Kołodziej，J.，Ranjan，R.，Xu，C.和Zomaya，A.（2013c）。集群中的能量感知并行任务调度，未来一代计算机系统29（7）：1661-1670。；
[64] Wu，M.和Gajski，D.（1990年）。Hypertool:message-passing系统的编程辅助工具，IEEE Transactions on Parallel and Distributed systems 1（3）：330-343。；
[65] Xing，W.和Xie，J.（2007）。现代优化算法，清华大学，北京。；
[66] Yao，F.、Demers，A.和Shenker，S.（1995年）。减少CPU能量的调度模型，第36届计算机科学基础年度研讨会论文集，密尔沃基，威斯康星州，美国，第374-382页·Zbl 0938.68533号
[67] Zhang，S.和Chatha，K.S.（2007）。温度感知调度问题的近似算法，《IEEE/ACM国际计算机辅助设计会议论文集》，美国加利福尼亚州圣何塞，第281-288页。；
[68] Zhang，W.、Wang，L.、Song，W.，Ma，Y.，Liu，D.、Liu，P.和Chen，D.（2013）。为大规模遥感图像处理、并发和计算构建多数据中心基础设施：实践与经验25（12）：1798-1812。；
[69] Zong，Z.、Manzanares，A.、Ruan，X.和Qin，X.（2011年）。EAD和PEBD:同构集群上并行任务的两种能量感知复制调度算法，IEEE计算机事务60（3）：360-374·Zbl 1368.68174号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。