面向云數(shù)據(jù)中心的能耗管理*

柳運昌，楊二瑞，許建霞

（1.武漢理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院 武漢 430063；2.平頂山市工業(yè)學(xué)校 平頂山 467000；3.武漢理工大學(xué)信息學(xué)院 武漢 430070)

1 引言

云計算是一種新興的計算模式，其對既有的計算資源進行重組，采用即用即付費的方式，向用戶提供面向效用的IT服務(wù)，廣泛服務(wù)于消費、科學(xué)和商業(yè)領(lǐng)域。云數(shù)據(jù)中心由一系列相互聯(lián)系并且虛擬化的計算機組成，動態(tài)地提供一種或多種統(tǒng)一化的計算和存儲資源。

云數(shù)據(jù)中心的能耗問題日益突出。首先，云數(shù)據(jù)中心的能耗巨大，其生命周期內(nèi)維持正常運行所需的電力成本已經(jīng)超出了系統(tǒng)的硬件成本。根據(jù)IDC的調(diào)查和預(yù)測，1996—2010年，全球企業(yè)IT開銷中的硬件開銷是基本持平的，但能耗和管理成本的上升非常迅速，以至于到2010年，管理成本占了IT開銷的大部分，而能耗開銷越來越接近硬件開銷[1]。并且隨著性能的提升，系統(tǒng)能耗還在繼續(xù)攀升，云數(shù)據(jù)中心的節(jié)能刻不容緩。同時，云數(shù)據(jù)中心的可靠性日趨重要，以各層次的硬件和軟件冗余為代價的高可靠性實現(xiàn)手段大幅提高了系統(tǒng)能耗。更為嚴重的是，云計算模式的出現(xiàn)使計算服務(wù)向普適化方向發(fā)展，用戶規(guī)模急劇擴大，從而造成了驚人的能量浪費。

因此，如何在保證云數(shù)據(jù)中心高性能、高可靠及為用戶提供普適化服務(wù)的前提下，設(shè)計以能耗為中心的計算環(huán)境構(gòu)建方式、任務(wù)運行模式和資源配置機理，就成為推動云計算技術(shù)快速、綠色發(fā)展的一條途徑[2]。本文分析云數(shù)據(jù)中心的能耗組成，對能耗管理展開的相關(guān)研究進行分類、分析與總結(jié),并對有待解決的問題及未來研究重點給出觀點。

2 云數(shù)據(jù)中心系統(tǒng)架構(gòu)

云數(shù)據(jù)中心是一個聚集了大量服務(wù)器、存儲設(shè)備、網(wǎng)絡(luò)設(shè)備等IT設(shè)備的場所，是實現(xiàn)數(shù)據(jù)信息的集中處理、存儲、傳輸、交換、管理等業(yè)務(wù)的服務(wù)平臺。從物理層次看，數(shù)據(jù)中心主要由IT設(shè)備、配電系統(tǒng)和空調(diào)系統(tǒng)3部分構(gòu)成。IT設(shè)備用于數(shù)據(jù)處理、數(shù)據(jù)存儲以及通信，是實現(xiàn)數(shù)據(jù)中心功能的核心部分。配電系統(tǒng)用于直流、交流轉(zhuǎn)換，并確保為IT設(shè)備提供可靠、高質(zhì)量的電源?？照{(diào)系統(tǒng)保證IT設(shè)備在正常的溫度和濕度下工作。云計算中心系統(tǒng)架構(gòu)如圖1所示。

3 云數(shù)據(jù)中心能耗組成

云數(shù)據(jù)中心能耗是指數(shù)據(jù)中心中各種用能設(shè)備消耗的能源總和，不僅包括服務(wù)器、交換機等IT設(shè)備的能耗，還包括空調(diào)、配電等輔助系統(tǒng)的能耗。在目前數(shù)據(jù)中心能效水平狀況下，數(shù)據(jù)中心能耗的構(gòu)成大致如圖2所示。IT設(shè)備是能耗最高的部分，占數(shù)據(jù)中心總能耗的50%左右，其中服務(wù)器能耗占40%左右，存儲設(shè)備和網(wǎng)絡(luò)通信設(shè)備能耗各占5%左右；空調(diào)系統(tǒng)能耗在數(shù)據(jù)中心總能耗中排第二位，占40%左右；配電系統(tǒng)能耗約占數(shù)據(jù)中心總能耗的10%左右[3]。

4 云數(shù)據(jù)中心能耗管理研究

為了降低云計算中心能耗，許多研究從多個角度著手進行優(yōu)化與控制，包括功耗管理、能量感知的資源分配、能量感知的任務(wù)調(diào)度、網(wǎng)絡(luò)設(shè)備能耗控制、熱量消散等[4]。

4.1 功耗管理

在服務(wù)器功耗管理方面，節(jié)能技術(shù)可大致分為兩類：服務(wù)器動態(tài)電壓/頻率管理和關(guān)閉不用的服務(wù)器。前者的電力節(jié)省通過調(diào)整操作時鐘降低電路的供應(yīng)電壓來實現(xiàn)，不過它有賴于硬件部件的設(shè)置來進行；后者有望節(jié)省更多的電力，因為關(guān)閉服務(wù)器意味著接近能量的零消耗[5]。Truong Vinh Truong Duy等人[5]設(shè)計、實現(xiàn)和評價了一種集成神經(jīng)網(wǎng)絡(luò)的綠色調(diào)度算法，通過管理未用到的服務(wù)器來優(yōu)化云計算環(huán)境下服務(wù)器功耗。根據(jù)預(yù)測工作量，該算法首先估計對服務(wù)器的動態(tài)需求，然后關(guān)閉不必要的服務(wù)器，以盡量減少運行中的服務(wù)器，從而減少功耗。此外，添加配置多個服務(wù)器，有助于確保服務(wù)水平協(xié)議。最終在保護環(huán)境、確保服務(wù)質(zhì)量的同時降低服務(wù)提供者的總成本。該算法需要擴展以便于處理更多類型的負荷和應(yīng)用服務(wù)。

Che Yuan Tu等[6]提出了一個功耗感知的云架構(gòu)。該架構(gòu)使用無盤設(shè)計、RAM磁盤存儲和Cpufreqd/Xenpm工具，提供節(jié)能和能量感知能力。Cpufreqd有助于使用更高頻率CPU，自動根據(jù)物理機上Cpufreqd配置的使用規(guī)則處理專門應(yīng)用，xenpm有助于調(diào)整虛擬機的虛擬CPU頻率。這兩個工具都被稱為基于ACPI的DVFS技術(shù)，有助于高效地使用更高頻率的CPU執(zhí)行作業(yè)，避免作業(yè)完成后CPU空閑時間時的功耗。Leping W和Ying L[7]為異構(gòu)的軟實時集群提出了有效的功耗管理（PM）算法，降低了電源管理組件到新平臺定制的成本。

關(guān)閉服務(wù)器、調(diào)整服務(wù)器運行速度的功率管理技術(shù)，會影響服務(wù)托管中心滿足SLA的能力。另外，服務(wù)器的反復(fù)開閉提高了組件的磨損率，將引發(fā)服務(wù)器采購成本和替換成本的上升。

4.2 能量感知的資源分配

能量感知的資源分配旨在實現(xiàn)高能效的資源優(yōu)化，同時保持高水平的服務(wù)性能不降低。高效的資源分配方案自動地給每個服務(wù)分配最少的服務(wù)器資源，滿足用戶可接受的服務(wù)質(zhì)量要求，留下充足的資源部署到其他方面。部署選擇必須要適應(yīng)工作負荷的變化，能平滑地處理未可預(yù)測的需求浪涌或資源失效。

[8]為了降低功耗消費，同時滿足性能的要求，提出了一種靈活和能量感知的框架，在數(shù)據(jù)中心重新分配虛擬機。該框架基于約束的機器表示，通過服務(wù)水平協(xié)議，獨立于數(shù)據(jù)中心管理系統(tǒng)，計算并制定虛擬機最優(yōu)的位置。

Younge A J等[9]提出了一個新的框架，能提供可擴展的、高效的綠色增強云計算架構(gòu)。該方案采用能量感知的調(diào)度技術(shù)、可變的資源管理、實時遷移和最小的虛擬機設(shè)計，基于云的數(shù)據(jù)中心將以最小的性能開銷獲得整個系統(tǒng)性能的極大提高。

Beloglazov等[10]定義一種云計算節(jié)能的架構(gòu)框架和原則?；谶@個架構(gòu)，本文提出了自己的設(shè)想、研究挑戰(zhàn)、云計算環(huán)境下節(jié)能管理的資源提供和分配算法。它提出一種能量感知的啟發(fā)式資源分配算法，為客戶應(yīng)用程序提供數(shù)據(jù)中心的資源，在提高數(shù)據(jù)中心能效的同時提供協(xié)商一致的服務(wù)質(zhì)量（QoS）。

Ardagna D等[11]側(cè)重于多層虛擬化系統(tǒng)的資源分配問題，既要取得SLA的最大化收益目標，也要最大限度地減少能源成本。該文的新穎之處在于在一個統(tǒng)一的框架內(nèi)處理服務(wù)中心管理資源、分配虛擬機（VM）、平衡負載、分配容量、調(diào)整服務(wù)器的電源狀態(tài)以及實現(xiàn)動態(tài)電壓/頻率縮放。Beloglazov等[12]為虛擬化的云計算數(shù)據(jù)中心設(shè)計了一種高效節(jié)能的資源管理系統(tǒng)，能降低系統(tǒng)的運營成本，并提供所需的服務(wù)質(zhì)量。根據(jù)資源的當前利用率，虛擬機之間的虛擬網(wǎng)絡(luò)拓撲和計算節(jié)點的熱狀態(tài)，系統(tǒng)進行持續(xù)的虛擬機合并，從而達到節(jié)能的目標。Beloglazov等[13]為虛擬化的云數(shù)據(jù)中心開發(fā)了一個有效的資源管理政策。目標是利用實時遷移技術(shù)不斷地進行虛擬機的合并，關(guān)閉空閑的節(jié)點，以此最大限度地降低功耗，同時提供必要的質(zhì)量服務(wù)。

參考文獻[14]基于客戶利用資源模式介紹了一種動態(tài)資源供給機制用于云數(shù)據(jù)中心的過度分配。提出的機制減少了實時限制的影響，同時改善整體能源效率。其主要思想是利用每個客戶資源利用模式巧妙地分配資源請求的虛擬機。這減少了經(jīng)常高估產(chǎn)生的浪費并增加了數(shù)據(jù)中心的可用性。因此，它以同樣的計算基礎(chǔ)設(shè)施承載更多的虛擬機，提高能源效率。為了減輕任務(wù)完成截止日期的負面影響，建議的過度服務(wù)實現(xiàn)了一個根據(jù)歷史數(shù)據(jù)多層神經(jīng)網(wǎng)絡(luò)預(yù)測的資源使用模式。此外，還對于意想不到的更高請求，引入了補償機制用于調(diào)節(jié)資源分配。

資源分配能使虛擬機盡量集中，空閑更多物理機以達到降低功耗的目的。把負載的波峰、波谷到來存在差異的虛擬機整合到單一的物理機,使物理機資源從時間和空間都得到更充分的利用,最終還是通過休眠或關(guān)機降低功耗。雖然下降幅度大,但虛擬機遷移會對網(wǎng)絡(luò),源、目的物理主機產(chǎn)生一定的負面影響。

4.3 能量感知的任務(wù)調(diào)度

云計算環(huán)境中，一個重要的研究問題是能量感知的任務(wù)調(diào)度。對于典型的云數(shù)據(jù)中心中多種多樣的計算機，采用智能優(yōu)化的調(diào)度方法可以節(jié)省大量的能量。云數(shù)據(jù)中心以虛擬機為調(diào)度的粒度，具有不同于傳統(tǒng)的以任務(wù)為粒度的調(diào)度特性。

參考文獻[15]分析了一個能量感知的云服務(wù)計算環(huán)境。文章研究了一個通用的云使用場景，不同類型的服務(wù)器提供多種服務(wù)，不用事先知道用戶的需求。該研究提出了云綠色調(diào)度問題，每個服務(wù)所需服務(wù)器的數(shù)量，動態(tài)調(diào)度方案將用戶調(diào)度到不同的服務(wù)器上。該調(diào)度是一個優(yōu)化問題，QoS約束由概率表示。文章還根據(jù)Monto-Carlo樣本估計提出了一個隨機動態(tài)調(diào)度方案處理需求不確定性。

參考文獻[16]提出了一個框架，用于自動管理云計算基礎(chǔ)設(shè)施的計算資源，同時滿足SLO限制和減少系統(tǒng)能源消耗，利用虛擬機遷移實現(xiàn)目標。此外，文章發(fā)現(xiàn)，虛擬機遷移比不使用虛擬機遷移更能提高性能、降低能源消耗。

Zhibo等[17]設(shè)計一個新的綠色算法，不僅可以幫助云中的多個CPU在最后完工內(nèi)完成任務(wù)，而且可以大大減少能量消耗。它結(jié)合人工智能的綠色算法，通過部分任務(wù)重組有效地進行任務(wù)分配，通過時間限制下的智能任務(wù)調(diào)度調(diào)整云服務(wù)器的運行速度。

Xiaoli W等[18]從服務(wù)器能源效率的觀點出發(fā)，提出了新的高效多任務(wù)調(diào)度模型，這個模型基于谷歌的海量數(shù)據(jù)處理框架。為解決這個問題，該文為個體設(shè)計了一個實用的編碼與解碼方法，并將服務(wù)器的整體能耗效率作為個體的適應(yīng)度值，同時，為了加快收斂速度和提高算法搜索能力，引入了局部搜索算法。

Berral等[19]提出了云環(huán)境下的任務(wù)與網(wǎng)絡(luò)服務(wù)的自動調(diào)度框架，優(yōu)化利潤時考慮了任務(wù)執(zhí)行的獲利，同時減去違反服務(wù)質(zhì)量協(xié)議的懲罰、能耗成本?？蚣艿闹饕暙I是任務(wù)合并與虛擬化技術(shù)、數(shù)學(xué)優(yōu)化方法和機器學(xué)習(xí)技術(shù)的結(jié)合。數(shù)據(jù)中心的基礎(chǔ)設(shè)施、要執(zhí)行的任務(wù)和預(yù)期利潤構(gòu)成了數(shù)學(xué)規(guī)劃模型，然后通過尋找不同的優(yōu)秀任務(wù)調(diào)度算法來解決。

Mehdi等[20]考慮到任務(wù)的期限，檢查虛擬機的可用性和當前負載，提出了基于任務(wù)期限和虛擬機負載的調(diào)度分配算法映射主機接受的任務(wù)，并確保任務(wù)的期限和最低功耗。它的重點是數(shù)據(jù)中心的負載和功率消耗。這種算法的提出來自于任務(wù)最小完成時間的啟發(fā)。

Snooze[21]為一個獨特整體能量感知的虛擬機管理框架，有著直接的實際應(yīng)用：它可以有效地管理生產(chǎn)數(shù)據(jù)中心，或作為一個測試平臺提供先進的能源感知VM調(diào)度算法。特別是，Snooze附帶集成的VM監(jiān)測和實時遷移的支持。此外，它實現(xiàn)了資源利用率（如CPU、內(nèi)存和網(wǎng)絡(luò)）估計引擎、檢測過載和負載不足的情況，最后進行基于事件的VM遷移和定期合并。

由于用戶任務(wù)規(guī)格的變化，系統(tǒng)固有的不可預(yù)期的突發(fā)事件，有時會造成調(diào)度信息的不可用或不夠準確。

4.4 網(wǎng)絡(luò)系統(tǒng)

另外，被研究社區(qū)視為大的能量消耗的來源是網(wǎng)絡(luò)設(shè)施。數(shù)據(jù)中心網(wǎng)絡(luò)基本分層架構(gòu)如圖3所示[22]。

Baliga等[23]認為，隨著云計算的不斷擴大，支撐云的網(wǎng)絡(luò)和計算資源的能耗將不斷增長，需要從完整的信息和通信技術(shù)方面來考慮能耗問題。文章對云計算中的能耗進行了分析。分析分為公有云和私有云兩方面，包含了數(shù)據(jù)交換和傳輸?shù)哪芎囊约皵?shù)據(jù)存儲和計算的能耗。

參考文獻[24]首先驗證服務(wù)器、通信網(wǎng)絡(luò)和電源網(wǎng)絡(luò)之間協(xié)作的需要，以便降低云計算環(huán)境整個ICT設(shè)備的總功耗。文章提出了5個協(xié)作基本政策，概述了每個協(xié)作政策實現(xiàn)的算法。該文還提出了可能的信號序列交換網(wǎng)絡(luò)和服務(wù)器之間的功耗信息，目的在于實現(xiàn)提出的協(xié)作政策。為了降低網(wǎng)絡(luò)功率消耗，該文提出了一種簡單的方法，推定所有網(wǎng)絡(luò)設(shè)備的功率消耗的大小，并將其分配給個人用戶。

Kliazovich等[25]提出了一種能量感知的云計算數(shù)據(jù)中心的模擬環(huán)境。隨著工作量的分配，設(shè)計的模擬器可以捕捉到由數(shù)據(jù)中心組件 （服務(wù)器、交換機、鏈路）的能源消耗以及實際設(shè)置的包層次的通信模式。二層、三層高速的數(shù)據(jù)中心的仿真結(jié)果說明了仿真系統(tǒng)采用的功耗管理方案的有效性，比如電壓縮放、頻率縮放和動態(tài)關(guān)機等應(yīng)用到計算和網(wǎng)絡(luò)組件中的技術(shù)等。

Vasi等[26]認為互聯(lián)網(wǎng)的能耗不僅要考慮服務(wù)器硬件節(jié)能技術(shù)，還需要考慮網(wǎng)絡(luò)設(shè)備的能耗。該文采用可擴展的在線技術(shù)在多條路徑上傳播負載，以此來節(jié)省能量。

蔣清泉等[27]針對通信網(wǎng)絡(luò)能耗特點及環(huán)境條件，根據(jù)通信設(shè)備、電源和基站的能耗現(xiàn)狀，分析通信網(wǎng)絡(luò)的能耗分布及節(jié)能潛力，提出通信網(wǎng)絡(luò)節(jié)能降耗的途徑與措施。以此為基礎(chǔ)，提出并設(shè)計通信機房新風(fēng)節(jié)能改造方案和移動通信基站綜合節(jié)能解決方案。運用定性比較評估方法，對該方案在中國電信、中國移動等通信運營企業(yè)實際應(yīng)用的節(jié)能效果進行科學(xué)測量統(tǒng)計。

目前此類研究更多偏重于通信鏈路、中繼設(shè)備狀態(tài)切換的節(jié)能。但云數(shù)據(jù)中心內(nèi)虛擬機數(shù)量眾多，相互間的通信量巨大，有關(guān)虛擬機通信的拓撲研究、路由協(xié)議等的研究較少。

4.5 熱量消散

云數(shù)據(jù)中心的主要部件由集成電路和電容等電子元器件組成，在工作過程中消耗電能，部分被轉(zhuǎn)化為熱量釋放；數(shù)據(jù)中心內(nèi)所運行的設(shè)備數(shù)量多、密度高、發(fā)熱量大。電子元器件工作的穩(wěn)定性和老化速度與環(huán)境溫度有很大關(guān)系，隨著工作環(huán)境溫度的升高，電子元器件的失效率將明顯升高。

數(shù)據(jù)中心的熱環(huán)境發(fā)揮重要的作用，不僅影響數(shù)據(jù)中心的能效，而且影響數(shù)據(jù)中心的可靠運營。傳統(tǒng)系統(tǒng)利用計算機房空調(diào)單元對冷空氣施壓，使冷空氣沿著上升的地板流動，從而降低機房的溫度。研究表明，軟件驅(qū)動的熱管理和熱感知的負載分配能節(jié)省更多的能量。

Apache Hadoop[28]是一個框架管理的大型的基于存儲的數(shù)據(jù)中心,其主要工作是將數(shù)據(jù)傳送到客戶端。在這樣的系統(tǒng)中，主要工作是在許多可用的副本之間關(guān)聯(lián)到每個數(shù)據(jù)請求的具體的數(shù)據(jù)副本。這種分配影響整個存儲服務(wù)器的工作量和功耗分布。文章探討了基于Hadoop框架，以存儲為中心的數(shù)據(jù)中心的熱和能量感知的任務(wù)調(diào)度。文章試圖減少數(shù)據(jù)中心的功率消耗，而確保數(shù)據(jù)中心中的每個數(shù)據(jù)節(jié)點的運算嚴格遵守在一定的溫度閾值以下。該文把最優(yōu)化問題描述作為一個ILP（線性規(guī)劃問題），然后采用啟發(fā)式最小的成本流加任務(wù)重新調(diào)度解決問題。

參考文獻[29]提出了熱感知的活動服務(wù)器集的提供機制，以非線性極大極小二進制的整數(shù)規(guī)劃形式以及一系列啟發(fā)式的方法來解決該問題，即極大極小等。此外，它引入了活動服務(wù)器之間的熱感知的工作負載分布。

參考文獻[30]認為數(shù)據(jù)中心的功率消耗的很大一部分可以歸因于冷卻。在數(shù)據(jù)中心和服務(wù)器動態(tài)熱管理機制中，熱設(shè)定值的選擇通常是靜態(tài)和保守的，能夠顯著地改進能量效率。該文提出了兩層次互補的熱感知技術(shù)，實現(xiàn)功率優(yōu)化：降低整體系統(tǒng)功率不影響性能；以相同的功率預(yù)算實現(xiàn)更高的性能。在數(shù)據(jù)中心級別，基于冷卻區(qū)的利用水平，通過選擇兩個暖通空調(diào)冷水機組間熱設(shè)定點，在設(shè)施、暖氣、通風(fēng)和空調(diào)（HVAC）功率與服務(wù)器風(fēng)扇電源間達到均衡。在服務(wù)器級別，通過動態(tài)調(diào)整服務(wù)器的熱設(shè)定點，平衡風(fēng)扇的電源和電路漏電功耗，當風(fēng)扇功率比泄漏功率的成本低時，讓系統(tǒng)加熱，可以節(jié)省更多的能量。

Viswanathan等[31]探討了實時測量獲取熱感知的方法、熱量與空氣的循環(huán)模型和利用熱感知進行主動的數(shù)據(jù)中心自動化管理方案。文章介紹了一種新的通信與協(xié)調(diào)方案，使外部異構(gòu)的、自組織的傳感器網(wǎng)絡(luò)變成多層的感知設(shè)施，對數(shù)據(jù)中心進行實時的監(jiān)測。

云計算中心熱量消散研究，主要集中于計算系統(tǒng)產(chǎn)生的熱空氣分布不均造成的熱點問題，沒有進一步考慮熱量控制與功耗管理的關(guān)系。

5 結(jié)束語

為向用戶提供普適化服務(wù)，云數(shù)據(jù)中心的建設(shè)正廣泛興起。高性能、高可靠的云數(shù)據(jù)中心要耗費大量的能量，云計算中心的節(jié)能已經(jīng)變成急需得到解決的問題。本文首先分析了云計算中心能耗的組成，然后對云數(shù)據(jù)中心能耗管理的相關(guān)研究進行分類、分析與總結(jié)。

目前的研究主要集中在功耗管理、基于虛擬化資源的管理與調(diào)度，而對于云數(shù)據(jù)中心的網(wǎng)絡(luò)設(shè)施、熱量消散，相應(yīng)的研究比較少。

綜上考慮，本文認為云數(shù)據(jù)中心能耗管理的研究應(yīng)該著重于以下幾個方面。

功耗管理和熱量消散綜合考慮。當前，功耗管理與熱量控制的研究是割裂的、單獨的，單獨的解決方案可能相互干擾，以不可預(yù)測的方式對系統(tǒng)造成潛在的威脅。大部分的研究只關(guān)注于一個或至多兩個特定的管理面，比如最小化能耗、平衡熱量分布或最大化資源利用。但是，把所有層面合在一起考慮時，將會產(chǎn)生目標的沖突。比如，嚴格壓縮虛擬機到數(shù)量較少的服務(wù)器，關(guān)閉其他地服務(wù)器是有效的減少能量成本的方法?？墒牵沿摵杉性谙到y(tǒng)的少量資源上可能導(dǎo)致熱不平衡，產(chǎn)生局部熱點，這將影響制冷成本，降低服務(wù)器壽命和性能。以后，需把功耗管理和熱量控制技術(shù)融合在一起部署，構(gòu)建統(tǒng)一的方案追蹤、優(yōu)化能耗問題。

（1）合并不同類型的工作負荷

不同類型的工作負荷對系統(tǒng)的性能影響很大，因此，在云計算環(huán)境中，性能感知的資源選擇發(fā)揮重要的作用。目前的研究方法只考慮單一工作負荷類型，沒有解決多類型工作負荷合并的問題。

（2）虛擬網(wǎng)絡(luò)拓撲結(jié)構(gòu)優(yōu)化

云數(shù)據(jù)中心的資源大多以虛擬機的形式提供給用戶。這些虛擬機之間彼此通信，建立了虛擬的網(wǎng)絡(luò)鏈接。在進行工作負荷的合并、虛擬機的遷移時，虛擬的網(wǎng)絡(luò)鏈接就要改變。為減輕數(shù)據(jù)傳輸?shù)膲毫?、減少能量的消耗，需要仔細觀察虛擬機之間的通信，減輕網(wǎng)絡(luò)設(shè)施間的能耗。

參考文獻

1 郭鑫,劉圣慶，王偉.論電信服務(wù)新時期云計算與節(jié)能減排.中國通信學(xué)會信息通信網(wǎng)絡(luò)技術(shù)委員會2011年年會,鄭州,河南,中國，2011：1357～1363

2 過敏意.綠色計算:內(nèi)涵及趨勢.計算機工程,2010,36(10):1～7

3 谷立靜,周伏秋,孟輝.我國數(shù)據(jù)中心能耗及能效水平研究.中國能源,2010(11):42～45

4 陳元生,詹劍鋒，孟丹等.SaaS服務(wù)平臺中針對異構(gòu)負載的能耗管理策略研究.2010年全國高性能計算學(xué)術(shù)年會(HPC china2010),北京，中國，2010

5 Truong V T D,Sato Y,Inoguchi Y.Performance evaluation of a green scheduling algorithm for energy savings in cloud computing.2010 IEEE International Symposium on Parallel&Distributed Processing,Workshops and Phd Forum (IPDPSW),Atlanta,CA,USA,2010:1～8

6 Tu C Y,Kuo W C,Teng W H,et al.A power-aware cloud architecture with smartmetering.The 39th International Conference on Parallel Processing Workshops (ICPPW),San Diego,USA,2010:497～503

7 Wang L P,Lu Y.Efficient power management of heterogeneous soft real-time clusters.Real-Time Systems Symposium,USA,2008:323～332

8 Dupont C,Schulze T,Giuliani G.An energy aware framework for virtual machine placement in cloud federated data centers.The Third International Conference on Future Energy Systems:Where Energy,Computing and Communication Meet(e-Energy),New York,USA,2012

9 Younge A J,Laszewski G V,Wang L.Efficient resource management for cloud computing environments.Green Computing Conference,2010 International,Chicago,USA,2010:357～364

10 Beloglazov A,Abawajy J,Buyya R.Energy-aware resource allocation heuristics for efficient management of data centers for cloud computing.Future Generation Computer Systems,2012,28(5):755～765

11 Ardagna D,PanicucciB,Trubian M,etal.Energy-aware autonomic resource allocation in multi-tier virtualized environments.IEEE Transactions on Services Computing,2010,5(1):2～19

12 Beloglazov A,Buyya R.Energy efficient resource management in virtualized cloud data centers,in cluster.The 10th IEEE/ACM InternationalConference on Cloud and Grid Computing(CCGrid),NewPort Beach,CA,USA,2010:826～831

13 Beloglazov A,Buyya R.Energy efficient allocation of virtual machines in cloud data centers.The 10th IEEE/ACM International Conference on Cluster,Cloud and Grid Computing(CCGrid),NewPort Beach,CA,USA,2010:577～578

14 Moreno I S,Xu J.Neural network-based overallocation for improved energy-efficiency in real-time cloud environments.ISORC,Guang Dong,China,2012:119～126

15 Liang Z,Zheng B Y,Cui J W,et al.Toward green service in cloud:from the perspective of scheduling. International Conferenceon Computing,Networkingand Communications(ICNC),Maui,HI,USA,2012:939～943

16 Guazzone,M,Anglano C,Canonico M.Exploiting VM migration for the automated power and performance management of green cloud computing systems.Lecture Note in Computer Science,2012（7396）:81～92

17 Wang Z B,Zhang Y Q.Energy-efficient task sche duling algorithms with human intelligence based task shuffling and task relocation.IEEE/ACM International Conference on Green Computing and Communications (GreenCom),Sichuan,China,2011:38～43

18 Wang X L,Wang Y P.Energy-efficient multi-task scheduling based on MapReduce forcloud computing.The Seventh InternationalConference on ComputationalIntelligence and Security(CIS),Hainan,China,2011:57～62

19 Berral J L,Gavalda R,Torres J.Adaptive scheduling on power-aware managed data-centers using machine learning.The 12th IEEE/ACM International Conference on Grid Computing(GRID),Washington,DC,USA,2011:66～73

20 Mehdi N A,Mamat A,Amer A,et al.Minimum completion time for power-aware scheduling in cloud computing.The 4th Internatonal Corference on Developments in e-Systems Engineering(DeSE),Dubai,2011:484～489

21 Feller E,Rohr C,Margery D,et al.Energy management in IaaS clouds:a holistic approach.IEEE 5th International Conference on Cloud Computing (CLOUD),Honolulu,HI,USA,2012:204～212

22 Zhang Q,Cheng L,Boutaba R.Cloud computing:state-of-the-art and research challenges.Journalof InternetService and Application,2010,1(1):7～18

23 Baliga J,Ayre R W A,Hinton K,et al.Green cloud computing:balancing energy in processing, storage, and transport.Proceedings of the IEEE,2011,99(1):149～167

24 Kuribayashi S.Reducing total power consumption method in cloud computing environments.LJCNC,2012,4(2):69～84

25 Kliazovich D,Bouvry P,Audzevich Y,et al.GreenCloud:a packet-level simulator of energy-aware cloud computing data centers. IEEE Global Telecommunications Conference(GLOBECOM),Miami,FL,USA,2010:1～5

26 Vasi N,Kosti D.Energy-aware traffic engineering.The 1st InternationalConference on Energy-EfficientComputing and Networking,USA,2010:169～178

27 青泉.通信網(wǎng)絡(luò)能耗分析與節(jié)能技術(shù)應(yīng)用.中南大學(xué)學(xué)報(自然科學(xué)版),2009,40(2):464～470

28 Bing S,Srivastava A.Thermal and power-aware task scheduling for Hadoop based storage centric datacenters.International Green Computing Conference,Chicago,USA,2012:78～83

29 Abbasi Z,Varsamopoulos G,Gupta S K S.Thermal aware server provisioning and workload distribution for internet data centers.Proceedings of the 19th ACM International Symposium on High Performatnce Distributed Computing,Chicago,USA,2010:130～141

30 Huang W,Allen W M,Carter J B,et al.TAPO:thermal-aware power optimization techniques for servers and data centers.International Green Computing Conference and Workshops(IGCC),Orlando,FL,USA,2011:1～8

31 Viswanathan H,Eun K L,Pompili D.Self-organizing sensing infrastructure for autonomic management of green datacenters.IEEE Network,2011,25(4):34～40