基于螢火蟲群優(yōu)化算法的容器云資源低能耗部署方法?

徐勝超 葉朝武

（廣州華商學(xué)院數(shù)據(jù)科學(xué)學(xué)院 廣州 511300）

1 引言

云計(jì)算［1］作為最新的計(jì)算技術(shù)在各行業(yè)中逐步發(fā)展，最新的數(shù)據(jù)中心也是云技術(shù)衍生出的產(chǎn)物［2~3］，隨著人們對(duì)資源利用率以及高質(zhì)量作業(yè)的要求，必須加強(qiáng)資源的整合和管理，才能實(shí)現(xiàn)容器云資源的靈活部署和利用［4］。容器云技術(shù)是虛擬化的關(guān)鍵技術(shù)，為了提高其利用率，降低能量消耗，合理部署容器即為實(shí)現(xiàn)容器云資源低能耗部署的重要途徑。

文獻(xiàn)［5］在分析用戶的需求以及運(yùn)行成本的基礎(chǔ)上，將底層資源約束條件形象化，通過演示等得出用戶需求，通過模擬退火算法計(jì)算出云資源部署的初始解，同時(shí)運(yùn)用禁忌搜索算法的記憶功能以及選禁忌表取初始解中的最優(yōu)解，實(shí)現(xiàn)了服務(wù)功能鏈部署。但是該方法在部署時(shí)存在運(yùn)行時(shí)間開銷較大的問題。文獻(xiàn)［6］構(gòu)建了虛擬機(jī)部署模型，詳細(xì)分析云計(jì)算主機(jī)負(fù)載均衡，根據(jù)改進(jìn)粒子群的虛擬機(jī)優(yōu)化配置算法得出最優(yōu)虛擬機(jī)配置解，實(shí)現(xiàn)了云計(jì)算虛擬機(jī)資源配置優(yōu)化。但是該方法在實(shí)際部署過程中沒有將能耗問題轉(zhuǎn)換，不能獲取部署過程中的最低能耗。文獻(xiàn)［7］提出了基于云計(jì)算的海量碎片資源動(dòng)態(tài)調(diào)度方法。依據(jù)碎片資源的優(yōu)先級(jí)計(jì)算結(jié)果重組海量碎片資源，確定資源調(diào)度的初始位置和速度，并更新信息素、控制資源動(dòng)態(tài)循環(huán)迭代次數(shù)和區(qū)間，實(shí)現(xiàn)海量碎片資源的動(dòng)態(tài)調(diào)度。但是該方法只能根據(jù)實(shí)際情況隨機(jī)設(shè)定，導(dǎo)致部署的能耗仍有浪費(fèi)，存在部署性能差以及運(yùn)行時(shí)間開銷大的問題。文獻(xiàn)［8］構(gòu)建了用于數(shù)據(jù)中心節(jié)能容器放置的鯨魚優(yōu)化系統(tǒng)，提出了一種基于鯨魚優(yōu)化算法的算法，將容器即服務(wù)環(huán)境中容器和虛擬兩個(gè)放置階段作為一個(gè)優(yōu)化問題來解決，但是該方法部署過程中的能耗較高。文獻(xiàn)［9］提出了一種基于學(xué)習(xí)自動(dòng)機(jī)的容器云自適應(yīng)任務(wù)調(diào)度算法。通過集群、節(jié)點(diǎn)和任務(wù)對(duì)環(huán)境進(jìn)行建模，通過調(diào)度執(zhí)行優(yōu)化動(dòng)作選擇的概率，從而增強(qiáng)調(diào)度對(duì)云環(huán)境的適應(yīng)性。但是該方法中大量空閑節(jié)點(diǎn)消耗能量，提高了部署能耗。

容器云合理部署可以保證數(shù)據(jù)中心整合、處理的穩(wěn)定性，其可以進(jìn)一步滿足用戶對(duì)于數(shù)據(jù)的需求。螢火蟲群優(yōu)化算法可以在目標(biāo)區(qū)域內(nèi)，提高容器部署覆蓋率，實(shí)現(xiàn)全方位覆蓋的同時(shí)，解決容器部署冗余的問題，為此，本文為了解決容器云資源部署過程中存在的部署性能差、運(yùn)行時(shí)間開銷較大的問題，提出了基于螢火蟲群優(yōu)化算法的容器云資源低能耗部署方法。

2 容器云資源低能耗部署目標(biāo)

為了在保證部署性能的同時(shí)最大程度地降低能耗，必須實(shí)時(shí)監(jiān)測(cè)資源能耗情況，因此需要構(gòu)建能耗模型，進(jìn)而得出能耗的代價(jià)函數(shù)以及約束條件，最終對(duì)其求解得出最優(yōu)解完成資源的低能耗部署。

2.1 能耗模型的構(gòu)建

云計(jì)算主機(jī)運(yùn)行時(shí)，能量消耗的主要部分是容器云資源的計(jì)算過程，即動(dòng)態(tài)能量消耗，令目前云計(jì)算系統(tǒng)的主機(jī)共有n臺(tái)，基于容器云資源分配模型得出云計(jì)算系統(tǒng)能耗代價(jià)函數(shù)［10］，其主要包括云計(jì)算平臺(tái)中全部容器的最小動(dòng)態(tài)能耗匯總和云計(jì)算主機(jī)的處理器利用率兩部分，其表達(dá)式分別式（1）和式（2）為

式中，m代表云計(jì)算系統(tǒng)中容器的數(shù)量，代表第j臺(tái)主機(jī)的處理器利用率最高的時(shí)的能耗，yij代表第i個(gè)容器被遷移到第j臺(tái)主機(jī)，fij代表第i個(gè)容器在第j臺(tái)主機(jī)中的能耗。

上述兩個(gè)代價(jià)函數(shù)對(duì)應(yīng)容器云能耗指標(biāo)，通過計(jì)算代價(jià)函數(shù)即可得到最優(yōu)資源部署的最低能耗［11~12］，其中最低能耗的約束條件為

由于上述兩種代價(jià)函數(shù)之間存在沖突，所以代價(jià)函數(shù)也是容器云資源部署的多目標(biāo)的優(yōu)化問題［13~14］，約束條件就是容器與主機(jī)之間的影響關(guān)系，所以容器的分配y=yij以及容器的能耗f=fij就是多目標(biāo)優(yōu)化問題需要解決的問題。

2.2 多目標(biāo)優(yōu)化問題的求解

因?yàn)槭剑?）和式（2）之間存在沖突，所以不存在兩個(gè)代價(jià)函數(shù)結(jié)果均為最小的唯一解，只能是一組最小解集合，即帕累托最優(yōu)解集［15］。

根據(jù)帕累托占優(yōu)的特點(diǎn)獲取解之間的關(guān)系，假設(shè)式（1）代價(jià)函數(shù)得出的解為g1，式（2）代價(jià)函數(shù)得出的解為g2，當(dāng)g1帕累托占優(yōu)于g2，其需要滿足的條件為

通過對(duì)多目標(biāo)優(yōu)化問題的計(jì)算即可得出每個(gè)主機(jī)配置策略的最低能耗配置結(jié)果［16~17］。

2.3 低能耗部署要求

大多容器云資源在部署過程中均沒有分析云計(jì)算平臺(tái)數(shù)據(jù)中心的動(dòng)態(tài)變化運(yùn)行環(huán)境［18］，由于其中的容器一直處理運(yùn)行狀態(tài)，導(dǎo)致容器云平臺(tái)性能受到影響，為了保證用戶的需求，在低能耗的基礎(chǔ)上最大程度地提高資源利用率和整體效率［19］，容器在部署過程中需要符合以下幾種條件。

1）云計(jì)算平臺(tái)中容器的數(shù)量必須小于對(duì)應(yīng)主機(jī)的最大使用容量。

2）容器對(duì)應(yīng)的主機(jī)受運(yùn)行環(huán)境的影響是不可避免的，但其影響范圍必須控制在用戶可接受范圍內(nèi)。

3）容器整體效率的變化增量必須保證為最大值，即容器對(duì)現(xiàn)有主機(jī)的性能干預(yù)必須降到最小。

式中，mi代表目前投入使用的容器數(shù)量，ui代表分配后容器的效率。

由于容器部署更新后其相應(yīng)的主機(jī)運(yùn)行環(huán)境會(huì)發(fā)生變化，同時(shí)對(duì)鄰近容器性能造成影響，進(jìn)而得出容器在完成部署前后相應(yīng)主機(jī)的效用變化量ΔU′，其表達(dá)式為

式中，uk代表鄰近容器的效率。

3 基于螢火蟲優(yōu)化算法的容器云資源部署

通常情況下每個(gè)策略均對(duì)應(yīng)一個(gè)分配方案，即每個(gè)主機(jī)都對(duì)應(yīng)一個(gè)容器，通過式（4）計(jì)算即可得出最低能耗的部署結(jié)果，為了得到最低能耗的最優(yōu)資源部署結(jié)果，運(yùn)用螢火蟲優(yōu)化算法予以計(jì)算［20~21］，獲取到主機(jī)分配方案的最優(yōu)解集。

螢火蟲群優(yōu)化算法（GSO）的特點(diǎn)是捕捉速度快、用時(shí)少，將其應(yīng)用于容器云資源部署中，可以在最短時(shí)間內(nèi)覆蓋容器云資源覆蓋所有部署區(qū)域，通過求解螢火蟲群優(yōu)化算法相關(guān)參數(shù)等內(nèi)容［22~23］，得到容器云資源低能耗部署方案，具體步驟如下所示。

第一步，在容器云平臺(tái)任意區(qū)域內(nèi)設(shè)置一個(gè)部署策略q，即云計(jì)算系統(tǒng)主機(jī)，將其視為一個(gè)螢火蟲，進(jìn)而組成一個(gè)螢火蟲群。

第二步，在進(jìn)行計(jì)算的初始過程為每個(gè)部署策略q設(shè)置同一濃度的熒光素。

第三步，對(duì)部署策略q的熒光色素進(jìn)行更新。其中熒光素濃度計(jì)算公式為

式中，lq(t) 代表部署策略q經(jīng)過t地帶后的熒光素濃度，β代表熒光素衰減系數(shù)，E(?)代表部署策略q在迭代后的目標(biāo)函數(shù)結(jié)果，xq代表部署策略q在t地帶中的位置。通過多次迭代獲取最新的部署策略q的熒光色素。

第四步，計(jì)算容器向低濃度熒光素移動(dòng)的概率。

概率計(jì)算表達(dá)式為

式中，lo(t)代表熒光素較低的容器經(jīng)過t地帶后的熒光素濃度。

第五步，針對(duì)變化的部署策略位置進(jìn)行更新。

更新后的部署策略位置計(jì)算公式為

式中，c代表部署策略每次迭代的步長(zhǎng)，s代表標(biāo)準(zhǔn)歐氏距離，xo(t)代表低濃度熒光素容器在t地帶中的位置。

第六步：直到滿足迭代次數(shù)和部署需求即可停止位置更新，最終的位置即為容器云低能耗最優(yōu)部署方法，若不滿足則返回第三步。根據(jù)上述部署步驟即可得出最高效的部署結(jié)果。

4 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證基于螢火蟲群優(yōu)化算法的容器云資源低能耗部署方法的整體有效性，文獻(xiàn)［5］和文獻(xiàn)［6］在相應(yīng)領(lǐng)域應(yīng)用后均獲得了較優(yōu)的部署方案，因此將文獻(xiàn)［5］感知服務(wù)的容器云資源部署方法和文獻(xiàn)［6］云計(jì)算虛擬機(jī)資源部署方法作為對(duì)比方法，對(duì)三種方法進(jìn)行部署性能以及運(yùn)行時(shí)間開銷的測(cè)試。

4.1 實(shí)驗(yàn)設(shè)置

采用Cloudsim5模擬容器云資源低能耗部署仿真環(huán)境，在實(shí)驗(yàn)硬件方面，采用Intel i7 8700CPU 六核心，32 GB 內(nèi)存的64 位機(jī)器搭建24 個(gè)節(jié)點(diǎn)的物理集群，每個(gè)物理機(jī)運(yùn)行Linux3.10 內(nèi)核的Ubuntu Xenial 16.04。每個(gè)物理節(jié)點(diǎn)上運(yùn)行Docker1.7.1 來創(chuàng)建虛擬節(jié)點(diǎn)，同時(shí)最多運(yùn)行4 個(gè)虛擬容器，虛擬集群的最大規(guī)模為64 個(gè)節(jié)點(diǎn)。在Docker 中用CPU-Share 比重參數(shù)將6 個(gè)CPU 核心平均分給3 個(gè)虛擬節(jié)點(diǎn)，即每個(gè)Container公平使用兩個(gè)物理CPU核心。在實(shí)驗(yàn)軟件方面，使用Docker Swarm 實(shí)現(xiàn)容器的動(dòng)態(tài)管理，將系統(tǒng)執(zhí)行規(guī)則轉(zhuǎn)換為Swarm 的管理腳本并且執(zhí)行。在上述仿真環(huán)境的支持下，模擬除了容器云低能耗部署區(qū)域如圖1所示。

圖1 容器云低能耗部署區(qū)域

除上述參數(shù)外，還需要設(shè)定螢火蟲優(yōu)化算法的相關(guān)參數(shù)。設(shè)置迭代次數(shù)為500 次，容器感知半徑為5m，通信半徑為10m，熒光素的起始濃度為400，熒光素的揮發(fā)性系數(shù)為0.9，適宜度的提取率為0.1。根據(jù)上述參數(shù)設(shè)置和環(huán)境，采用三種方法進(jìn)行對(duì)比測(cè)試。

4.2 部署性能測(cè)試

實(shí)驗(yàn)共選取33 個(gè)物理節(jié)點(diǎn)以及90 個(gè)容器，云平臺(tái)各個(gè)容器的動(dòng)態(tài)資源均是根據(jù)用戶需求自動(dòng)生成的，假設(shè)目前物理節(jié)點(diǎn)的初始條件相同，即云平臺(tái)負(fù)載程度相同，分別計(jì)算出三種方法容器需要遷移的次數(shù)、穩(wěn)定時(shí)間以及物理節(jié)點(diǎn)空閑的數(shù)量，其中物理節(jié)點(diǎn)就是云計(jì)算平臺(tái)的主機(jī)。

4.2.1 容器遷移次數(shù)

容器云資源部署方法可轉(zhuǎn)換成對(duì)容器的部署，容器的狀態(tài)轉(zhuǎn)換需要對(duì)容器進(jìn)行遷移，不同方法所需的容器遷移次數(shù)也不盡相同，遷移次數(shù)越多耗費(fèi)的時(shí)間也就越長(zhǎng)，所產(chǎn)生的影響也較多，現(xiàn)設(shè)定三種方法更新的容器狀態(tài)相同，判斷在每種進(jìn)化代數(shù)下容器所需的遷移次數(shù)，實(shí)驗(yàn)結(jié)果如圖2所示。

圖2 三種方法部署所需的容器遷移系數(shù)

根據(jù)圖2 所示的實(shí)驗(yàn)結(jié)果可知，經(jīng)過多次進(jìn)化，容器所需遷移次數(shù)最少的是本文方法，最高遷移次數(shù)為40 次，感知服務(wù)的容器云資源部署方法和云計(jì)算虛擬機(jī)資源部署方法的最高遷移次數(shù)分別為72 次和91 次，即本文方法更新出資源分布狀態(tài)最高效，較比其余兩種方法更加便捷。其主要原因是本文方法將云計(jì)算系統(tǒng)能耗代價(jià)函數(shù)求解問題轉(zhuǎn)化為容器云資源部署的多目標(biāo)優(yōu)化問題，通過求解多目標(biāo)函數(shù)，確定最優(yōu)部署方案，減少容器遷移次數(shù)。

4.2.2 穩(wěn)定時(shí)間

以某數(shù)據(jù)中心為研究對(duì)象，對(duì)其容器進(jìn)行更新后，該數(shù)據(jù)中心可以保持一段時(shí)間的穩(wěn)定狀態(tài)。而由于容器在不斷的分配與再部署，導(dǎo)致數(shù)據(jù)中心需要平衡容器遷移和容器分布狀態(tài)，以保證數(shù)據(jù)中心的運(yùn)行穩(wěn)定性。設(shè)定該數(shù)據(jù)中心的CPU 利用率分別為20%~80%的容器，利用三種方法對(duì)其進(jìn)行部署，在經(jīng)過相同遷移次數(shù)（40 次）后判斷每種方法下容器保持穩(wěn)定狀態(tài)時(shí)間。容器穩(wěn)定狀態(tài)的時(shí)間越長(zhǎng)，其部署性能越好，實(shí)驗(yàn)結(jié)果如圖3所示。

圖3 三種方法容器的穩(wěn)定時(shí)間

根據(jù)圖3 的實(shí)驗(yàn)結(jié)果可知，感知服務(wù)的容器云資源部署方法的穩(wěn)定時(shí)間在22s~31s 之間波動(dòng)，云計(jì)算虛擬機(jī)資源部署方法的穩(wěn)定時(shí)間在13s~17s之間波動(dòng)。而本文方法均是保證容器穩(wěn)定狀態(tài)時(shí)間最長(zhǎng)方法，最低穩(wěn)定時(shí)間為35s，受CPU 利用率大小影響較小，從而驗(yàn)證所提方法的性能高。其主要原因是本文方法在構(gòu)建容器云資源低能耗部署模型時(shí)，考慮了CPU 利用率以及容器需要不斷更新、遷移的影響，因此通過螢火蟲群優(yōu)化算法求解后，就要較高的穩(wěn)定時(shí)間。

4.2.3 部署能耗情況

為了實(shí)現(xiàn)容器云資源低能耗部署思想，在保證部署效果的同時(shí)盡可能地減少物理點(diǎn)的使用，為了進(jìn)一步驗(yàn)證本文方法的有效性，在分別對(duì)不同數(shù)量的容器進(jìn)行部署，判斷每組實(shí)驗(yàn)中三種方法所需的物理點(diǎn)，現(xiàn)已知是三種方法在每組實(shí)驗(yàn)下的部署效果均一致，僅對(duì)比每種方法的物理節(jié)點(diǎn)使用情況即可，物理節(jié)點(diǎn)使用數(shù)量越少，其能耗越小，部署能力越高。

根據(jù)表1 的實(shí)驗(yàn)結(jié)果可知，物理節(jié)點(diǎn)在不同數(shù)量容器下的使用數(shù)量均不相同，且每組實(shí)驗(yàn)下由于容器作用和外界影響因素的不同，每組實(shí)驗(yàn)所需的物理節(jié)點(diǎn)均不相同，但對(duì)比每組實(shí)驗(yàn)下三種方法所需的物理節(jié)點(diǎn)，本文方法使用的物理節(jié)點(diǎn)最少，即保證部署能力的同時(shí)耗能最小。產(chǎn)生該結(jié)果的原因是，本文算法將單一的能耗的求解問題，轉(zhuǎn)換為了容器分配以及容器能耗的多目標(biāo)優(yōu)化問題，因此，在部署過程中所需要的物理節(jié)點(diǎn)更少，能耗最優(yōu)。

表1 三種方法物理節(jié)點(diǎn)使用情況

4.3 運(yùn)行時(shí)間開銷

在對(duì)資源進(jìn)行部署過程中種群總代數(shù)是導(dǎo)致運(yùn)行時(shí)間加長(zhǎng)的主要原因，且隨著種群總代數(shù)的增長(zhǎng)，部署時(shí)間是呈幾何級(jí)別數(shù)增長(zhǎng)，假設(shè)三種方法在現(xiàn)有種群總代數(shù)下的執(zhí)行時(shí)間均在可承受范圍之內(nèi)，因此不影響容器云資源部署的進(jìn)程，計(jì)算出在不同種群總代數(shù)下每種方法所需的運(yùn)行時(shí)間，實(shí)驗(yàn)結(jié)果如圖4所示。

圖4 不同方法的運(yùn)行時(shí)間開銷

根據(jù)圖4 的實(shí)驗(yàn)結(jié)果可知，三種部署方法中更新?lián)Q代用時(shí)最短的就是本文方法，這是因?yàn)楸疚姆椒ㄔ谶M(jìn)行部署前構(gòu)建部署能耗模型，得出部署過程中所需的能耗，并實(shí)時(shí)管控能耗，將不必要的能耗關(guān)閉，降低部署計(jì)算量，減少運(yùn)行時(shí)間開銷。

5 結(jié)語

為了降低云數(shù)據(jù)中心能源消耗，提出基于螢火蟲群優(yōu)化算法的容器云資源低能耗部署方法，該方法通過構(gòu)建能量模型和設(shè)立部署要求降低能耗，在此基礎(chǔ)上利用螢火蟲優(yōu)化算法在全局中得到最優(yōu)部署策略，實(shí)現(xiàn)了容器云資源低能耗部署，經(jīng)實(shí)驗(yàn)測(cè)試可知，所提出方法解決了部署性能差以及運(yùn)行時(shí)間開銷大的問題，有效降低資源消耗。下一步將具體分析容器云資源部署策略的準(zhǔn)確性，以保證容器云資源低能耗部署的同時(shí)，提高部署精度，為數(shù)據(jù)中心調(diào)度奠定基礎(chǔ)。