一种基于能耗感知的虚拟机部署与调度优化方法与流程

摘要: 本发明涉及云计算与数据中心能源管理,尤其涉及一种基于能耗感知的虚拟机部署与调度优化方法。背景技术:1、随着云计算技术的飞速发展,数据中心的规模不断扩大,虚拟机作...
一种基于能耗感知的虚拟机部署与调度优化方法与流程

本发明涉及云计算与数据中心能源管理,尤其涉及一种基于能耗感知的虚拟机部署与调度优化方法。

背景技术:

1、随着云计算技术的飞速发展,数据中心的规模不断扩大,虚拟机作为云计算的核心载体,其部署与调度策略直接影响数据中心的运行效率和能源消耗。目前,大多数数据中心在进行虚拟机部署与调度时,往往以保证业务性能为首要目标,忽略了不同物理机之间的能耗差异。

2、例如,一些老旧服务器在相同负载情况下,其能耗要远高于新一代节能服务器,但在虚拟机部署时,可能因老旧服务器暂时有空闲资源而将虚拟机部署其上,导致数据中心整体能源消耗过高。同时,传统的调度策略缺乏对用电时段、区域电网碳排放情况的考虑,进一步加剧了能源浪费和碳排放问题,使得数据中心的 pue(能源使用效率)始终处于较高水平,不符合当前绿色低碳的发展理念。

技术实现思路

1、本发明的主要目的在于提供一种基于能耗感知的虚拟机部署与调度优化方法,以降低数据中心的能源消耗,提高能源使用效率,同时助力碳中和目标的实现。

2、本发明的另一个目的在于提出一种基于能耗感知的虚拟机部署与调度优化装置。

3、本发明的第三个目的在于提出一种电子设备。

4、本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

5、为达上述目的,本发明第一方面实施例提出了一种基于能耗感知的虚拟机部署与调度优化方法,包括:

6、实时采集物理机的运行状态数据、虚拟机的性能需求数据、用电时段信息以及区域电网碳排放数据;

7、根据所述物理机的运行状态数据构建反映负载与功耗关系的能耗曲线,并基于所述能耗曲线和所述性能需求数据计算各物理机针对待部署虚拟机的能耗性能比;

8、依据所述能耗性能比从候选物理机中确定目标物理机,并将所述待部署虚拟机部署至所述目标物理机;

9、在虚拟机运行过程中,根据所述用电时段信息、所述区域电网碳排放数据以及虚拟机的实时负载情况,对低负载虚拟机进行集中迁移或对高负载非实时虚拟机进行时段调整。

10、可选的,所述实时采集物理机的运行状态数据、虚拟机的性能需求数据、用电时段信息以及区域电网碳排放数据,包括:

11、通过安装在物理机上的传感器和数据采集接口以1分钟/次的频率采集物理机的cpu利用率、内存使用率、硬盘i/o速率及实时功率消耗作为运行状态数据;

12、从虚拟机管理平台获取虚拟机所需的cpu处理能力、内存容量、网络带宽及cpu利用率阈值作为性能需求数据;

13、从电力供应部门的信息系统获取不同时段的电价及用电高峰和低谷时段划分作为用电时段信息;

14、从区域能源管理部门的数据库获取区域电网中火力发电与可再生能源发电的比例及不同时段的碳排放强度作为区域电网碳排放数据。

15、可选的,所述根据所述物理机的运行状态数据构建反映负载与功耗关系的能耗曲线,并基于所述能耗曲线和所述性能需求数据计算各物理机针对待部署虚拟机的能耗性能比,包括:

16、记录物理机在不同cpu利用率下的实时功率消耗数据,通过对采集到的不同cpu利用率下的功率消耗数据进行多项式拟合得到能够反映其能耗变化的能耗曲线;

17、根据待部署虚拟机的cpu利用率阈值在所述能耗曲线上查得对应忙碌程度下的耗电量,并判断物理机能否完全满足虚拟机的性能需求以确定性能满足度;

18、将所述耗电量除以所述性能满足度得到能耗性能比,其中当物理机能完全满足性能需求时性能满足度为1,当只能满足一部分时性能满足度在0到1之间。

19、可选的,所述依据所述能耗性能比从候选物理机中确定目标物理机,并将所述待部署虚拟机部署至所述目标物理机,包括:

20、筛选出当前cpu利用率低于70%的物理机作为候选物理机;

21、计算所述待部署虚拟机在各候选物理机上的能耗性能比;

22、选择能耗性能比最小的候选物理机作为目标物理机,若存在多个能耗性能比相同且最小的候选物理机,则优先选择新一代节能服务器作为目标物理机并将所述待部署虚拟机部署其上。

23、可选的,所述在虚拟机运行过程中,根据所述用电时段信息、所述区域电网碳排放数据以及虚拟机的实时负载情况,对低负载虚拟机进行集中迁移或对高负载非实时虚拟机进行时段调整,包括:

24、每小时对运行中的虚拟机进行负载检测,筛选出cpu利用率长期低于30%的低负载虚拟机;

25、在保证业务性能的前提下,将所述低负载虚拟机集中部署到能效比高的物理机上,并关闭部分原本运行所述低负载虚拟机且处于空闲状态的高能耗物理机以降低整体能耗。

26、可选的,所述在虚拟机运行过程中,根据所述用电时段信息、所述区域电网碳排放数据以及虚拟机的实时负载情况,对低负载虚拟机进行集中迁移或对高负载非实时虚拟机进行时段调整,还包括:

27、识别cpu利用率长期高于70%且属于离线数据分析虚拟机的高负载非实时虚拟机;

28、根据所述用电时段信息中的用电低谷时段划分,将所述高负载非实时虚拟机调度至夜间用电低谷时段运行,并在调度过程中确保虚拟机的任务完成时间不超过预设期限以利用峰谷电价降低用电成本。

29、可选的,所述方法还包括碳排放适配步骤,具体为:

30、当检测到区域电网处于碳排放高峰时段且碳排放强度高时,优先将待部署虚拟机或需调度的虚拟机调度至使用风电或太阳能等清洁能源供电的数据中心节点运行;

31、当检测到区域电网处于碳排放低谷时段且可再生能源发电比例高时,放宽调度限制但仍依据物理机的能耗情况进行虚拟机部署或调度决策以减少数据中心的碳排放。

32、为达上述目的,本发明第二方面实施例提出了一种基于能耗感知的虚拟机部署与调度优化装置,包括:

33、第一模块,用于实时采集物理机的运行状态数据、虚拟机的性能需求数据、用电时段信息以及区域电网碳排放数据;

34、第二模块,用于根据所述物理机的运行状态数据构建反映负载与功耗关系的能耗曲线,并基于所述能耗曲线和所述性能需求数据计算各物理机针对待部署虚拟机的能耗性能比;

35、第三模块,用于依据所述能耗性能比从候选物理机中确定目标物理机,并将所述待部署虚拟机部署至所述目标物理机;

36、第四模块,用于在虚拟机运行过程中,根据所述用电时段信息、所述区域电网碳排放数据以及虚拟机的实时负载情况,对低负载虚拟机进行集中迁移或对高负载非实时虚拟机进行时段调整。

37、为达上述目的,本技术第三方面实施例提出了一种电子设备,包括:处理器和存储器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如第一方面实施例所述的方法。

38、为达上述目的,本技术第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面实施例所述的方法。

39、本发明实施例的具有以下有益效果:通过为每台物理机建立能耗曲线,计算虚拟机在不同物理机上的能耗 - 性能比,能够在保证虚拟机性能的前提下,将虚拟机部署在能耗较低的物理机上,降低了数据中心的整体能源消耗;通过对低负载虚拟机进行集中部署,对高负载非实时虚拟机进行时段调度,进一步提高了能源利用效率,同时利用峰谷电价降低了用电成本;通过考虑区域电网的碳排放情况,通过优化虚拟机的部署和调度,减少了数据中心的碳排放,助力了碳中和目标的实现。整个流程实现了虚拟机部署与调度的智能化、精细化管理,有效降低了数据中心的 pue,符合绿色低碳的发展趋势。。