(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210407757.7 (22)申请日 2022.04.19 (71)申请人 华北电力大 学 地址 102206 北京市昌平区回龙观北农路2 号 (72)发明人 李为　樊祺　谢云澄　王皓民　 姜媛　李天慧　梁迪昌　张晓良　 (74)专利代理 机构 南京中律知识产权代理事务 所(普通合伙) 32341 专利代理师 李建芳 (51)Int.Cl. G06F 9/455(2006.01) G06F 9/50(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于平衡能耗与服务质 量的动态虚拟 机整合方法和系统 (57)摘要 本发明公开了一种基于绿色节能的虚拟资 源整合方法和系统， 基于平衡能耗与服务质量的 动态虚拟机整合方法， 包括： 1)物理主机负载预 测： 基于三次指数平滑模型和Elman神经网络模 型的预测算法来预测下一时刻 的物理主机的工 作负载； 2)物理主机负载状态检测： 通过混合负 载检测算法来识别当前的物理主机的负载状态； 3)虚拟机选择： 基于CPU与内存感知的虚拟机选 择算法， 来选择非适载主机上的需要迁移的虚拟 机； 4)虚拟机放置： 基于资源需求伸缩量的虚拟 机放置算法， 根据虚拟机迁移队列 的资源需 求与数据中心内适载主机的资源信息， 从中选取 合适的用于安置迁移虚拟机的物理主机。 本发明 减少了虚拟 机的迁移次数， 在消耗较低能源同时 维持了高水平的服 务质量。 权利要求书3页 说明书18页 附图1页 CN 114741160 A 2022.07.12 CN 114741160 A 1.一种基于平衡能耗与服 务质量的动态 虚拟机整合方法， 其特 征在于： 包括如下步骤： 1)物理主机负载预测： 基于三次指数平滑模型CES和Elman神经网络模型ENN的预测算 法HCESEA来预测下一时刻的物理主机的工作负载； 2)物理主机负载状态检测： 通过混合负载检测算法HLDA来识别当前的物 理主机的负载 状态； 3)虚拟机选择： 基于CPU与 内存感知的虚拟机选择算法CM ‑VMSA， 来选择非适载主机上 的需要迁移的虚拟机； 4)虚拟机放置： 基于资源需求伸缩量的虚拟机放置算法RDS ‑VMPA， 根据虚拟机迁移队 列 的资源需求与数据中心内适载主机的资源信息， 从中选取合适的用于安置迁移虚拟 机的物理主机 。 2.如权利要求1所述的基于平衡能耗与服务质量的动态虚拟机整合方法， 其特征在于： 步骤1)中， 使用三次指数平滑模 型CES进行预测， 再使用Elman神经网络模 型ENN对三次指数 平滑模型CES的误差进行 预测， 最终得到一个修 正误差后的预测值。 3.如权利要求2所述的基于平衡能耗与服务质量的动态虚拟机整合方法， 其特征在于： 步骤1)中， 三次指数平 滑模型CES： 三次指数平 滑值的计算公式如下： 其中： α表示平滑系数， 0＜α＜1； 表示时期t的一次指数平滑值； 表示时期t的二 次指数平 滑值； 表示时期t的三次指数平 滑值； CES预测模型如下： Yt+T＝At+BtT+CtT2 其中， T为预测期数， At、 Bt、 Ct为预测参数； Elman神经网络模型EN N： Elman网络的基本结构由输入层、 隐含层、 输出层以及关联层4个部分构成； Elman神经网络的数 学模型： x(k)＝f(w1xc(k)+w2u(k‑1))    (4) xc(k)＝x(k ‑1)              (5) y(k)＝g(w3x(k))    (6) 其中， w1为关联层与隐含层的连接权矩阵， w2为输入层与隐含层的连接权矩阵， w3为隐 含层与输出层的连接权矩阵， xc(k)和x(k)分别表示关联层与隐含层的输出， y(k)表示输出 层的输出， f为激活函数， 多取为Sigmo id函数， u为输入向量， g为输出神经 元的传递 函数；权　利　要　求　书 1/3 页 2 CN 114741160 A 2预测算法H CESEA： 设数据集L ′h＝{lt1， lt2，…， ltn}为t1到tn时间段内物 理主机h的真实负载， Y ′h表示由三 次指数平滑模型CES根据数据集L ′h得到的长度为m的物理主机h的负载预测序列， 那么物理 主机h的负载预测序列误差可以表示为Eh＝Y′h‑L′h＝{e1， e2，…， em}； Elman神经网络模型 ENN根据Eh得到误差的修 正序列E′h， 则修正后的物理主机 h的负载预测表示 为Y′h＝Y′h‑E′h； 设mCES、 mENN分别表示为三次指 数平滑模型CES和Elman神经网络模型ENN两个模型， xCES、 xENN分别表示 为这两个模型的输入向量， 则在tn+1时刻， 模型的输出 可以表示 为： Y*＝mCES(xCES)‑mENN(xENN)。 4.如权利要求3所述的基于平衡能耗与服务质量的动态虚拟机整合方法， 其特征在于： 步骤2)中， 首先获取数据中心内各个物理主机的预期负载与实时负载， 再通过所设定阈值 将物理主机的负载状态划分为以下四种状态： 欠载状态、 适载状态、 潜在过载状态和过载状 态。 5.如权利要求4所述的基于平衡能耗与服务质量的动态虚拟机整合方法， 其特征在于： 步骤2)中， 混合负载检测算法HLDA的具体流程如下： 当物理主机的负载高于阈值上限时， 将 该物理主机添加至过载主机队列 当物理主机的负载低于阈值下限时， 将该物理添加至 欠载主机队列 当物理主机的负载处于阈值之间内时， 则需结合该物理主机的预测负载 进行判断； 若该物理主机的预期负载高于阈值上限时， 则将该物理主机添加至潜在过载主 机队列 反之， 该物理主机添加至适载主机队列 中。 6.如权利要求5所述的基于平衡能耗与服务质量的动态虚拟机整合方法， 其特征在于： 步骤3)中， 有3类状态的物理主机需要迁移虚拟机， 它们分别位于在欠载主机队列 过载 主机队列 和潜在过 载主机队列 中； 对这3类队列进行如下操作： 欠载主机队列 将该类物理主机上的所有虚拟机添加至虚拟机迁移队列 待所有 虚拟机迁移至其 他物理主机后， 将该节点切换至睡眠模式达 到降低能耗的目的； 过载主机队列 首先， 将该类物理主机上的所有虚拟机按照CPU利用率降序排列； 其 次， 在CPU利用率降序的相 对次序下按照虚拟机所占用的内存量进行升序排列； 最后， 依次 尝试迁移出每一个虚拟 机， 并实时计算该物理主机的负载Lc， 若Lc＜ ηu， 则停止上述操作， 并 将所尝试迁移的虚拟机添加至虚拟机 迁移队列 潜在过载主机队列 首先， 将该类物理主机上的所有虚拟机按照CPU利用率降序排 列； 其次， 在CPU利用率降序的相对次序下按照虚拟 机所使用的内存量进 行升序排列； 最后， 依次尝试迁移出每一个虚拟机， 并实时计算该物理主机的负载LE， 若 则停 止上述操作， 并将所尝试迁移的虚拟机添加至 7.如权利要求65所述的基于平衡能耗与服务质量的动态虚拟机整合方法， 其特征在 于： 步骤4)中， 基于资源需求伸缩量的虚拟机放置算法RD S‑VMPA的具体步骤如下： 1)计算各物理主机上的资源需求伸缩量， 其值为物 理主机预测负载减去当前时刻工作 负载， 该值反映了该物理主机上虚拟机资源需求的变化趋势； 2)通过物理主机资源总量减去当前时刻工作负载来计算未分配资源量， 筛选出未分配 资源量与资源需求伸缩量之间的差值， 即预计剩余资源量大于零的物理主机列表， 形成候 选物理主机列表；权　利　要　求　书 2/3 页 3 CN 114741160 A 3