面向云计算系统服务质量参数优化的基于多目标的强度帕累托进化算法

《Sustainable Computing: Informatics and Systems》：Multi-objective-based Strength Pareto Evolutionary Algorithm for QoS Parameters Optimization in Cloud Computing Systems

　　

• •
  针对异构云数据中心中高效的虚拟机调度问题，提出了一种新型的多目标强度Pareto进化算法（MSPEA）。
• •
  传统的SPEA2存档更新机制通过将基于聚类的管理方式替换为拥挤距离方法来加以改进，从而确保Pareto最优解之间具有更好的多样性。
• •
  所提出的MSPEA模型在子代种群生成过程中去除了非支配排序，从而降低了计算开销，并通过基于强度的适应度赋值来保持解的多样性。
• •
  通过对MSPEA模型与SPEA2、MOHEFT及基于强化学习的调度器进行计算复杂度分析，验证了所提出模型在大规模云系统中的可扩展性。
• •
  所提出的MSPEA模型能够在动态的大规模及小规模云环境中联合优化三项相互冲突但又关键的QoS指标——能耗、SLA违规和平均资源利用率。
• •
  所提出的MSPEA模型的性能评估使用了真实的PlanetLab工作负载跟踪数据，在大规模和小规模配置设置下运行，并重复实验100次以捕捉其在不同工作负载场景下的表现。
• •
  将所提出的MSPEA与基准多目标调度技术——SPEA2、MOHEFT及基于强化学习的调度器进行对比评估，以展示其在实现平衡权衡方面与上述方法具有相当的表现。
• •
  所提出方法的效率和鲁棒性通过收敛分析、3D Pareto图以及基于迭代的比较等有效可视化手段得到了验证。

章节摘要

引言

云计算（CC）已成为一种提供计算服务的主流模式，允许用户在远程的庞大数据中心（DCs）中存储、访问和处理应用程序。此外，它使企业能够有效地利用强大的计算资源，以合理的成本构建大型数据中心，从而节省时间和成本 [1]、[2]、[3]、[4]。

然而，对云服务的依赖不断增加以及用户工作负载的快速增长带来了新的运营

相关工作

云计算已成为向消费者和企业提供可扩展且成本效益高的计算服务的一种广泛应用范式。然而，运行云数据中心（CDCs）需要大量能源。因此，许多研究人员致力于降低数据中心的能耗。文献[39]提出了针对受限并行处理器上虚拟机调度问题的节能解决方案。此外，他们还实施了频率调整技术

问题描述

当前的云数据中心（CDCs）通常考虑绿色能源以降低能源成本和环境污染气体排放。高效的动态虚拟机调度可以减少云数据中心的能耗，并将其转变为绿色云数据中心（GCDCs）。动态虚拟机调度是将虚拟机映射到可用的物理机（PMs）上，可以是静态或动态的，旨在优化QoS参数。虚拟机和物理机的异构性增加了调度策略设计的复杂性。

所提出的多目标MSPEA模型

所提出的MSPEA模型基于著名的多目标框架SPEA2，具体如下。

结果分析

本节对MSPEA模型的性能进行了全面分析。为了验证MSPEA模型的有效性，将其与三种基准算法进行了对比分析：

• •
  SPEA2，一种成熟的多目标进化算法（MOEA），常用于虚拟机调度以最小化能耗并优化资源利用率。
• •
  MOHEFT（多目标异构最早完成时间），一种针对任务的

结论与未来工作

所提出的多目标框架MSPEA在能耗、资源利用率和SLA违规这些相互冲突的目标中，针对NP困难的虚拟机调度问题，在小规模及大规模云数据中心配置下取得了更好的能效优化结果。它在最小化能耗和SLA违规的同时实现了高资源利用率，使其成为适用于绿色云计算（GCC）环境的多目标虚拟机调度算法。云计算

CRediT作者贡献声明

Taj Alam：写作 – 审阅与编辑、监督、形式分析、概念化。Jyoti Chauhan：写作 – 审阅与编辑、写作 – 初稿、验证、软件、方法学、形式分析。

利益冲突声明

作者声明，他们没有已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

致谢

作者声明，在本文稿准备期间未收到任何资金、资助或其他支持。"

利益冲突

作者没有需要披露的相关财务或非财务利益。

Jyoti Chauhan|Taj Alam