项目名称：企业节能云数据中心的物理资源利用效率优化策略研究
项目编号：2020hsds04
指导教师：熊茂华
经费：12万元
1.成果列表
[1]徐胜超.利用遗传算法完成虚拟机放置的优化[j]. 计算机与现代化, 2020,304(12):25-31
[2]shengchao xu.consider the research of virtual machine co-location on cloud computing platform[j],international journal of applied mathematics and soft computing,volume 6, issue 3, december, 2020:28-32
[3]徐胜超.贪心算法优化云数据中心的虚拟机分配策略[j]. 计算机系统应用, 2021, 30(03):134-141
[4]徐胜超.一种新的蚁群算法优化的虚拟机放置策略[j]. 计算机测量与控制, 2021,29(05):235-240
[5]徐胜超,宋娟,潘欢.基于线性回归与最小二乘法的物理主机异常状态检测方法[j]. 计算机与现代化, 2021,309(05):105-111
[7]徐胜超,宋娟,潘欢.基于mapreduce并行关联挖掘的网络入侵检测[j]. 计算机技术与发展, 2021,31(06)：123-128
2.主要观点:本项目主要研究企业节能云数据中心的物理资源利用效率问题，其主要手段是虚拟机迁移技术。虚拟机迁移技术可划分三个阶段，物理主机状态检测过程，虚拟机选择过程，虚拟机放置过程。本项目主要针对这三个过程提出对应的智能算法予以优化。
其中论文“利用遗传算法完成虚拟机放置的优化”提出了基于遗传算法的虚拟机放置方法ga-vmp。ga-vmp在物理主机状态检测和虚拟机选择阶段分别选取了鲁棒局部归约检测方法和最小迁移时间选择方法;在最后的虚拟机放置阶段，ga-vmp将遗传算法应用到虚拟机的重新分配过程中形成了一个全新的虚拟机迁移模型lrr-mmt-ga。
论文”consider the research of virtual machine co-location on cloud computing platform”提出了虚拟机关联度的虚拟机选择与资源分配方法，它在虚拟机选择过程中可以把那些负载较高的虚拟机予以迁移，进一步提高云资源的利用效率。
论文“贪心算法优化云数据中心的虚拟机分配策略”设计一个用于企业的云数据中心的工作场景，该场景包括三层云计算系统结构，包括用户层、云服务提供者层和云数据中心集合层。用户层用来生成虚拟机的请求集；云服务提供者层通过经典的装箱问题算法完成用户层的大量的虚拟机请求集到底层的云数据中心的分配。然后建立虚拟机分配过程中各种约束因素的数学模型；最后利用贪心算法优化云数据中心之间的虚拟机分配。
论文“一种新的蚁群算法优化的虚拟机放置策略”提出了一种新的蚁群算法优化的虚拟机放置策略aca-vmp。aca-vmp采用了全局最优解和局部最优解信息素强度更新规则；全局最优解经过多次迭代后，蚂蚁路径的多次寻优，保证这个虚拟机放置优化策略的完成。局部信息素强度参数更新可以补充蚂蚁其他局部最优路径的寻找，这样可以使得aca-vmp虚拟机放置优化算法更快的接近全局最优解。
论文“基于线性回归与最小二乘法的物理主机异常状态检测方法”提出云数据中心基于线性回归与最小二乘法的物理主机状态检测方法epada，epada它可以预测出所有物理主机在将来一段时间内的资源使用率情况，从而进一步判断出物理主机是超负载或低负载。在后续的虚拟机选择和虚拟机放置过程中，epada检测方法避免出现超负载物理主机,可以间接的减少sla违规率；避免出现低负载物理主机可以让其关闭电源，间接减少物理主机的能量消耗。
论文“基于mapreduce并行关联挖掘的网络入侵检测”提出了基于云计算的并行关联挖掘的网络入侵检测方法cloud-apriori。cloud-apriori利用开源的hapdoop分布式计算框架，采用hadoop分布式文件系统存储海量数据；结合mapreduce的映射,规约操作，可以把关联挖掘的数据流和任务组成一个有向无环图,方便专业技术人员按照映射-规约的方式进行分布式计算的编程。cloud-apriori可以提高云资源的利用效率，降低能量消耗。
3.学术价值:
本项目研究结果表明通过各类智能算法策略形成新的虚拟机迁移模型之后，它比常见的其它智能优化策略可以更好的降低在线活动物理主机数量,可以提高物理资源的利用效率到90%，节约企业的能量消耗大约20%到30%，这样直接减少了企业的成本，为企业与政府构造绿色节能云数据中心提供重要参考价值。
4.创新点：
本项目提出的物理主机状态检测策略考虑的物理资源的维度包括处理器、内存、网络带宽多个维度。通过对超负载物理主机和低负载物理主机的物理资源利用效率阈值进行反复判断，使整个云数据中心的物理资源利用效率进一步提高。本项目提出的经过虚拟机选择策略优化后的虚拟机迁移可以减少虚拟机迁移次数，降低云数据中心sla违规率，稳定云计算服务质量水平。本项目提出的虚拟机放置优化策略考虑了物理主机的处理器、内存大小、网络带宽等多个资源维度的因素。与其他的虚拟机放置优化的智能算法比较起来，目标函数综合考虑整个大数据中心的总体能量消耗和云服务器端的服务质量qos提高等目标。