基于CPU频率缩放的云数据中心节能调度算法

云数据中心的高能耗已成为迫在眉睫的问题。近年来,云数据中心的规模和架构变得越来越庞大和复杂,这给能源消耗管理带来了更为严峻的挑战。本文提出了基于CPU频率缩放的虚拟机(VM)放置的新方法。在虚拟机初始部署阶段,我们提出了一种基于启发式蚁群算法的多目标优化方法,该方法可以满足节能和服务水平协议(SLA)的要求。在动态管理阶段,通过使用自回归预测和CPU频率缩放,该方法可以调整CPU利用率,同时减少VM迁移时间和迁移成本。实验结果表明,基于CPU频率缩放的节能算法在节能和满足SLA方面比传统的最佳拟合降序和首次拟合降序方法要好得多。