基于蚁群系统的虚拟机加固算法的研究

陈伟东

随着移动互联网和虚拟化技术的快速发展，以及人工智能和5G时代的来临，企业和科研机构的信息处理方通过云计算平台与用户之间的信息交流，云计算平台能够对虚拟的硬件资源进行统一管理，并通过虚拟化服务器这一网络系统，来完成对外部企业的信息服务，这就是云计算中的任务调度算法。在现阶段，数据中心的计算资源利用率普遍不高，甚至相当一部分大型数据中心的计算资源利用率十分低下。提高數据中心云计算环境下虚拟机的调度效率是降低能耗资的一种有效的方法。本文提出虚拟安全加固策略的算法研究，可以有效解决低负载虚拟机所对应物理硬件的能源消耗问题。

一、蚁群算法及蚁群系统

（一）蚁群算法

蚁群算法是根据大自然中真实蚂蚁群体的觅食行为的规则而发展起来的基于群体的模拟进化的一种算法，属于随机搜索算法，蚁群算法是从蚂蚁行走中的路径寻优发展而来，其主要根据不同路径的信息素浓度，来完成计算数据与资源的双向反馈。蚁群算法早期被应用于网络路径的优化，也就是通常所说的旅行商问题。蚁群算法的路径寻优原理如下：首先在N个城市中存在M只蚂蚁，而且不同城市中各个路径存在同等的信息素。那么t时刻第h只蚂蚁在城市路径i，j中的概率选择为：

（二）蚁群系统

蚁群算法是一种全局独立、并行的信息搜索模式，但蚁群算法也有着较大的局限性，其缺点主要包括性能低、收敛时间长、搜索效率低等。由于蚁群算法存在的这些缺点，科学界提出了蚁群系统。蚁群系统基本原理是在初始时刻，N个节点上随机放置M个蚂蚁，蚂蚁们通过多次状态转移规则形成一条有效路径。在路径形成的过程中，蚂蚁根据信息素浓度的强弱和最短路由选择的启示性信息的判断，蚂蚁通过应用局部更新规则对已经完成访问的路径上的信息素进行修改。当M个蚂蚁全部形成了自己的路径的时候，采用全局更新规则对路径上的信息轨迹量再次进行修改。这样直至整个搜索过程结束。

蚁群系统就是在蚁群算法的基本原理上做了如下几个方面的改进：

1、以伪随机比例规则进行状态转移。

蚂蚁积累的先验知识得到了更好利用，帮助蚂蚁更有效的选择新的路径。蚁群系统中引入可以对蚂蚁探索新路径的程度进行调节的参数，提高了蚂蚁在集中于最优解的空间内的探寻能力。

2、只在最优的蚂蚁路径上应用全局更新规则。

对于蚁群算法中的路径选择，其主要通过动态规划某一时刻状态的转移规则，来增大求解路径中的信息素数值，并选择出适合当前任务的最优解。

3、将局部信息素更新规则应用在建立问题解决方案的过程中。

蚁群算法只对信息素进行一次全局更新，对于城市节点信息素浓度较高的情况，蚁群会围绕着进行再次搜索。其中那些已经被搜索过的城市节点，会再次被蚁群选择，这就造成了全局搜索随机性与精确度的降低。然而，在蚁群系统中，蚂蚁在每次寻址循环后会重新对路径进行一次全局的更新，在建立路径的同时也进行局部更新。

二、基于蚁群系统的虚拟机加固算法

虚拟机加固算法属于多目标的优化问题，是基于蚁群系统的分布式、并行的资源分配策略。而虚拟机迁移算法作为虚拟机加固策略的内容之一，其主要通过将负载较低的物理机器中的资源，迁移至负载较高的数据中心，来完成海量用户的数据处理需求。对于改进蚁群算法的云计算任务调度，主要需要解决资源负载不均衡、服务质量之间的矛盾，从而实现系统框架中的负载均衡。

在云计算任务调度系统中存在多个物理机，每个物理机内又存在多个虚拟机。这些虚拟机会根据相应的迁移策略，进行CPU、内存、储存等资源的动态分配，从而完成不同维度资源利用率的提升。所以对于云计算系统中的所有物理机（激活或休眠），都能够通过虚拟资源的物理迁移，来完成蚁群系统的虚拟机加固。

蚁群系统的虚拟机加固算法，主要通过减少激活的物理机数目、选择更恰当的迁移方案，来降低虚拟系统中的资源耗费。通过以上数组迁移空间公式的构建，能够完成蚁群算法中信息素、迁移路径的模拟活动，即信息素由一个数组迁移至另一个数据，从而实现虚拟机加固算法的信息搜索工作。例如：第h只蚂蚁进行数组空间迁移的概率如下所示：

三、基于cloudsim平台的虚拟加固算法测试

本文在cloudsim云计算平台中，通过模拟出1000台虚拟机以及提供大量服务器，来完成1000个左右的云计算数据处理，对改进蚁群算法虚拟加固的性能测试。同时还引入了业界常用的THR_RS算法、LR_MU算法、MAD_MC算法等，与本文蚁群虚拟机加固算法的实验结果进行对比分析。具体如图1、图2所示：

从图2可以看出蚁群虚拟加固算法所耗费的能源，明显低于其他算法的能源消耗，同时参与数据运算的物理机个数也较少。

虚拟加固算法、THR_RS算法的虚拟机迁移次数基本相同，且明显低于LR_MU算法、MAD_MC算法等的虚拟机迁移次数。

通过以上指标的对比分析能够得出：在物理机随机负载情况下，使用改进蚁群的虚拟加固算法，既能够保障虚拟迁移的能源消耗较小，又能够任务调度的负载均衡，还能够有效降低虚拟机迁移次数，所以虚拟加固算法的综合性较好。

四、总结

本文从多目标负载均衡处着手，提出基于蚁群系统的虚拟机加固算法，构建起用户任务需求-虚拟机、虚拟机-物理机之间的映射关系，从而解决系统各个层面的任务调度难题，完成源物理机、目的物理机之间的虚拟机有效动态迁移，避免蚁群系统陷入局部最优解。最后通过cloudsim云平台对虚拟加固算法和其他几种业内常用算法的比较得可以得出虚拟加固算法在虚拟机迁移过程中的综合性较好。