1、隨著全球云計算技術(shù)日漸成熟和云服務的日益普及，作為云計算基礎設施的數(shù)據(jù)中心的能耗問題也日益突出。在我國，數(shù)據(jù)中心能耗目前占全國電力消耗的1％，雖然這一比例呈快速增長趨勢，不過總體能源利用率相對不高，有很大的節(jié)能空間和潛力。
　　 目前，數(shù)據(jù)中心節(jié)能的方案很多。但它們有些只考慮單一方面的節(jié)能優(yōu)化，缺乏對影響數(shù)據(jù)中心節(jié)能效果諸多因素的綜合考慮；有些雖然從全局考慮這些因素，卻未能提出整體的節(jié)能架構(gòu)。同時，采用日漸成熟的虛擬化架構(gòu)技術(shù)可

2、以將數(shù)據(jù)中心的大量相同類型的物理資源組建成同構(gòu)或者近似同構(gòu)的虛擬資源池，如計算資源池，數(shù)據(jù)資源池，存儲資源池等，進行統(tǒng)一資源管理，以極大地提高云計算服務質(zhì)量，并提高數(shù)據(jù)中心資源利用率，節(jié)省能耗。
　　 本文采用虛擬化技術(shù)，結(jié)合強化學習和反饋控制機制，從節(jié)能和性能兩方面出發(fā)進行節(jié)能資源調(diào)度，研究了一種虛擬化數(shù)據(jù)中心的自主能耗感知和智能節(jié)能控制架構(gòu)方案，主要研究包括以下幾點：
　　 1)研究了數(shù)據(jù)中心虛擬化架構(gòu)技術(shù)。主要探討

3、了數(shù)據(jù)中心虛擬化架構(gòu)技術(shù)以及虛擬化數(shù)據(jù)中心的模型結(jié)構(gòu)，分析和比較了傳統(tǒng)數(shù)據(jù)中心和虛擬化數(shù)據(jù)中心的硬件設施和軟件節(jié)能技術(shù)。
　　 2)設計了數(shù)據(jù)中心節(jié)能回饋控制架構(gòu)方案。以資源利用率與能耗的關(guān)系為基礎，結(jié)合對虛擬化資源池的監(jiān)控以及能耗回饋信號的接收，從上層服務到底層數(shù)據(jù)中心，從負載到虛擬機，從虛擬機到物理機映射等多個角度出發(fā)設計了一個整體的節(jié)能回饋控制架構(gòu)方案。
　　 3)結(jié)合強化學習算法和閾值思想，提出了針對虛擬機部署的

4、資源調(diào)度優(yōu)化方法。通過強化學習，對數(shù)據(jù)中心復雜運行環(huán)境進行自適應學習，并評估預測虛擬機到物理機的映射方法；同時，為了避免資源競爭降低能效，根據(jù)實際能耗特征設置了虛擬機遷移的閾值，在必要時使用虛擬機遷移進一步優(yōu)化數(shù)據(jù)中心能效。
　　 最后，本文在CloudSim仿真平臺上，設計實現(xiàn)了不同節(jié)能策略之間的對比實驗。結(jié)果表明，本文提出的基于強化學習的虛擬化數(shù)據(jù)中心節(jié)能資源管理方法，在節(jié)能和性能上能達到一個相對平衡的狀態(tài)，比傳統(tǒng)節(jié)能方法，