基于随机Petri网的云数据中心能耗感知调度研究与(5)

其中，Pwm表示服务器在正常工作状态下的能耗，k = 70%，u为CPU利用率。

如上所述，服务器维持峰值速率时所消耗能源要远远高于它在其他速率时的消耗。为了降低能耗，可以对虚拟机个数较多的服务器进行迁移。虚拟机迁移即能避免出现热点，又能实现服务器的负载均衡。负载均衡可以提高云的资源利用率，还能降低由于机器故障/错误所引起的任务失败率。

4 基于动态可扩展随机Petri网的随机建模

根据上文讨论，我们引入动态可扩展随机Petri网（DSSPN）来建模EAC系统的任务调度过程。DSSPN是一种扩展的SPN，它的发生规则以及状态转移与SPN类似，这里由于篇幅所限就不再详细描述[8]。图3描述了虚拟机分配和迁移的详细流程，图4刻画了虚拟机动态迁移的DSSPN分解模型。需要注意的是，调度或决策是由图3和4中所关联的可实施谓词与随机开关表示的。

图3 云数据中心虚拟机分配与迁移的DSSPN模型

t1图4 虚拟机动态迁移的DSSPN分解模型

4.1 云数据中心的DSSPN模型

云数据中心的DSSPN任务调度模型EAC为：EAC=(P, T, F, K, , TS, G, E, f, g, M0)，如图3和图4所示。其中，P是图中所有库所集合；T是图中的变迁集合，由即时变迁集TI和时间变迁集TT构成，F是图中的弧集，K是库所P的容量集合， 是时间变迁的发生速率集合，TS是类型集合，G 1