基于随机Petri网的云数据中心能耗感知调度研究与(8)

M(qwmj)WEA(M) j nvj

M(qwm1)M(qwmtnp) min , , nvtnp nv1 (9) M(q)nvj，}j∈{1, 2, …, tnp}，|WEA(M)|表示集合WEA(M)中的其中，min_wec min{(wmj

元素个数。

（2）tji：即时变迁，结合库所qwmj，pmi与pmj一起描述虚拟机的动态迁移策略。可实施谓词为：

M(qwmi) f(tji):(M(pmi) 0) nvi

M(qwmj).x min_ec ( i j, pci

M(qwmj).xM(qwmj).x M(qwmj).x ) Bpcpcij

M(qwmj).xM(qwmj).x min_ec min , , pcpc 1tnp (10) (11)

其中，i j，且i = j∈{1,2,…,tnp}。

随机开关gji (M)为：

MDP(M)|, i j j MDP(M) gij(M) 0,otherwise

MDP(M) j

M(qwmj).x min_ec pci (12)

M(qwmi).xM(qwmi).x M(qwmi).x i j, Bpcjpci (13)

其中，|MDP(M)|表示集合MDP(M)中的元素个数，i = j∈{1,2,…,tnp}。tij表示虚拟机从服务器PMi迁移到PMj，与tji类似就不再复述。

5 性能分析

根据上文所述，我们在这一章中将基于稳态概率，进一步分析EAMC'模型的性能和能耗。与其他建模方法相比，如马尔可夫决策过程，DSSPN可以使用Petri网工具（如SPNP）中继承的功能实现自动推导出状态的稳态概率，而不需要再使用随机数学公式进行计算[20]。如表2所示，即时仅有2台服务器的可迁移云的状态也能达到几百甚至上千个。

可达状态数

发生变迁数 283 923 569 1977 1088 3928 1594 5842

（1）在时刻t，PMj上正在运行的虚拟机个数nwvj (t)