本次组会我汇报的题目是《云数据中心联合任务调度和虚拟机放置的深度强化学习方法》，我将从以下几个方面进行讲述：

科研背景

1.云计算是一种通过互联网提供按需计算服务和资源(如计算能力和数据存储)的模型，云计算已经成为当今计算机行业中最流行的计算范式之一。

2.虚拟化是云计算的基本特性之一，虚拟化技术通过减少使用的硬件数量来提高数据中心的能源效率，并通过在物理主机(PH)上放置多个虚拟机（VM）来提高资源利用率。

3.服务水平协议(SLA)是消费者和云服务提供者之间商定的服务条款，它包含了用户对服务质量(QoS)的各种要求。

4.降低能耗已成为当今云数据中心的一个关键问题。根据美国国家资源保护委员会的报告，数据中心的能源消耗占全球总能源消耗的3%以上，并将以每年3%的速度持续增长。在过去的几年里，越来越多的国家实际上已经开始制定法规来降低大型数据中心的能源消耗。

科研问题

在云数据中心中，服务的提供可以通过两个层面进行:

1.第一个层面是任务调度：在这个级别中，每个用户的任务被映射到合适的VM。任务调度是云计算中降低能耗最有效的方法之一，它可以极大地提高作业的执行效率和云系统的资源利用率从而降低能耗。

2.第二层是虚拟机的放置。虚拟机需要放置在能够提供所需资源(即处理器、内存和磁盘空间)的服务器中。因此，在云计算环境中，优化虚拟机布局对提高资源利用率、降低能耗具有重要作用。

该领域以前的工作主要是将任务调度或VM放置作为单独的问题处理。但是任务调度和虚拟机放置问题基本上是相互耦合的，需要一起考虑，以便为云用户和提供商提供有效的解决方案。

I.任务应该选择哪个虚拟机?

II.虚拟机应该选择哪个服务器放置?

III.如何将VM-PH放置与Task-VM调度同时整合?

科研目的

• 这项工作中，将任务调度和VM放置集成为一个协同优化问题，以更好地优化云数据中心的能源消耗。我们的目标是为现有的VM分配一个输入任务，或者根据任务创建VM，并将新创建的VM分配给服务器。 具体来说，考虑了任务、VM和PH之间的关系，将单层流程(即task-VM和VM-PH)集成为两层流程(即task-VM-PH)。该研究旨在将任务调度到虚拟机时，在满足用户QoS要求的情况下，同时优化云数据中心的能源消耗。

科研内容

• 系统架构图

具体的科研内容及其建模将在组会上介绍。