CN102185779A - 与综合配置能力成比例的数据中心资源负载均衡的方法及装置 - Google Patents
与综合配置能力成比例的数据中心资源负载均衡的方法及装置 Download PDFInfo
- Publication number
- CN102185779A CN102185779A CN2011101209580A CN201110120958A CN102185779A CN 102185779 A CN102185779 A CN 102185779A CN 2011101209580 A CN2011101209580 A CN 2011101209580A CN 201110120958 A CN201110120958 A CN 201110120958A CN 102185779 A CN102185779 A CN 102185779A
- Authority
- CN
- China
- Prior art keywords
- physical machine
- task
- load
- attribute
- weights
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明涉及一种实现数据中心资源负载均衡的方法及装置,技术方案中所述方法包括:获取调度域内各物理机属性的当前利用率,按照与服务器配置能力成比例的公平分配原则,并根据实际分配任务权值与期望任务权值确定当前分配任务的物理机,所述属性包括CPU负载、内存负载及网络负载;根据所述当前利用率确定所述调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载预测值计算所述物理机的(实际分配任务权值与期望任务权值)之差;选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务。本发明所述装置包括选择控制模块、计算处理模块及分配执行模块。采用本发明的技术方案,能够解决用户需求规定和物理服务器规定不一致造成的物理服务器负载不均衡问题。
Description
1.技术领域
本发明涉及计算机应用技术领域,更具体的说,涉及一种实现数据中心资源负载均衡的方法及装置。
2.背景技术
云计算数据中心作为大型服务器集群,有大量规格配置存在差异的物理服务器,通过虚拟化技术,每个物理服务器可以虚拟出多个虚拟机为用户来分配和调度资源。通常云计算数据中心调度系统如图1所示:用户通过Internet发起请求;超级调度中心依据用户的身份特征和请求的业务特征,将该请求提交给合适的数据中心,再由数据中心的管理程序提交给某个调度域,在调度域内执行某种调度算法,对该资源请求分配;调度中心在后台同时执行优化操作,将不同数据中心的资源按照优化目标函数和空闲及配置等信息排序,以备后来者使用;对该资源请求分配后,执行调度任务,分配资源,用户开始使用资源。
云计算数据中心将虚拟机按用户需求规格动态地自动化地分配给用户。但是由于用户的需求规格和数据中心所有物理服务器的规格配置很不一致,如果采用常用的轮转法,加权轮转法,最小负载(或链接数)优先,加权最小负载优先法,哈希法等简单的分配调度方法,很难达到物理服务器负载均衡。
轮转法通过预先设定一个轮转周期,依次将用户需求的虚拟机分配给不同的物理服务器,一个轮转周期结束后重新开始新一个轮转,可以看出此方法在分配虚拟机时并没有考虑负载均衡的问题。
加权轮转法通过预先对物理服务器设定权值,在负载均衡分配虚拟机的过程中,轮转选择物理服务器,如果被选择的物理服务器的权值为0,则跳过该服务器并选择下一台,如被选择的服务器的权值不为0,则选中该服务器并将该服务器的权值减1,后继的选择在前次选择的基础上轮转,因此物理服务器获得的服务次数就与其权值成正比。
最小负载(或链接数)优先法在每次分配虚拟机时,要先检查当前一段时间内所有物理服务器的负载情况,然后选择当前一段时间内负载最小的物理服务器分配虚拟机,但该方法是合理的平均分配访问量来实现均衡,不是虚拟机的调度与分配,不能实现数据中心内各物理资源的负载均衡。加权最小负载优先法,与加权轮转法类似,对规格配置不一致的物理服务器设定不同的权值,按照服务器设定的权值来选择分配虚拟机。
哈希法,主要是通过预先设计一个哈希函数,用于映射用户需求的虚拟机到相应的物理服务器上,执行速度较快,但如何设计既满足用户规格需求又满足不同物理服务器规格配置并能解决负载不均衡的问题,哈希函数法几乎是不可能的。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:上述简单的分配调度方法,均不能解决用户规格需求和物理服务器规格配置不一致造成的各物理服务器负载不均衡问题。
3.发明内容
本发明的目的是提供一种实现数据中心资源负载均衡的方法及装置,能够解决用户需求规格与物理服务器配置不一致造成的物理服务器负载不均衡的问题并依据公平原则,实现按照与服务器配置规格成比例的方式分配任务。
本发明实施例提供了一种实现数据中心资源负载均衡的方法,包括:
一种实现数据中心资源负载均衡的方法,其特征在于,包括:
获取调度域内各物理机属性的当前利用率,并根据所述当前利用率确定剩余能力满足当前分配任务的物理机,所述属性包括CPU负载、内存负载及网络负载;服务器配置权值,期望任务权值.实际分配任务权值等。
根据所述当前利用率确定所述调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载预测值计算所述物理机的负载均值和相对其配置规格的期望任务权值,;
选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务。
本发明实施例提供了一种实现数据中心资源负载均衡的装置,包括:
选择控制模块,用于获取调度域内各物理机属性的当前利用率,并根据所述当前利用率确定剩余能力满足当前分配任务的物理机,所述属性包括CPU负载、内存负载及网络负载;
计算处理模块,用于根据所述当前利用率确定所述调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载预测值计算所述物理机的负载方差值;
调度模块,用于选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务。
由上述本发明的实施例提供的技术方案可以看出,通过对调度域中各物理机的属性以及当前利用率进行监控,能够及时确定物理机当前的负载状态,同时采用综合能力法来选择合适的物理机,解决了需求规格不同造成的负载不均衡的问题并实现按照与服务器配置规格成正比的方式分配任务。
4.附图说明
图1为本发明建议的数据中心调度系统参考体系结构示意图;
图2为本发明实施例一种实现数据中心资源负载均衡的方法流程图;
图3为本发明实施例一种实现数据中心资源负载均衡的方法具体流程图;
图4为本发明实施例一种实现数据中心资源负载均衡的装置结构示意图;
图5为本发明实施例一种实现数据中心资源负载均衡的装置具体结构示意图。
通过以附图说明,本发明的特征将变得更加容易理解:
5.具体实施方式
本发明是一种实现数据中心资源负载均衡的方法及装置,能够根据获取的调度域内各物理机属性的当前利用率来确定剩余能力满足当前分配任务的物理机;根据当前利用率确定所述调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载预测值计算所述物理机的(实际分配任务权值与期望任务权值)之差;选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配务。由于剩余能力是根据获取到的各物理机属性的当前利用率确定的,因此该剩余能力代表了调度中各物理机的实际状态;在计算(实际分配任务权值与期望任务权值)之差的过程中,根据用户任务需求对分配虚拟机后的物理机的负载程度进行了预测,因此能够准确的考虑到分配虚拟机后各物理机的负载状态,从而选择合适的虚拟机进行任务分配。解决了云计算数据中心现有简单调度分配方法不能解决用户需求规格和数据中心物理服务器配置规格不一样产生的负载不均衡问题。
为了进一步理解本发明实施例的技术方案,下面结合附图进行说明。
首先,对本发明实施例的实现过程中涉及的参数进行定义,具体如下:
(1)一个CPU的利用率定义为:该CPU在时间t内的平均利用率;
一台物理机的CPU的利用率lc定义为:这台物理机上所有CPU的利用率的平均值;
一个调度域内的CPU负载均值Vc定义为:一个调度域内的所有物理机的CPU利用率,依据物理机各自的CPU个数(nui)进行加权平均,得到CPU负载均值Vc,Vc=(∑lci*nui)/∑nui;
(2)一台物理机的内存的利用率lm定义为:该物理机的内存在时间t内的平均利用率;内存负载均值Vm的定义:一个调度域内的所有物理机的内存的利用率,依据物理机各自的内存大小mi进行加权平均的平均值Vm;Vm=(∑lmi*mi)/∑mi;
(3)一台物理机的网络的利用率ln定义为:此物理机网络在时间t内的平均利用率;网络负载均值Vn的定义:一个调度域内的所有物理机的网络的利用率,依据物理机各自的网络带宽大小ni进行加权的平均值Vn;Vn=(∑lni*ni)/∑ni;
(4)一台物理机的综合负载M的定义:综合负载是一个六维向量,Mi=(ci,mi,bi,lci,lmi,lni);其中ci代表物理服务器i的CPU计算能力(可用CPU clock speed Ghz或等价值衡量),mi表示物理服务器i的内存总大小(可用Giga byte为单位衡量),bi表示物理服务器i的对外总带宽(可用Mbps为单位衡量),(lci,lmi,lni)分别为前一段时间t内物理服务器i的CPU,内存和网络带宽的利用率平均值;
(5)物理服务器的剩余能力(CPU,内存,网络)=该物理服务器的总(CPU,内存,网络)能力-该物理服务器已被占用的(CPU,内存,网络)能力;其中,剩余能力可以从(4)定义的综合负载六维向量计算出。
定义CPU使用率为P,内存使用率为M,带宽的利用率为R;
同时,为这三项指标分配的权重系数分别为入p、入m、入r(例如可以预先设定入p=0.6、入m=0.2、入r=0.2)。
因真实的物理服务器利用率在变化,对物理服务器可以使用入p、入m、入r取实际数。则真实服务器i的权重
Wi=入p*(服务器i的CPU能力-以MIPS每秒钟处理指令数计算)/(所有服务器的CPU能力之和)+入m*(服务器i内存容量-以G bytes计算)/(所有服务器的内存容量之和)+入r*(服务器i网络带宽-以M bps计算)/(所有服务器的网络带宽之和) (公式1-1)
另外虚拟机请求VMi(CUi,Memi,Neti)到达时,计算该任务Ti在当前所有任务中占的份额:
Ti=入p*(CUi)/(当前所有任务的CU能力之和)+入m*(任务i内存容量)/(当前所有任务的内存容量之和)+入r*(任务i网络带宽)/(当前所有任务的网络带宽之和) (公式1-2)
分配任务(虚拟机)到物理服务器时,理想情况下需要满足:
Ti/(Sum(Tj,j=1..n))=Wi/(sum(Wj,j=1..n)) (公式1-3)
然而因为任务规格与服务器权重的差异性,很难做到理想情况。
不均衡度Ui=|Ai-Ei| (公式1-4)
其中Ai是当前物理服务器i上已分配的任务的权值之和(利用公式1-2),Ei是服务器i的期望任务值,Ei=(所有Ti之和)*Wi.
因此,为了使得所有物理服务器的Ui之和最小,综合能力均衡调度算法在分配任务VMi(虚拟机)到物理服务器时
1).若物理服务器规格一致,则将Ti直接分配到(Ai-Ei)最小值上(可能是负数);
2)若物理服务器规格不一致,则选择一个物理服务器使得放上该任务后,使得所有物理服务器的Ui之和最小。
如图2所示,本发明实施例一种实现数据中心资源负载均衡的方法,技术方案包括:
步骤201、获取调度域内各物理机属性的当前利用率,并根据所述当前利用率确定剩余能力满足当前分配任务的物理机,所述属性包括CPU负载、内存负载及网络负载;
步骤202、根据所述当前利用率确定所述调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载预测值计算所述物理机的(实际分配任务权值与期望任务权值)之差:
步骤203、选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务。
可见,通过获取调度域内各物理机属性的当前利用率,能够充分获知当前物理机的实际剩余能力,同时,由于在选择分配的物理机的过程中,采用了综合能力均衡法,解决了需求规格不同造成的负载不均衡问题。
在本发明的一个实施例中,步骤201中根据所述当前利用率确定剩余能力满足当前分配任务的物理机,包括:
(1)将所述调度域内各物理机属性的总负载能力与所述各物理机属性的当前利用率的差值,做为所述各物理机属性的剩余能力;
(2)将所述剩余能力与所述当前分配任务的规格做比较,确定所述剩余能力大于或等于当前分配任务规格的物理机。
需要说明的是,本发明实施例中物理机属性的总负载能力是指该物理机具有的CPU、内存及网络的总大小;各物理机CPU的当前利用率是其所具有的CPU实际利用率的平均值。各物理机的剩余能力可以采用上述定义(5)剩余能力的公式计算出来。
例如:一个物理机PM1的总负载能力为,(4CU,3G,100M),该物理机内存的当前利用率是50%,网络当前利用率是10%,该物理机包含了4个CPU,第一个CPU实际利用率是30%,第二个CPU实际利用率是30%,第三个CPU实际利用率是40%,第4个CPU实际利用率是20%,那么该物理机CPU的当前利用率为(30%+30%+40%+20%)/4=30%;
用定义(4)提出的物理机综合负载形式表示该物理机的综合负载PM1的具体形式为:
PM1=(4CU,3G,100M,30%,50%,10%)
PM1属性的剩余能力=(4*(1-30%),3*(1-50%),100*(1-10%))=(2.8,1.5,90).
用PM1的剩余能力与当前分配任务的规格做比较,来判断是否满足当前分配任务,例如:当前分配任务为VM(2CU,1G,10),该PM1的剩余能力满足当前分配任务。
在本发明的一个实施例中,步骤202根据所述当前利用率确定所述调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载预测值计算所述物理机的(实际分配任务权值与期望任务权值)之差,具体包括:
(1)针对满足所述当前分配任务的物理机,对所述物理机分配虚拟机后的属性的利用率进行预测,获得所述负载预测值;
(2)根据所述负载均值及所述负载预测值计算获得所述(实际分配任务权值与期望任务权值)之差;所述(实际分配任务权值与期望任务权值)之差的计算公式包括:
不均衡度Ui=|Ai-Ei| (公式1-4)
在本发明的一个实施例中,步骤203选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务,包括:
当所述当前分配任务为单虚拟机任务时,选择满足所述当前分配任务的物理机中(实际分配任务权值与期望任务权值)之差最小的物理机进行分配;
当所述(实际分配任务权值与期望任务权值)之差最小的物理机数量大于一个时,任选一个物理机分配当前分配任务。
在本发明的一个实施例中,所述方法还可以包括:
(1)在所述属性的利用率超出预定值的物理机触发告警迁移时,根据所述属性的告警值与调度域内该属性负载均值的差值,确定迁移所述物理机上的虚拟机;
(2)为迁移的所述虚拟机寻找物理机进行分配。
具体的说,本发明实施例中当调度域中某台物理机的属性,如:CPU、内存、网络一种或多种超过各自的告警值δ时,将触发告警迁移流程。例如:某个物理机的CPU告警时,可以用当前告警的CPU负载值减去该调度域的CPU负载均值,得到一个差值,用该差值比较此物理机上所有虚拟机的CPU利用率,来决定迁移哪些虚拟机,具体可以是当当前虚拟机的CPU利用率中至少有一个大于等于该差值时,要迁移一个或多个虚拟机,然后重新计算该差值,并确定该物理机的CPU是否仍存在告警,如果告警仍存在,则继续对虚拟机进行迁移。
在本发明的一个实施例中,为迁移的所述虚拟机寻找物理机进行分配,进一步包括:
根据各物理机的当前利用率确定剩余能力满足被迁移的虚拟机分配任务的物理机;
根据各物理机的当前利用率确定调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载预测值计算所述物理机的(实际分配任务权值与期望任务权值)之差;
选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务。需要说明的是,本发明实施例中为迁移的虚拟机进行分配的过程,与为上述步骤201、202、203所述的分配任务分配的过程相同,也就是说,在告警处理之后,需要为迁移的虚拟机任务重新确定一个或多个物理机进行分配。因此,为迁移的虚拟机确定物理机的分配过程可以参见上述关于步骤201、202、203中的相关内容,在此不作一一赘述。
上述本发明实施例一种实现数据中心资源负载均衡的方法,实际应用中的具体算法如下:
如图4所示,基于上述图2的方法实施例,本发明实施例提供了一种实现数据中心资源负载均衡的装置,包括:
选择控制模块41,用于获取调度域内各物理机属性的当前利用率,并根据所述当前利用率确定剩余能力满足当前分配任务的物理机,所述属性包括CPU负载、内存负载及网络负载;
计算处理模块42,用于根据所述当前利用率确定所述调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载预测值计算所述物理机的(实际分配任务权值与期望任务权值)之差;
分配执行模块43,用于选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务。
如图5所示,在本发明的一个实施例中,选择控制模块41可以包括:
计算单元411,用于将所述调度域内各物理机属性的总负载能力与所述各物理机属性的当前利用率的差值,做为所述各物理机属性的剩余能力;
判定单元412,用于将所述剩余能力与所述当前分配任务的规格做比较,确定所述剩余能力大于或等于当前分配任务规格的物理机。
在本发明的一个实施例中,计算处理模块42可以包括:
预测单元421,用于针对满足所述当前分配任务的物理机,对所述物理机分配虚拟机后的属性的利用率进行预测,获得所述负载预测值;
确定单元422,用于根据所述负载均值及所述负载预测值计算获得所述(实际分配任务权值与期望任务权值)之差;所述(实际分配任务权值与期望任务权值)之差的计算公式为公式(1-4)。
在本发明的一个实施例中,所述装置还包括:
任务处理模块44,用于判断所述当前分配任务是否为单虚拟机任务;
在本发明的一个实施例中,分配执行模块43可以包括:
在本发明的一个实施例中,所述装置还可以包括:
告警监控模块45,用于对所述调度域内各物理机属性的利用率进行监控;
告警迁移模块46,用于在所述属性的利用率超出预定值的物理机触发告警迁移时,根据所述属性的告警值与调度域内该属性负载均值的差值,确定迁移所述物理机上的虚拟机;
迁移分配模块47,用于为迁移的所述虚拟机寻找物理机进行分配。
在本发明的一个实施例中,迁移分配模块47进一步包括:
计算处理单元471,用于根据各物理机的当前利用率确定剩余能力满足被迁移的虚拟机分配任务的物理机;以及,根据各物理机的当前利用率确定调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载预测值计算所述物理机的(实际分配任务权值与期望任务权值)之差;
分配执行单元472,用于选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务。
在本发明的一个实施例中,所述装置还可以包括:
优化选择模块48,用于确定需要进行优化操作的物理机的ID;
优化操作模块49,用于用所述物理机各属性的当前利用率与优化目的值的差值,与所述物理机上各虚拟机的属性利用率做比较,以便确定要迁移的虚拟机;
优化分配模块50,用于为迁移的所述虚拟机选择物理机进行分配。
在本发明的一个实施例中,优化分配模块50进一步包括:
优化计算单元501,用于根据各物理机的当前利用率确定剩余能力满足被迁移的虚拟机分配任务的物理机;以及,根据各物理机的当前利用率确定调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载预测值计算所述物理机的(实际分配任务权值与期望任务权值)之差;
优化分配单元502,用于选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务。
需要说明的是,本发明所述的装置实施例是基于上述图2的方法实施例获得的,其中各功能模块与图2方法实施例中各步骤一一对应,因此本发明所述的装置实施例与图2的方法实施例包含了相同或相应的技术特征,本发明所述的装置实施例中涉及的具体技术方案已经在图2实施例中作出了同样的描述,具体可以参见图2的方法实施例,在此不作赘述。
下面将结合具体实例进一步说明本发明的技术方案,以上述三个处理过程中的新任务分配过程为例,对本发明的技术方案进行说明。
表1-1初始权值(a)
物理服务器 | CPU(Ghz或等价MIPS) | 内存(G) | 网络 |
PM1 | 6.4 | 12.0 | 20.0 |
PM2 | 9.6 | 18.0 | 30.0 |
PM3 | 12.8 | 24.0 | 40.0 |
初始权值(b)
物理服务器 | Wi(权重) | Ei(期望任务值) | Ai(实际任务值 | Ai-Ei | 拥有虚拟机 |
PM1 | 0.222 | 0.222 | 0 | -0.222 | 无 |
PM2 | 0.333 | 0.333 | 0 | -0.333 | 无 |
PM3 | 0.444 | 0.444 | 0 | -0.444 | 无 |
注:(CPU,内存,网络带宽)的权值在以下计算中分别设为(0.6,0.2,0.2),这些值依据实际情况可调。
PM1:Ei=0.6*6.4/(6.4+9.6+12.8)+0.2*12/(12+18+24)+0.2*20/(20+30+40)=0.222
Ai-Ei=0-0.222=-0.222
PM2:Ei=0.6*9.6/(6.4+9.6+12.8)+0.2*18/(12+18+24)+0.2*30/(20+30+40)=0.333
Ai-Ei=0-0.333=-0.333
PM3:Ei=0.6*12.8/(6.4+9.6+12.8)+0.2*24/(12+18+24)+0.2*40/(20+30+40)=0.444
Ai-Ei=0-0.444=-0.444
新任务VM#1(vCPU,vMem,vNET)=(2GHz,1G,2Mbps),有上表可知Si-Ei最小为PM3,所以将虚拟机分配在PM3上。
此时Ti=0.6*2/2+0.2*1/1+0.2*2/2=1
表1-2任务#1分配后
CPU | 内存 | 网络 | Wi(权重) Ei(期望任务值) Ai | 拥有虚拟机 | |
PM1 | 6.4 | 12 | 20.0 | 0.222 0.222 0 | 无 |
PM2 | 9.6 | 18 | 30.0 | 0.333 0.333 0 | 无 |
PM3 | 12.8 | 24 | 40.0 | 0.444 0.444 1 | (2,1,2) |
新任务VM#2(vCPU,vMem,vNET)=(2,2,4)到达。
Ti=0.6*2/(2+2)+0.2*2/(2+1)+0.2*4/(4+2)=0.567,同理PM3上的虚拟机的权值Ti=0.433
表1-3任务#2到达后的权值计算
PM1:Ai-Ei=0-0.222=-0.222
PM2:Ai-Ei=0-0.333=-0.333
PM3:Ai_Ei=0.433-0.444=-0.011
按照计算,PM2上的Ai-Ei最小,所以将任务放在PM2上。
表1-4任务#2分配后
新任务VM#3(vCPU,vMem,vNET)=(2,2,8)到达。
Ti=0.6*2/(2+2+2)+0.2*2/(2+2+1)+0.2*8/(8+4+2)=0.394,
同理PM2,PM3上的虚拟机权值依次变为:0.337,0.269。
表1-5任务#3到达后的权值计算
PM1:Ai-Ei=0-0.222=-0.222
PM2:Ai-Ei=0.337-0.333=0.004
PM3:Ai-Ei=0.269-0.444=-0.175
按照计算,PM1上的Ai-Ei最小,所以将任务放在PM1上。
表1-6任务#3分配后
总结:虚拟机任务VM#1(vCPU,vMem,vNET)=(2,1,2),VM#2(vCPU,vMem,vNET)=(2,2,4),VM#3(vCPU,vMem,vNET)=(2,2,8)依次到达,分别分配在PM3,PM2,PM1上。由上述实施例可知,本发明实施例针对目前常用的负载均衡调度算法很难解决用户需求和物理服务器规格不一致造成的物理服务器负载不均衡问题,提出了一个依据动态负载反馈调整的负载均衡算法。通过对物理机属性当前利用率进行获取,能够准确获得各物理机的实际剩余能力;通过对该物理机分配虚拟机后的属性进行预测,能够更好的获知各物理机分配虚拟机后的负载状态,选择最佳的物理机进行分配,以便保证各物理机的负载均衡。能够更客观的找到使系统负载最均衡的物理机进行分配,解决了需求规则与服务器规格不同带来的负载不均衡的问题。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
Claims (11)
1.一种实现数据中心资源负载均衡的方法,其特征在于,包括:
获取调度域内各物理机属性的当前利用率,并根据所述实际分配任务权值与期望任务权值确定分配任务的物理机,所述属性包括CPU负载、内存负载及网络负载;
根据所述当前利用率确定所述调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载预测值计算所述物理机的(实际分配任务权值与期望任务权值)之差;
选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务。
2.根据权利要求1所述的方法,其特征在于,根据所述当前利用率确定剩余能力满足当前分配任务的物理机,包括:
将所述(实际分配任务权值与期望任务权值)之差做比较,确定所述(实际分配任务权值与期望任务权值)之差最小者为当前分配任务规格的物理机。
3.根据权利要求2所述的方法,其特征在于,根据所述负载均值及对所述物理机属性的负载值计算所述物理机的(实际分配任务权值与期望任务权值)之差,包括:
根据所述负载均值及所述负载值计算获得所述(实际分配任务权值与期望任务权值)之差;所述(实际分配任务权值与期望任务权值)之差的计算公式包括:
定义CPU使用率为P,内存使用率为M,带宽的利用率为R;
同时,为这三项指标分配的权重系数分别为入p、入m、入r(例如可以预先设定入p=0.6、入m=0.2、入r=0.2)。
因真实的物理服务器利用率在变化,对物理服务器可以使用入p、入m、入r取实际数。
则真实服务器i的权重
Wi=入p*(服务器i的CPU能力-以MIPS每秒钟处理指令数计算)/(所有服务器的CPU能力之和)+入m*(服务器i内存容量-以G bytes计算)/(所有服务器的内存容量之和)+入r*(服务器i网络带宽-以M bps计算)/(所有服务器的网络带宽之和) (公式1-1)
另外虚拟机请求VMi(CUi,Memi,Neti)到达时,计算该任务Ti在当前所有任务中占的份额:
Ti=入p*(CUi)/(当前所有任务的CU能力之和)+入m*(任务i内存容量)/(当前所有任务的内存容量之和)+入r*(任务i网络带宽)/(当前所有任务的网络带宽之和) (公式1-2)
分配任务(虚拟机)到物理服务器时,理想情况下需要满足:
Ti/(Sum(Tj,j=1..n))=Wi/(sum(Wj,j=1..n)) (公式1-3)
然而因为任务规格与服务器权重的差异性,很难做到理想情况。
不均衡度Ui=|Ai-Ei| (公式1-4)
其中Ai是当前物理服务器i上已分配的任务的权值之和(利用公式1-2),Ei是服务器i的期望任务值,Ei=(所有Ti之和)*Wi。
1).若物理服务器规格一致,则将Ti直接分配到(Ai-Ei)最小值上(可能是负数);
2)若物理服务器规格不一致,则选择一个物理服务器使得放上该任务后,使得所有物理服务器的Ui之和最小。
4.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
判断所述每个物理服务器的不均衡度;
计算每个物理服务器实际分配任务权值,期望任务权值;
5.根据权利要求4所述的方法,其特征在于,选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务,包括:
当所述当前分配任务为单虚拟机任务时,选择满足所述当前分配任务的物理机中(实际分配任务权值与期望任务权值)之差最小的物理机进行分配;
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述调度域内各物理机属性的利用率进行监控;
在所述属性的利用率超出预定值的物理机触发告警迁移时,根据所述属性的告警值与调度域内该属性负载均值的差值,确定迁移所述物理机上的虚拟机;
为迁移的所述虚拟机寻找物理机进行分配。
7.根据权利要求6所述的方法,其特征在于,为迁移的所述虚拟机寻找物理机进行分配,进一步包括:
根据各物理机的当前利用率确定剩余能力满足被迁移的虚拟机分配任务的物理机;
根据各物理机的当前利用率确定调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载值计算所述物理机的(实际分配任务权值与期望任务权值)之差;
选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务。
8.一种实现数据中心资源负载均衡的装置,其特征在于,包括
选择控制模块,用于获取调度域内各物理机属性的当前利用率,并根据所述当前利用率确定剩余能力满足当前分配任务的物理机,所述属性包括CPU负载、内存负载及网络负载;
计算处理模块,用于根据所述当前利用率确定所述调度域属性的负载均值,并根据所述负载均值及对所述物理机属性的负载值计算所述物理机的(实际分配任务权值与期望任务权值)之差;
分配执行模块,用于选择所述(实际分配任务权值与期望任务权值)之差最小的物理机分配所述当前分配任务。
9.根据权利要求8所述的装置,其特征在于,选择控制模块包括:
计算单元,用于将所述调度域内各物理机属性的总负载能力与所述各物理机属性的当前利用率的差值,作为所述各物理机属性的剩余能力;
判定单元,用于将所述剩余能力与所述当前分配任务的规格做比较,确定所述剩余能力大于或等于当前分配任务规格的物理机。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
告警监控模块,用于对所述调度域内各物理机属性的利用率进行监控;
告警迁移模块,用于在所述属性的利用率超出预定值的物理机触发告警迁移时,根据所述属性的告警值与调度域内该属性负载均值的差值,确定迁移所述物理机上的虚拟机;
迁移分配模块,用于为迁移的所述虚拟机寻找物理机进行分配。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
优化选择模块,用于确定需要进行优化操作的物理机的ID;
优化操作模块,用于用所述物理机各属性的当前利用率与优化目的值的差值,与所述物理机上各虚拟机的属性利用率做比较,以便确定要迁移的虚拟机;
优化分配模块,用于为迁移的所述虚拟机选择物理机进行分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110120958.0A CN102185779B (zh) | 2011-05-11 | 2011-05-11 | 与综合配置能力成比例的数据中心资源负载均衡的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110120958.0A CN102185779B (zh) | 2011-05-11 | 2011-05-11 | 与综合配置能力成比例的数据中心资源负载均衡的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102185779A true CN102185779A (zh) | 2011-09-14 |
CN102185779B CN102185779B (zh) | 2015-02-25 |
Family
ID=44571850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110120958.0A Active CN102185779B (zh) | 2011-05-11 | 2011-05-11 | 与综合配置能力成比例的数据中心资源负载均衡的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102185779B (zh) |
Cited By (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497421A (zh) * | 2011-12-12 | 2012-06-13 | 湖南科技大学 | 公平性好的Web服务器集群系统轮询调度负载均衡方法 |
CN102571782A (zh) * | 2011-12-29 | 2012-07-11 | 浙江大学 | 一种新型负载平衡服务器集群系统 |
CN102571986A (zh) * | 2012-02-27 | 2012-07-11 | 浙江大学 | 一种基于向量映射的负载均衡方法 |
CN102637138A (zh) * | 2012-03-20 | 2012-08-15 | 浪潮电子信息产业股份有限公司 | 一种计算调度虚拟机的方法 |
CN103036979A (zh) * | 2012-12-12 | 2013-04-10 | 广州尚融网络科技有限公司 | 一种服务器负载均衡方法及负载均衡器 |
CN103076870A (zh) * | 2013-01-08 | 2013-05-01 | 北京邮电大学 | 数据中心中能耗驱动的应用融合调度和资源动态配置方法 |
CN103095599A (zh) * | 2013-01-18 | 2013-05-08 | 浪潮电子信息产业股份有限公司 | 一种云计算操作系统中动态反馈加权综合负载调度方法 |
CN103095853A (zh) * | 2013-02-27 | 2013-05-08 | 北京航空航天大学 | 云数据中心计算能力管理系统 |
CN103338228A (zh) * | 2013-05-30 | 2013-10-02 | 江苏大学 | 基于双加权最小连接算法的云计算负载均衡调度算法 |
CN103353853A (zh) * | 2013-07-26 | 2013-10-16 | 浪潮电子信息产业股份有限公司 | 一种负载自动调节的方法 |
CN103369041A (zh) * | 2013-07-09 | 2013-10-23 | 北京奇虎科技有限公司 | 基于云计算的资源分配方法及装置 |
CN103391299A (zh) * | 2012-05-08 | 2013-11-13 | 深圳市腾讯计算机系统有限公司 | 负载均衡方法和负载均衡系统 |
CN103401947A (zh) * | 2013-08-20 | 2013-11-20 | 曙光信息产业(北京)有限公司 | 多个服务器的任务分配方法和装置 |
CN103605574A (zh) * | 2013-11-18 | 2014-02-26 | 浪潮(北京)电子信息产业有限公司 | 一种服务器集群中的虚拟机资源调度方法及系统 |
CN103647824A (zh) * | 2013-12-11 | 2014-03-19 | 浪潮电子信息产业股份有限公司 | 一种存储资源优化调度发现算法 |
CN103647823A (zh) * | 2013-12-11 | 2014-03-19 | 浪潮电子信息产业股份有限公司 | 一种云计算操作系统下的存储资源调度方法 |
CN103812895A (zh) * | 2012-11-12 | 2014-05-21 | 华为技术有限公司 | 调度方法、管理节点以及云计算集群 |
CN103870341A (zh) * | 2014-03-12 | 2014-06-18 | 汉柏科技有限公司 | 一种调整虚拟机资源的方法和系统 |
CN103945548A (zh) * | 2014-04-29 | 2014-07-23 | 西安电子科技大学 | 一种c-ran网络中的资源分配系统及任务/业务调度方法 |
CN104035542A (zh) * | 2014-05-28 | 2014-09-10 | 中国科学院计算技术研究所 | 一种计算与制冷能耗权衡的虚拟机迁移方法及系统 |
CN104301241A (zh) * | 2014-06-05 | 2015-01-21 | 中国人民解放军信息工程大学 | 一种soa动态负载分发方法与系统 |
CN104468755A (zh) * | 2014-11-27 | 2015-03-25 | 中国联合网络通信集团有限公司 | 实现应用性能保障的方法和装置 |
CN104581227A (zh) * | 2014-12-31 | 2015-04-29 | 银江股份有限公司 | 一种基于任务调度的流媒体负载均衡方法 |
CN104580440A (zh) * | 2014-12-29 | 2015-04-29 | 芜湖乐锐思信息咨询有限公司 | 利于资源优化配置的产品协作开发系统及方法 |
CN104601664A (zh) * | 2014-12-22 | 2015-05-06 | 西安电子科技大学 | 一种云计算平台资源管理与虚拟机调度的控制系统 |
CN105184886A (zh) * | 2015-09-01 | 2015-12-23 | 浪潮集团有限公司 | 一种云数据中心智能巡检系统及方法 |
CN105430083A (zh) * | 2015-11-27 | 2016-03-23 | 成都微讯云通科技有限公司 | 一种云平台部署方法 |
CN105812356A (zh) * | 2016-03-04 | 2016-07-27 | 广东石油化工学院 | 一种面向云服务系统的匿名查询处理方法 |
CN105939389A (zh) * | 2016-06-29 | 2016-09-14 | 乐视控股(北京)有限公司 | 负载均衡方法及装置 |
CN103701934B (zh) * | 2014-01-13 | 2017-02-01 | 浪潮(北京)电子信息产业有限公司 | 一种资源优化调度方法及虚拟机宿主机优化选择方法 |
CN106790636A (zh) * | 2017-01-09 | 2017-05-31 | 上海承蓝科技股份有限公司 | 一种云计算服务器集群的均衡负载系统及方法 |
CN107295042A (zh) * | 2016-03-31 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 一种为用户分配数据中心的方法和设备 |
WO2018014566A1 (zh) * | 2016-07-22 | 2018-01-25 | 平安科技(深圳)有限公司 | 一种负载均衡的方法、装置、计算机可读存储介质及系统 |
CN108280007A (zh) * | 2017-01-05 | 2018-07-13 | 中国移动通信集团福建有限公司 | 一种用于评估设备资源利用率的方法和装置 |
CN108572869A (zh) * | 2017-09-25 | 2018-09-25 | 北京金山云网络技术有限公司 | 一种物理主机选择方法、装置、设备及可读存储介质 |
CN108710540A (zh) * | 2018-05-23 | 2018-10-26 | 深信服网络科技(深圳)有限公司 | 一种分布式集群中的资源调度方法、装置及设备 |
CN109542596A (zh) * | 2018-10-22 | 2019-03-29 | 西安交通大学 | 一种基于OpenCL内核任务的调度框架 |
CN109688068A (zh) * | 2019-02-03 | 2019-04-26 | 辽宁邮电规划设计院有限公司 | 基于大数据分析的网络负载均衡方法和装置 |
CN110347503A (zh) * | 2019-06-27 | 2019-10-18 | 杭州数梦工场科技有限公司 | 资源重调度方法及装置 |
CN110377418A (zh) * | 2019-06-05 | 2019-10-25 | 上海易点时空网络有限公司 | 用于单台服务器的cpu多核使用率优化处理方法及装置 |
CN112947843A (zh) * | 2019-12-10 | 2021-06-11 | 北京金山云网络技术有限公司 | 存储系统的配置、调度方法、装置及电子设备 |
CN113709054A (zh) * | 2021-07-16 | 2021-11-26 | 济南浪潮数据技术有限公司 | 一种基于keepalived的LVS系统部署调节方法、装置及系统 |
CN113806089A (zh) * | 2021-09-17 | 2021-12-17 | 中国联合网络通信集团有限公司 | 集群负载资源调度方法、装置、电子设备及可读存储介质 |
CN116976681A (zh) * | 2023-09-22 | 2023-10-31 | 山东通维信息工程有限公司 | 一种基于大数据的高速公路机电设施智能运维决策系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110134495B (zh) * | 2019-05-21 | 2022-08-12 | 山东大学 | 一种容器跨主机在线迁移方法、存储介质及终端设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101309208A (zh) * | 2008-06-21 | 2008-11-19 | 华中科技大学 | 一种适用于网格环境的基于可靠性代价的作业调度系统 |
CN101639793A (zh) * | 2009-08-19 | 2010-02-03 | 南京邮电大学 | 一种基于支持向量回归机的网格负载预测方法 |
US7669029B1 (en) * | 2006-11-15 | 2010-02-23 | Network Appliance, Inc. | Load balancing a data storage system |
-
2011
- 2011-05-11 CN CN201110120958.0A patent/CN102185779B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7669029B1 (en) * | 2006-11-15 | 2010-02-23 | Network Appliance, Inc. | Load balancing a data storage system |
CN101309208A (zh) * | 2008-06-21 | 2008-11-19 | 华中科技大学 | 一种适用于网格环境的基于可靠性代价的作业调度系统 |
CN101639793A (zh) * | 2009-08-19 | 2010-02-03 | 南京邮电大学 | 一种基于支持向量回归机的网格负载预测方法 |
Non-Patent Citations (1)
Title |
---|
郑洪源等: "《WEB服务器集群系统中负载平衡的设计与实现》", 《南京航空航天大学学报》, vol. 38, no. 3, 30 June 2006 (2006-06-30) * |
Cited By (67)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497421B (zh) * | 2011-12-12 | 2014-05-28 | 湖南科技大学 | 公平性好的Web服务器集群系统轮询调度负载均衡方法 |
CN102497421A (zh) * | 2011-12-12 | 2012-06-13 | 湖南科技大学 | 公平性好的Web服务器集群系统轮询调度负载均衡方法 |
CN102571782A (zh) * | 2011-12-29 | 2012-07-11 | 浙江大学 | 一种新型负载平衡服务器集群系统 |
CN102571782B (zh) * | 2011-12-29 | 2014-10-01 | 浙江大学 | 一种新型负载平衡服务器集群系统 |
CN102571986A (zh) * | 2012-02-27 | 2012-07-11 | 浙江大学 | 一种基于向量映射的负载均衡方法 |
CN102571986B (zh) * | 2012-02-27 | 2014-05-21 | 浙江大学 | 一种基于向量映射的负载均衡方法 |
CN102637138A (zh) * | 2012-03-20 | 2012-08-15 | 浪潮电子信息产业股份有限公司 | 一种计算调度虚拟机的方法 |
CN102637138B (zh) * | 2012-03-20 | 2017-06-06 | 浪潮电子信息产业股份有限公司 | 一种计算调度虚拟机的方法 |
CN103391299A (zh) * | 2012-05-08 | 2013-11-13 | 深圳市腾讯计算机系统有限公司 | 负载均衡方法和负载均衡系统 |
CN103391299B (zh) * | 2012-05-08 | 2016-09-28 | 深圳市腾讯计算机系统有限公司 | 负载均衡方法和负载均衡系统 |
CN103812895A (zh) * | 2012-11-12 | 2014-05-21 | 华为技术有限公司 | 调度方法、管理节点以及云计算集群 |
CN103036979A (zh) * | 2012-12-12 | 2013-04-10 | 广州尚融网络科技有限公司 | 一种服务器负载均衡方法及负载均衡器 |
CN103036979B (zh) * | 2012-12-12 | 2015-07-01 | 广州尚融网络科技有限公司 | 一种服务器负载均衡方法及负载均衡器 |
CN103076870B (zh) * | 2013-01-08 | 2015-10-28 | 北京邮电大学 | 数据中心中能耗驱动的应用融合调度和资源动态配置方法 |
CN103076870A (zh) * | 2013-01-08 | 2013-05-01 | 北京邮电大学 | 数据中心中能耗驱动的应用融合调度和资源动态配置方法 |
CN103095599A (zh) * | 2013-01-18 | 2013-05-08 | 浪潮电子信息产业股份有限公司 | 一种云计算操作系统中动态反馈加权综合负载调度方法 |
CN103095853A (zh) * | 2013-02-27 | 2013-05-08 | 北京航空航天大学 | 云数据中心计算能力管理系统 |
CN103095853B (zh) * | 2013-02-27 | 2016-08-03 | 北京航空航天大学 | 云数据中心计算能力管理系统 |
CN103338228B (zh) * | 2013-05-30 | 2016-12-28 | 江苏大学 | 基于双加权最小连接算法的云计算负载均衡调度算法 |
CN103338228A (zh) * | 2013-05-30 | 2013-10-02 | 江苏大学 | 基于双加权最小连接算法的云计算负载均衡调度算法 |
CN103369041B (zh) * | 2013-07-09 | 2017-10-03 | 北京奇虎科技有限公司 | 基于云计算的资源分配方法及装置 |
CN103369041A (zh) * | 2013-07-09 | 2013-10-23 | 北京奇虎科技有限公司 | 基于云计算的资源分配方法及装置 |
CN103353853A (zh) * | 2013-07-26 | 2013-10-16 | 浪潮电子信息产业股份有限公司 | 一种负载自动调节的方法 |
CN103401947A (zh) * | 2013-08-20 | 2013-11-20 | 曙光信息产业(北京)有限公司 | 多个服务器的任务分配方法和装置 |
CN103605574A (zh) * | 2013-11-18 | 2014-02-26 | 浪潮(北京)电子信息产业有限公司 | 一种服务器集群中的虚拟机资源调度方法及系统 |
CN103647823A (zh) * | 2013-12-11 | 2014-03-19 | 浪潮电子信息产业股份有限公司 | 一种云计算操作系统下的存储资源调度方法 |
CN103647824A (zh) * | 2013-12-11 | 2014-03-19 | 浪潮电子信息产业股份有限公司 | 一种存储资源优化调度发现算法 |
CN103701934B (zh) * | 2014-01-13 | 2017-02-01 | 浪潮(北京)电子信息产业有限公司 | 一种资源优化调度方法及虚拟机宿主机优化选择方法 |
CN103870341A (zh) * | 2014-03-12 | 2014-06-18 | 汉柏科技有限公司 | 一种调整虚拟机资源的方法和系统 |
CN103945548A (zh) * | 2014-04-29 | 2014-07-23 | 西安电子科技大学 | 一种c-ran网络中的资源分配系统及任务/业务调度方法 |
CN103945548B (zh) * | 2014-04-29 | 2018-12-14 | 西安电子科技大学 | 一种c-ran网络中的资源分配系统及任务/业务调度方法 |
CN104035542A (zh) * | 2014-05-28 | 2014-09-10 | 中国科学院计算技术研究所 | 一种计算与制冷能耗权衡的虚拟机迁移方法及系统 |
CN104035542B (zh) * | 2014-05-28 | 2017-06-06 | 中国科学院计算技术研究所 | 一种计算与制冷能耗权衡的虚拟机迁移方法及系统 |
CN104301241A (zh) * | 2014-06-05 | 2015-01-21 | 中国人民解放军信息工程大学 | 一种soa动态负载分发方法与系统 |
CN104468755B (zh) * | 2014-11-27 | 2018-11-02 | 中国联合网络通信集团有限公司 | 实现应用性能保障的方法和装置 |
CN104468755A (zh) * | 2014-11-27 | 2015-03-25 | 中国联合网络通信集团有限公司 | 实现应用性能保障的方法和装置 |
CN104601664A (zh) * | 2014-12-22 | 2015-05-06 | 西安电子科技大学 | 一种云计算平台资源管理与虚拟机调度的控制系统 |
CN104601664B (zh) * | 2014-12-22 | 2018-10-23 | 西安电子科技大学 | 一种云计算平台资源管理与虚拟机调度的控制系统 |
CN104580440A (zh) * | 2014-12-29 | 2015-04-29 | 芜湖乐锐思信息咨询有限公司 | 利于资源优化配置的产品协作开发系统及方法 |
CN104581227A (zh) * | 2014-12-31 | 2015-04-29 | 银江股份有限公司 | 一种基于任务调度的流媒体负载均衡方法 |
CN105184886A (zh) * | 2015-09-01 | 2015-12-23 | 浪潮集团有限公司 | 一种云数据中心智能巡检系统及方法 |
CN105430083A (zh) * | 2015-11-27 | 2016-03-23 | 成都微讯云通科技有限公司 | 一种云平台部署方法 |
CN105430083B (zh) * | 2015-11-27 | 2018-12-04 | 工匠广告传播(上海)有限公司 | 一种云平台部署方法 |
CN105812356B (zh) * | 2016-03-04 | 2019-12-06 | 广东石油化工学院 | 一种面向云服务系统的匿名查询处理方法 |
CN105812356A (zh) * | 2016-03-04 | 2016-07-27 | 广东石油化工学院 | 一种面向云服务系统的匿名查询处理方法 |
CN107295042A (zh) * | 2016-03-31 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 一种为用户分配数据中心的方法和设备 |
CN107295042B (zh) * | 2016-03-31 | 2021-12-14 | 阿里巴巴集团控股有限公司 | 一种为用户分配数据中心的方法和设备 |
CN105939389A (zh) * | 2016-06-29 | 2016-09-14 | 乐视控股(北京)有限公司 | 负载均衡方法及装置 |
WO2018014566A1 (zh) * | 2016-07-22 | 2018-01-25 | 平安科技(深圳)有限公司 | 一种负载均衡的方法、装置、计算机可读存储介质及系统 |
CN108280007A (zh) * | 2017-01-05 | 2018-07-13 | 中国移动通信集团福建有限公司 | 一种用于评估设备资源利用率的方法和装置 |
CN108280007B (zh) * | 2017-01-05 | 2021-08-13 | 中国移动通信集团福建有限公司 | 一种用于评估设备资源利用率的方法和装置 |
CN106790636A (zh) * | 2017-01-09 | 2017-05-31 | 上海承蓝科技股份有限公司 | 一种云计算服务器集群的均衡负载系统及方法 |
CN108572869A (zh) * | 2017-09-25 | 2018-09-25 | 北京金山云网络技术有限公司 | 一种物理主机选择方法、装置、设备及可读存储介质 |
CN108572869B (zh) * | 2017-09-25 | 2021-05-25 | 北京金山云网络技术有限公司 | 一种物理主机选择方法、装置、设备及可读存储介质 |
CN108710540A (zh) * | 2018-05-23 | 2018-10-26 | 深信服网络科技(深圳)有限公司 | 一种分布式集群中的资源调度方法、装置及设备 |
CN109542596A (zh) * | 2018-10-22 | 2019-03-29 | 西安交通大学 | 一种基于OpenCL内核任务的调度框架 |
CN109542596B (zh) * | 2018-10-22 | 2023-09-12 | 西安交通大学 | 一种基于OpenCL内核任务的调度方法 |
CN109688068A (zh) * | 2019-02-03 | 2019-04-26 | 辽宁邮电规划设计院有限公司 | 基于大数据分析的网络负载均衡方法和装置 |
CN110377418A (zh) * | 2019-06-05 | 2019-10-25 | 上海易点时空网络有限公司 | 用于单台服务器的cpu多核使用率优化处理方法及装置 |
CN110377418B (zh) * | 2019-06-05 | 2021-09-03 | 上海易点时空网络有限公司 | 用于单台服务器的cpu多核使用率优化处理方法及装置 |
CN110347503B (zh) * | 2019-06-27 | 2021-07-30 | 杭州数梦工场科技有限公司 | 资源重调度方法及装置 |
CN110347503A (zh) * | 2019-06-27 | 2019-10-18 | 杭州数梦工场科技有限公司 | 资源重调度方法及装置 |
CN112947843A (zh) * | 2019-12-10 | 2021-06-11 | 北京金山云网络技术有限公司 | 存储系统的配置、调度方法、装置及电子设备 |
CN113709054A (zh) * | 2021-07-16 | 2021-11-26 | 济南浪潮数据技术有限公司 | 一种基于keepalived的LVS系统部署调节方法、装置及系统 |
CN113806089A (zh) * | 2021-09-17 | 2021-12-17 | 中国联合网络通信集团有限公司 | 集群负载资源调度方法、装置、电子设备及可读存储介质 |
CN113806089B (zh) * | 2021-09-17 | 2023-06-27 | 中国联合网络通信集团有限公司 | 集群负载资源调度方法、装置、电子设备及可读存储介质 |
CN116976681A (zh) * | 2023-09-22 | 2023-10-31 | 山东通维信息工程有限公司 | 一种基于大数据的高速公路机电设施智能运维决策系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102185779B (zh) | 2015-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102185779B (zh) | 与综合配置能力成比例的数据中心资源负载均衡的方法及装置 | |
CN102232282B (zh) | 一种实现数据中心资源负载均衡的方法及装置 | |
CN106790726B (zh) | 一种基于Docker云平台的优先级队列动态反馈负载均衡资源调度方法 | |
Nashaat et al. | Smart elastic scheduling algorithm for virtual machine migration in cloud computing | |
CN105528330B (zh) | 负载均衡的方法、装置、丛集和众核处理器 | |
CN103729248B (zh) | 一种基于缓存感知的确定待迁移任务的方法和装置 | |
Han et al. | Lightweight resource scaling for cloud applications | |
US9378032B2 (en) | Information processing method, information processing apparatus, recording medium, and system | |
CN102724277B (zh) | 虚拟机热迁移和部署的方法、服务器及集群系统 | |
US10078533B2 (en) | Coordinated admission control for network-accessible block storage | |
CN104102543B (zh) | 一种云计算环境中负载调整的方法和装置 | |
CN102185759A (zh) | 一种满足需求特性的多物理服务器负载均衡的方法及装置 | |
CN105491138B (zh) | 一种基于负载率分级触发的分布式负载调度方法 | |
CN104881325A (zh) | 一种资源调度方法和资源调度系统 | |
CN105245617A (zh) | 一种基于容器的服务器资源供给方法 | |
WO2012155947A1 (en) | Allocation of virtual machines in datacenters | |
CN108182105A (zh) | 基于Docker容器技术的局部动态迁移方法及控制系统 | |
CN103401939A (zh) | 一种采用混合调度策略的负载均衡方法 | |
Mao et al. | A load-driven task scheduler with adaptive DSC for MapReduce | |
CN105487927B (zh) | 一种资源管理方法及装置 | |
CN104199724A (zh) | 一种基于性价比的虚拟化资源调度优化方法 | |
Zhang et al. | Dynamic workload management in heterogeneous cloud computing environments | |
Dhahbi et al. | Load balancing in cloud computing using worst-fit bin-stretching | |
CN105045667A (zh) | 一种用于虚拟机vCPU调度的资源池管理方法 | |
Garg et al. | Optimal virtual machine scheduling in virtualized cloud environment using VIKOR method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C53 | Correction of patent of invention or patent application | ||
CB02 | Change of applicant information |
Address after: Chenghua District Chengdu city Sichuan province 610054 Taoxi Road No. 189 building 4 unit 1 Taoxi Yiyuan No. 10 Applicant after: Tian Wenhong Address before: Sichuan city of Chengdu province Chenghua District 610054 foot Water Bridge No. 2 North Street 38 No. 506 dianzaikeda Dongyuan real Applicant before: Tian Wenhong |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |