CN102236582B - 虚拟化集群负载在多台物理机中均衡分配的方法 - Google Patents
虚拟化集群负载在多台物理机中均衡分配的方法 Download PDFInfo
- Publication number
- CN102236582B CN102236582B CN 201110199822 CN201110199822A CN102236582B CN 102236582 B CN102236582 B CN 102236582B CN 201110199822 CN201110199822 CN 201110199822 CN 201110199822 A CN201110199822 A CN 201110199822A CN 102236582 B CN102236582 B CN 102236582B
- Authority
- CN
- China
- Prior art keywords
- physical machine
- migration
- machine
- virtual
- virtual machine
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000005012 migration Effects 0.000 claims abstract description 69
- 238000013508 migration Methods 0.000 claims abstract description 69
- 230000004044 response Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Hardware Redundancy (AREA)
Abstract
本发明公开了一种虚拟化集群负载在多台物理机中均衡分配方法,包括:(1)周期性采集每台虚拟机当前的负载信息,通过公式(1)预测其下一周期的负载信息;(2)选取负载信息中的任一指标作为迁移指标,将每台物理机中所有虚拟机的迁移指标相加,得到每台物理机迁移指标的估计值;(3)查看每台物理机迁移指标的估计值是否落入各自预设的阈值范围,并制定迁移决策;(4)按照已经制定的迁移决策,迁移虚拟机,实现负载均衡。本发明方法能够准确的预测集群负载变化趋势,使用较小可以接受的性能损耗完成物理机间的虚拟机迁移,且不破坏其固有的关系,从而达到整个集群系统的动态负载均衡。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种虚拟化集群负载在多台物理机中均衡分配的方法。
背景技术
1、计算系统虚拟化
计算系统虚拟化是指将一台物理计算机系统虚拟化为一台或多台虚拟计算机系统,每个虚拟机都拥有自己的虚拟硬件(如CPU,内存,设备等),来提供一个独立的虚拟机执行环境。虚拟机中的操作系统认为自己仍然是独占一个系统在运行。虚拟化技术具有一系列特有的自身优势:
1)封装性:
虚拟机快照是将运行中的一个虚拟机的某个时间点的状态抓取下来,就像抓拍一张相片一样。虚拟机克隆就是从一个虚拟机的执行环境复制出一个或多个相同的虚拟机。虚拟机的挂起,暂停一个运行中虚拟机,将其运行环境保存在磁盘上。
2)多实例:
在一个计算机上运行多个虚拟机使得资源的调度更加优化。不同的虚拟机有不同的繁忙和空闲时段,忙闲交错使得单个计算机的系统资源利用率大大提高。产业界大力推广的服务器整合(server consolidate),将多个物理服务器合并到少数几个计算机上,作为虚拟机来运行。这样可以用更少的服务器获得同样的整体性能,并大大提高计算机性能的利用率。
3)隔离性:
如果一个虚拟机的操作系统由于故障或受到恶意破坏崩溃了,其他虚拟机中应用程序仍然可以继续正常运行,故障或破坏被天然地隔离在一个虚拟机内。这种隔离性支持多个用户在同一台物理服务器上对不同的应用程序进行独立的操作。
4)硬件无关性:
虚拟化是资源的逻辑表示而不受物理限制的约束。由于虚拟化层的抽象,虚拟机与底层的硬件没有直接的绑定关系。
虚拟化技术实现了资源的逻辑抽象和统一表示,在服务器,网络及存储管理方面都有着突出的优势,大大降低了管理复杂度,提高了资源利用率和运营效率,有效地控制了成本,有利于节能环保,对大规模数据中心的管理有重要意义,同时也是实现云计算、绿色计算的支撑技术。
虚拟环境下的时间虚拟化,尤其是对完全虚拟化下的客户机时间虚拟化本身就存在种种挑战。利用Benchmark进行性能评测时,必须注意到有客户机的时间虚拟化不准确而造成的误差。另外由于虚拟环境下的客户机处理器事实上靠分时共享物理处理器资源实现,因此对于评测工具中甚短的(例如几个或几十个毫秒)任务所花费时间的测量具有很大的颠簸性,如果在这段甚短任务的执行中客户机处理器被调度出去,它被测量到的延迟就会很大,反之可能很小。如果一个评测工具主要依靠测量甚短任务的吞吐量或者延迟来衡量,这个评测工具对虚拟环境的性能评测具有很大的随机性,因而也是不可靠的。
2、虚拟机迁移技术
虚拟机迁移技术一般包括静态迁移和动态在线迁移。静态迁移即存储还原迁移法,首先将一个运行中的虚拟机实例暂停,以文件的形式并保存在外存上,然后在另外一台物理机使用此文件恢复虚拟机,实现虚拟机存储还原迁移。
动态在线迁移是指在保证虚拟机上服务正常运行的同时,让虚拟机在不同物理主机之间进行迁移,虚拟机内存状态迁移的实现,XEN和KVM都采用了主流的预拷贝策略,在源VM继续运行的同时,通过循环过程,将源VM的内存数据拷贝至目的VM,首先第一轮发送所有的内存页数据,然后每一轮循环都发送上一轮拷贝中被写过的脏页数据,如此迭代,直到时机成熟,停止预拷贝阶段,源VM被挂起,暂停执行,此时内存不会再被更新。最后的脏页数据被传送至目的VM。预拷贝机制极大地减少了停机拷贝阶段需要传输的内存数据量,从而将停机时间大幅减少。
因此,尽管目前的计算机体系结构呈现很大的异构性,但是只要另一台物理机上提供相同的虚拟硬件抽象层,一个虚拟机就能无缝地迁移过去。有了虚拟机的迁移技术,计算机需要硬件维护时,可以将其上运行中虚拟机暂时迁出,等维护结束后再迁回。
3、虚拟化集群的负载均衡
负载均衡技术在并行和分布式计算领域已经有了广泛的运用,它能够确保计算负载可以在集群中公平有效的分配,从而提高集群的服务质量,这种传统领域的均衡一般是通过分配计算任务、调度进程或者转发访问请求实现的。虚拟机的迁移技术让虚拟化集群的负载均衡成为了可能,当某些物理机上的计算负载增大到超过承受阈值时,可以通过迁移技术将虚拟机整体从该物理机迁出至相对较为空闲的物理机之上,从而实现整个集群的负载均衡。
和常规分布式领域的负载均衡方法不同,虚拟化场景下进行迁移的是虚拟机实例,而这种迁移是通过内存拷贝来实现的,这必然带来一定的性能开销。对采集的集群负载数据,并不适合直接使用,依据实时数据做决策,具有一定的滞后性,无法避免负载峰值到来造成损失。虚拟化场景下,一个显著的特征是各个虚拟机之间可能存在数据共享、资源竞争关系或者安全因素,此时需要确认任意两台虚拟机迁移后安置在同一物理机上、避免安置在同一物理机上或任意安置。
发明内容
本发明提供了一种虚拟化集群负载在多台物理机中均衡分配的方法,该方法能够准确预测虚拟机负载的变化趋势,可以避免负载峰值到来对系统的影响。
一种虚拟化集群负载在多台物理机中均衡分配的方法,所述物理机的数量为至少三台,每台物理机中包含若干台虚拟机,所述方法包括:
(1)周期性采集每台虚拟机当前的负载信息,通过公式(1)预测其下一周期的负载信息;
E(t)=λ×E(t-1)+(1-λ)×O(t)(1)
其中,E(t)为第t个周期预测的虚拟机的负载信息,E(t-1)为第t-1个周期预测的虚拟机的负载信息,O(t)为第t个周期采集的虚拟机的负载信息,O(t-1)为第t-1个周期采集的虚拟机的负载信息;λ为系数,当O(t)≥O(t-1),则1>λ>0,当O(t)∠O(t-1),则-1∠λ∠0;
所述负载信息包括三个指标:CPU使用率、内存使用率和网络响应时间;
(2)选取负载信息中的任一指标作为迁移指标,将每台物理机中所有虚拟机的迁移指标相加,得到每台物理机迁移指标的估计值;
(3)查看每台物理机迁移指标的估计值是否落入各自预设的阈值范围,并制定迁移决策;当所述估计值大于阈值范围的最大值,所对应的物理机称为过载物理机,当所述估计值小于阈值范围的最小值,所对应的物理机称为空闲物理机;
制定迁移决策的规则如下:
a、如无过载物理机,则不迁移虚拟机;
b、如存在过载物理机,则查看是否存在空闲物理机,如存在,则将过载物理机中部分虚拟机迁移至空闲物理机,迁移后,过载物理机迁移指标的估计值落入各自预设的阈值范围,同时空闲物理机均不会变成过载物理机;
如不存在空闲物理机或者迁移后始终有至少一个空闲物理机会变成过载物理机,则开启新的物理机,重新制定迁移决策;
c、迁移后,存在共享关系的虚拟机安置在同一物理机上,存在互斥关系的虚拟机安置在不同的物理机上;
(4)按照已经制定的迁移决策,迁移虚拟机,实现负载均衡。
所有过载物理机上待迁移的虚拟机在迁移前按迁移指标估计值大小降序排列,如此可以实现最优迁移。
本发明方法结合虚拟化集群的特殊性,综合考虑了虚拟机负载变化的特点,虚拟机之间可能存在的互斥和共享关系,以及虚拟机迁移动作造成的开销,能够准确的预测集群负载变化趋势,使用较小可以接受的性能损耗完成物理机间的虚拟机迁移,且不破坏其固有的关系,从而达到整个集群系统的动态负载均衡。
附图说明
图1为本发明负载均衡系统功能模块示意图;
图2为本发明负载均衡方法工作流程图。
具体实施方式
如图1所示,一种虚拟化集群负载在多台物理机中均衡分配系统,包括分布式的物理机控制代理模块以及中央均衡器,控制代理模块主要用于监控物理机,周期性采集其中各虚拟机的负载信息并将它们传输至中央均衡器,中央均衡器由负载预测模块、阈值计算模块、迁移决策模块和迁移实施模块组成。
如图2所示为上述系统工作流程图,负载预测模块根据各控制代理模块采集的虚拟机实际负载信息,预测其下一周期的负载信息,负载信息可以是CPU使用率、内存使用率和网络相应时间等。预测公式如下:
E(t)=λ×E(t-1)+(1-λ)×O(t)
其中,E(t)为第t个周期预测的虚拟机的负载信息,E(t-1)为第t-1个周期预测的虚拟机的负载信息,O(t)为第t个周期采集的虚拟机的负载信息,O(t-1)为第t-1个周期采集的虚拟机的负载信息;λ为系数,当O(t)≥O(t-1),即负载信息处于上升沿时,则1>λ>0,当O(t)∠O(t-1),即负载信息处于下降沿时,则-1∠λ∠0。
该公式当中的λ可以根据虚拟机不同而变化,也可以根据需要修改,进一步提高预测准确性。在获取每个虚拟机下一周期的负载信息预测值后,通过求和预测每台物理机的负载信息。本发明在均衡分配虚拟机时只选定其中一个负载信息指标作为迁移指标,即CPU使用率、内存使用率或网络相应时间。
阈值计算模块会根据每台物理机迁移指标的估计值不同,判断物理机是过载物理机,还是空闲物理机,也可以计算得到过载量和空闲量,如存在过载物理机,则迁移决策模块开始制定虚拟机迁移决策。
迁移决策模块根据相应过载物理机的过载量选定相应的虚拟机,迁出这些虚拟机后,它们的迁移指标的估计值正好能落入各自预设的阈值范围,也就是说这些迁出的虚拟机的负载量是所有方案中最小的。
当选定出所有的待迁出的虚拟机后,还需考虑待迁出的虚拟机的相互关系,如虚拟机之间存在共享关系,则必须安置在同一物理机上,如存在互斥关系,则必须安置在不同的物理机上,因此在考虑了虚拟机相互关系之后,待迁出的虚拟机可能会有所变化。
待迁移的虚拟机最终确定后,可以先根据负载量的大小降序排列,然后查看是否有足够的空闲物理机,如没有,则开启新的物理机,重新制定迁移决策,迁移后,同样需要考虑虚拟机之间的相互关系,同时需要考虑迁入虚拟机后,空闲物理机不能变成过载物理机。
因此决策建立有可能是需多次重复的过程,也有可能存在多种符合要求的决策方案。建立决策方案后,迁移实施模块工作,将虚拟机按照既定方案迁移,实现负载均衡。
根据上述方法进行举例说明,具体如下:
实验环境:4台同样配置的服务器:Intel Q66004核处理器,主频为2.4GHz,2级Cache为4MB,内存4G,网络环境为1Gbps带宽。
物理机上均安装Xen 3.3.1和Linux内核2.6.27,集群中所有的虚拟机镜像均存储在2TB的NFS(网络共享文件系统)上,虚拟机内存最大值固定,使用过程中不做调整,Domain0绑定只使用一个物理核。
此外,使用一台外部的服务器作为均衡器,其上部署中央均衡器,中央均衡器具体由负载预测模块、阈值计算模块、迁移决策模块、迁移实施模块构成,其中涉及到大量计算的负载预测、迁移决策模块使用C语言编写,整个均衡器由python脚本程序实现,调用各个子功能模块、并将其串联。部署均衡器的物理机原则上不做配置限制。
集群初始状态,开启3台物理机分别为P1,P2,P3,其中物理机P1上运行虚拟机VM1,VM2,VM3;物理机P2上运行虚拟机VM4;物理机P3上运行虚拟机VM5、VM6。建立虚拟机之间关系表VM-rel如下:
虚拟机 | VM1 | VM2 | VM3 | VM4 | VM5 | VM6 |
VM1 | 1 | 1 | 0 | 0 | 0 | 0 |
VM2 | 1 | 1 | 0 | 0 | 0 | 0 |
VM3 | 0 | 0 | 1 | -1 | -1 | -1 |
VM4 | 0 | 0 | -1 | 1 | 0 | 0 |
VM5 | 0 | 0 | -1 | 0 | 1 | 0 |
VM6 | 0 | 0 | -1 | 0 | 0 | 1 |
VM1、VM2之间存在数据共享,要求安置在同一台物理机上。VM3与VM4存在互斥关系,要求不能安置在同一台物理机上。其他虚拟机之间没有共享和互斥关系。
VM1和VM2上运行高性能计算HPCC程序,存在这大量通信。
VM3和VM4上持续运行可调整规模的IOZONE负载。
VM5运行milc,VM6运行bzip2,VM7运行bwave。
使用自定义的微观负载程序,在运行过程中调节负载规模,使其增大至一定程度。
设定物理机资源使用率最低阈值为20%,最高使用率最高阈值70%。
设定监控代理负载信息的采样周期为10秒。
全部虚拟机开启后,由控制代理模块采集负载信息,并发送回中央均衡器,中央均衡器记录下60秒内的负载信息,通过预测公式预测得到下一时刻的各个物理机P1、P2、P3的总负载信息为:
物理机名称 | 内存使用率 | 阈值之差 | CPU使用率 | 阈值之差 |
P1 | 76% | 6 | 87% | 17 |
P2 | 10% | -60 | 12% | -8 |
P3 | 42% | -30 | 55% | -25 |
由阈值计算模块对计算预测模块提供的负载信息预测数据进行差值计算。确定过载物理机和空闲物理机,以负阈值差值为背包容量,求解待迁出虚拟机,考虑VM关系表中的数值,将VM1和VM2组合成一个单位进行计算,以最少的迁移开销完成虚拟机迁移。考虑CPU负载或内存负载2个,将满足条件的虚拟机添加到待迁移虚拟机集合中。
将待迁移虚拟按照资源占用量从大到小降序排序,依次和空闲移物理机可用资源比较,确定差值最小的物理机为最适合迁移目的物理机。
由于虚拟机VM1负载提升,造成物理机P1过载,必须要做出迁移决策,鉴于VM-rel表中的互斥共享关系,vm1和vm2在矩阵中关系值为1,vm3和vm4值为-1。结合对空闲物理机容量的计算,vm1和vm2存在数据共享,需要整体迁移,从迁移数据量上考虑,选择将vm3迁出,同时不能将VM3与vm4共存,所以形成决策方案,将VM3实时迁移到P3上。
进一步,加大VM5上的负载规模,经过计算可以发现所有物理资源已经无法满足集群的资源需求,这时均衡器选择自动新开启一台物理机加入虚拟化集群,之后、重复上述计算步骤,选择将部分虚拟机迁移到新开的物理机之上。
Claims (2)
1.一种虚拟化集群负载在多台物理机中均衡分配的方法,所述物理机的数量为至少三台,每台物理机中包含若干台虚拟机,所述方法包括:
(1)周期性采集每台虚拟机当前的负载信息,通过公式(1)预测其下一周期的负载信息;
E(t)=λ×E(t-1)+(1-λ)×O(t) (1)
其中,E(t)为第t个周期预测的虚拟机的负载信息,E(t-1)为第t-1个周期预测的虚拟机的负载信息,O(t)为第t个周期采集的虚拟机的负载信息,O(t-1)为第t-1个周期采集的虚拟机的负载信息;λ为系数,当O(t)≥O(t-1),则1>λ>0,当O(t)∠O(t-1),则-1∠λ∠0;
所述负载信息包括三个指标:CPU使用率、内存使用率和网络响应时间;
(2)选取负载信息中的任一指标作为迁移指标,将每台物理机中所有虚拟机的迁移指标相加,得到每台物理机迁移指标的估计值;
(3)查看每台物理机迁移指标的估计值是否落入各自预设的阈值范围,并制定迁移决策;当所述估计值大于阈值范围的最大值,所对应的物理机称为过载物理机,当所述估计值小于阈值范围的最小值,所对应的物理机称为空闲物理机;
制定迁移决策的规则如下:
a、如无过载物理机,则不迁移虚拟机;
b、如存在过载物理机,则查看是否存在空闲物理机,如存在,则将过载物理机中部分虚拟机迁移至空闲物理机,迁移后,过载物理机迁移指标的估计值落入各自预设的阈值范围,同时空闲物理机均不会变成过载物理机;
如不存在空闲物理机或者迁移后始终有至少一个空闲物理机会变成过载物理机,则开启新的物理机,重新制定迁移决策;
c、迁移后,存在共享关系的虚拟机安置在同一物理机上,存在互斥关系的虚拟机安置在不同的物理机上;
(4)按照已经制定的迁移决策,迁移虚拟机,实现负载均衡。
2.根据权利要求1所述的方法,其特征在于,所有过载物理机上待迁移的虚拟机在迁移前按迁移指标估计值大小降序排列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110199822 CN102236582B (zh) | 2011-07-15 | 2011-07-15 | 虚拟化集群负载在多台物理机中均衡分配的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110199822 CN102236582B (zh) | 2011-07-15 | 2011-07-15 | 虚拟化集群负载在多台物理机中均衡分配的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102236582A CN102236582A (zh) | 2011-11-09 |
CN102236582B true CN102236582B (zh) | 2013-06-05 |
Family
ID=44887253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110199822 Expired - Fee Related CN102236582B (zh) | 2011-07-15 | 2011-07-15 | 虚拟化集群负载在多台物理机中均衡分配的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102236582B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107735767A (zh) * | 2015-06-26 | 2018-02-23 | 英特尔公司 | 用于虚拟机迁移的技术 |
Families Citing this family (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102446115B (zh) * | 2012-01-09 | 2014-06-18 | 浙江大学 | 一种虚拟机的动态部署方法 |
CN102624555A (zh) * | 2012-03-07 | 2012-08-01 | 郑州市景安计算机网络技术有限公司 | linux下自动化管理多个虚拟主机的方法 |
CN102662750A (zh) * | 2012-03-23 | 2012-09-12 | 上海交通大学 | 基于弹性虚拟机池的虚拟机资源优化控制方法及其系统 |
CN102662746A (zh) * | 2012-04-22 | 2012-09-12 | 复旦大学 | 利用虚拟机并发迁移技术降低云计算平台能源消耗的方法 |
CN102790793A (zh) * | 2012-05-08 | 2012-11-21 | 北京邮电大学 | 一种面向云计算虚拟机迁移的决策方法及控制模块 |
CN102707995B (zh) * | 2012-05-11 | 2014-07-23 | 马越鹏 | 基于云计算环境的业务调度的方法及装置 |
CN102833310B (zh) * | 2012-07-03 | 2015-02-25 | 中山大学 | 一种基于虚拟化技术的工作流引擎集群系统 |
CN104541247B (zh) * | 2012-08-07 | 2018-12-11 | 超威半导体公司 | 用于调整云计算系统的系统和方法 |
JP2014078160A (ja) * | 2012-10-11 | 2014-05-01 | International Business Maschines Corporation | 仮想リソースの組み合わせの決定を支援する装置及び方法 |
CN102929715B (zh) * | 2012-10-31 | 2015-05-06 | 曙光云计算技术有限公司 | 基于虚拟机迁移的网络资源调度方法和系统 |
CN102999389B (zh) * | 2012-11-14 | 2015-04-15 | 中国电子科技集团公司第十四研究所 | 一种基于心跳幅度的虚拟机动态迁移选择方法 |
CN102968344A (zh) * | 2012-11-26 | 2013-03-13 | 北京航空航天大学 | 一种多虚拟机迁移调度的方法 |
CN103019366B (zh) * | 2012-11-28 | 2015-06-10 | 国睿集团有限公司 | 基于cpu心跳幅度的物理主机负载检测方法 |
CN103856512A (zh) * | 2012-11-30 | 2014-06-11 | 华为技术有限公司 | 云计算的管理服务器、工作和闲置主机以及资源调度方法 |
CN103856548B (zh) * | 2012-12-07 | 2017-11-03 | 华为技术有限公司 | 动态资源调度方法和动态资源调度器 |
CN103024034B (zh) * | 2012-12-11 | 2016-12-07 | 华为技术有限公司 | 一种调度方法及装置 |
CN103916438B (zh) * | 2013-01-06 | 2017-04-12 | 上海计算机软件技术开发中心 | 基于负载预测的云测试环境调度方法及其系统 |
CN104035808B (zh) * | 2013-03-04 | 2018-03-27 | 中兴通讯股份有限公司 | 虚拟机集合的部署方法和装置 |
CN104050008B (zh) * | 2013-03-15 | 2018-01-23 | 中兴通讯股份有限公司 | 一种内存超分配管理系统及方法 |
CN104102541B (zh) * | 2013-04-08 | 2018-02-13 | 鸿富锦精密工业(深圳)有限公司 | 签核动态调整方法及系统 |
CN103425535B (zh) * | 2013-06-05 | 2016-08-10 | 浙江大学 | 云环境下的敏捷弹性伸缩方法 |
CN103491018B (zh) * | 2013-09-04 | 2016-04-20 | 华中科技大学 | 一种大规模行为模拟应用中的负载均衡方法 |
CN103559077B (zh) * | 2013-11-08 | 2017-01-18 | 北京华胜天成科技股份有限公司 | 一种优化的虚拟机自动迁移方法和系统 |
CN103685561B (zh) * | 2013-12-30 | 2017-01-11 | 上海交通大学 | IaaS平台虚拟机调度方法 |
CN103713957B (zh) * | 2014-01-08 | 2018-12-14 | 厦门雅迅网络股份有限公司 | 一种车载终端利用串口实现cpu负担动态平衡的方法 |
CN104702652B (zh) * | 2014-01-10 | 2018-06-01 | 杭州海康威视数字技术股份有限公司 | 集群部署系统中的负载调度方法及装置 |
CN103823714B (zh) * | 2014-01-15 | 2017-05-24 | 浙江大学 | 一种基于虚拟化下NUMA节点内存QoS的调节方法及装置 |
CN104008018B (zh) * | 2014-05-22 | 2017-03-08 | 南京邮电大学 | 云计算环境下虚拟机在线迁移方法 |
WO2015184612A1 (zh) * | 2014-06-05 | 2015-12-10 | 华为技术有限公司 | 一种资源调度方法,及装置 |
CN104239123B (zh) * | 2014-09-05 | 2019-02-15 | 北方工业大学 | 面向校园云平台的虚拟机管理调度方法和系统 |
CN104503832B (zh) * | 2014-12-22 | 2017-07-28 | 西安电子科技大学 | 一种公平和效率均衡的虚拟机调度系统及方法 |
CN104572279B (zh) * | 2014-12-23 | 2018-01-09 | 国云科技股份有限公司 | 一种支持节点绑定的虚拟机动态调度方法 |
CN104636187B (zh) * | 2015-02-15 | 2018-01-09 | 浙江大学 | 基于负载预测的numa架构中虚拟机调度方法 |
CN104750541B (zh) * | 2015-04-22 | 2018-01-16 | 成都睿峰科技有限公司 | 一种虚拟机迁移方法 |
JP2017097707A (ja) * | 2015-11-26 | 2017-06-01 | 沖電気工業株式会社 | 仮想マシン動的配置システム及びサーバ |
CN105893113A (zh) * | 2016-03-29 | 2016-08-24 | 上海携程商务有限公司 | 虚拟机的管理系统及管理方法 |
CN106020934A (zh) * | 2016-05-24 | 2016-10-12 | 浪潮电子信息产业股份有限公司 | 一种基于虚拟集群在线迁移的优化部署方法 |
CN106648866B (zh) * | 2016-12-16 | 2020-12-11 | 天津大学 | 一种基于kvm平台满足任务时限要求的资源调度方法 |
CN106909440A (zh) * | 2017-02-27 | 2017-06-30 | 郑州云海信息技术有限公司 | 一种虚拟机调度方法及系统 |
CN106936905B (zh) * | 2017-03-07 | 2020-04-28 | 中国联合网络通信集团有限公司 | 基于openstack的Nova组件虚拟机的调度方法及其调度系统 |
CN108664311B (zh) * | 2017-03-31 | 2022-07-01 | 鸿富锦精密工业(深圳)有限公司 | 虚拟机迁移控制方法及装置 |
CN107220108B (zh) * | 2017-07-06 | 2020-06-30 | 山东超越数控电子股份有限公司 | 一种实现云数据中心负载均衡的方法和系统 |
CN107643939A (zh) * | 2017-09-14 | 2018-01-30 | 郑州云海信息技术有限公司 | 一种分配虚拟机的方法及系统 |
CN108519919A (zh) * | 2018-03-19 | 2018-09-11 | 山东超越数控电子股份有限公司 | 一种在虚拟化集群环境下实现服务器资源动态调度的方法 |
CN110362377B (zh) * | 2018-04-09 | 2023-05-30 | 阿里巴巴集团控股有限公司 | 虚拟机的调度方法和装置 |
CN108804210B (zh) * | 2018-04-23 | 2021-05-25 | 北京奇艺世纪科技有限公司 | 一种云平台的资源配置方法及装置 |
CN108762935A (zh) * | 2018-06-04 | 2018-11-06 | 郑州云海信息技术有限公司 | 一种目标主机的选择方法和服务器 |
CN108984273A (zh) * | 2018-07-23 | 2018-12-11 | 郑州云海信息技术有限公司 | 一种虚拟机调度的方法及装置 |
CN109189574A (zh) * | 2018-08-16 | 2019-01-11 | 郑州云海信息技术有限公司 | 一种基于虚拟化内存负载监控的负载均衡调度方法及系统 |
CN110874248A (zh) * | 2018-08-31 | 2020-03-10 | 上海仪电(集团)有限公司中央研究院 | 一种云计算环境中虚拟机启动加速方法及系统 |
CN110401695A (zh) * | 2019-06-12 | 2019-11-01 | 北京因特睿软件有限公司 | 云资源动态调度方法、装置和设备 |
CN110389813B (zh) * | 2019-06-17 | 2023-07-28 | 东南大学 | 一种面向网络靶场的虚拟机动态迁移方法 |
CN110321198B (zh) * | 2019-07-04 | 2020-08-25 | 广东石油化工学院 | 一种容器云平台计算资源与网络资源协同调度方法及系统 |
CN110362383B (zh) * | 2019-07-12 | 2022-06-24 | 东北大学 | 面向季节型非平稳并发量的p-e权衡的vm迁移方法 |
CN112286622A (zh) * | 2019-07-22 | 2021-01-29 | 中兴通讯股份有限公司 | 虚机迁移处理及策略生成方法、装置、设备及存储介质 |
CN110389838B (zh) * | 2019-07-24 | 2021-06-25 | 北京邮电大学 | 一种适用于虚拟资源的实时调度和在线迁移管控方法 |
CN112433819B (zh) * | 2020-11-30 | 2024-04-19 | 中国科学院深圳先进技术研究院 | 异构集群调度的模拟方法、装置、计算机设备及存储介质 |
CN114185640B (zh) * | 2021-11-04 | 2023-02-17 | 北京伟联科技有限公司 | 一种基于工业私有云的虚拟机管理系统 |
CN115167984B (zh) * | 2022-07-12 | 2023-05-30 | 河南大学 | 基于云计算平台的考虑物理资源竞争的虚拟机负载均衡放置方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070204266A1 (en) * | 2006-02-28 | 2007-08-30 | International Business Machines Corporation | Systems and methods for dynamically managing virtual machines |
CN101488098B (zh) * | 2009-02-13 | 2011-11-30 | 华中科技大学 | 基于虚拟计算技术的多核计算资源管理系统 |
CN101719081B (zh) * | 2009-12-01 | 2012-10-10 | 北京大学 | 一种虚拟机调度方法 |
-
2011
- 2011-07-15 CN CN 201110199822 patent/CN102236582B/zh not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107735767A (zh) * | 2015-06-26 | 2018-02-23 | 英特尔公司 | 用于虚拟机迁移的技术 |
CN107735767B (zh) * | 2015-06-26 | 2022-02-11 | 英特尔公司 | 用于虚拟机迁移的装置和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102236582A (zh) | 2011-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102236582B (zh) | 虚拟化集群负载在多台物理机中均衡分配的方法 | |
Hu et al. | A time-series based precopy approach for live migration of virtual machines | |
US9286099B2 (en) | Balancing virtual machine loads | |
Al-Dulaimy et al. | Type-aware virtual machine management for energy efficient cloud data centers | |
WO2014029219A1 (zh) | 虚拟化集群整合方法、装置及虚拟化集群系统 | |
US20130167152A1 (en) | Multi-core-based computing apparatus having hierarchical scheduler and hierarchical scheduling method | |
CN102279771A (zh) | 一种虚拟化环境中自适应按需资源分配的方法及系统 | |
Shahapure et al. | Virtual machine migration based load balancing for resource management and scalability in cloud environment | |
Tao et al. | Load feedback-based resource scheduling and dynamic migration-based data locality for virtual hadoop clusters in openstack-based clouds | |
Bibal Benifa et al. | Performance improvement of Mapreduce for heterogeneous clusters based on efficient locality and replica aware scheduling (ELRAS) strategy | |
Motaki et al. | A prediction-based model for virtual machine live migration monitoring in a cloud datacenter | |
Dargie et al. | Energy-aware service execution | |
Wei et al. | Energy optimized modeling for live migration in virtual data center | |
CN105930202B (zh) | 一种三阈值的虚拟机迁移方法 | |
Liu | A load balancing aware virtual machine live migration algorithm | |
Xiao et al. | Energy-efficiency enhanced virtual machine scheduling policy for mixed workloads in cloud environments | |
HoseinyFarahabady et al. | Data-intensive workload consolidation in serverless (Lambda/FaaS) platforms | |
Wei | A novel energy optimized and workload adaptive modeling for live migration | |
Xiao et al. | Improving the energy-efficiency of virtual machines by I/O compensation | |
Suksriupatham et al. | Workload prediction with regression for over and under provisioning problems in multi-agent dynamic resource provisioning framework | |
Anu et al. | IALM: Interference aware live migration strategy for virtual machines in cloud data centres | |
Zheng et al. | Energy saving strategy of power system cluster based on container virtualization | |
Rathore et al. | A cognitive analysis of load balancing and job migration technique in grid | |
Thakkar et al. | Experimenting with energy efficient vm migration in IaaS cloud: Moving towards green cloud | |
Tang et al. | QKnober: A knob-based fairness-efficiency scheduler for cloud computing with QoS guarantees |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130605 |