CN102591443A - 一种虚拟化集群整合方法、装置及系统 - Google Patents
一种虚拟化集群整合方法、装置及系统 Download PDFInfo
- Publication number
- CN102591443A CN102591443A CN2011104510669A CN201110451066A CN102591443A CN 102591443 A CN102591443 A CN 102591443A CN 2011104510669 A CN2011104510669 A CN 2011104510669A CN 201110451066 A CN201110451066 A CN 201110451066A CN 102591443 A CN102591443 A CN 102591443A
- Authority
- CN
- China
- Prior art keywords
- physical machine
- cpu
- machine
- virtual
- virtualization integration
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
Abstract
本发明实施例涉及虚拟机整合技术,尤其涉及一种虚拟化集群整合的方法、装置及系统,该方法包括:通过搜索算法计算得到可容纳虚拟化集群中所有虚拟机的最小物理机数,并获得所有满足最小物理机数的虚拟化整合方案,然后计算每一种虚拟化整合方案的CPU电压消耗,从这些虚拟化整合方案中选择出CPU电压消耗最小的,根据此CPU电压消耗最小的虚拟化整合方案制定虚拟化整合迁移策略。可见,通过本发明实施例能够得到CPU电压能耗更低的虚拟化整合方案,大大提高虚拟化集群整合方案的节能减排效果。
Description
技术领域
本发明涉及虚拟化集群技术,尤其涉及一种虚拟化集群整合方法、装置和系统。
背景技术
服务器虚拟化技术是云计算中基于基础设施层的关键技术。通过对物理服务器进行虚拟化,实现在单台物理节点上部署多台虚拟机(虚拟操作系统),能够提高物理服务器的资源利用率,降低使用成本。虚拟化集群是将这样的多台物理机进行统一管理,从而通过虚拟化技术将物理资源抽象为存储、计算、网络等各种资源组成的资源池,虚拟机按需申请资源,被部署到集群中。
虚拟化集群的一项重要特性是动态资源调度(Dynamic ResourcesScheduling,DRS)(建立在虚拟机热迁移基础上的一个重要特性):集群管理系统定时监控各个物理机和虚拟机的资源利用率,根据资源分布情况,利用热迁移调整虚拟机在物理机上的分布,从而实现集群范围内的负载均衡和集群整合,提高各主机的资源使用效率的同时,保证各主机都承担适当的负载。虚拟化集群整合持续监控虚拟化集群中的资源需求,在低利用率期间群集的资源需求减少,就会把工作负载整合到少数几台物理机中,关闭其他不用的物理机主机以降低群集的电力消耗。在高利用率期间工作负载的资源需求增加,会将已关闭的主机重新联机以确保符合服务级别。虚拟化集群整合会带来如下价值:削减数据中心的用电成本和散热成本;自动管理数据中心的能源效率。
现有的虚拟化集群整合技术,以最小物理机数目为整合目标,找到合适的虚拟机迁移策略。主要的虚拟化厂商(VMware、Citrix)的集群方案中,都有相关的虚拟化集群整合技术。VMware的分布式电源管理(Distributed power management,DPM)完成了其虚拟化集群整合,下电不必要的物理机,达到节能减排的效果。其主要机制流程:当整个集群的负载低于阈值一段时间后,DPM根据资源分布情况,首先确定最小物理机数目,然后根据当前集群物理机的虚拟机分布情况,给出虚拟机迁移(尽量使得虚拟机从低负载的物理机向高负载的物理机进行迁移)和物理机下电指令,根据前面给出的迁移指令,执行虚拟机迁移,虚拟机完全迁出的物理机下电,达到节能的目的。但是,在目前虚拟化集群规模不断扩大的情况下,根据最小物理机数目确定的整合方案可能有非常多种,现有技术无法在这些整合方案中选择出节能效果更好的整合方案。
发明内容
本发明实施例提供一种虚拟化集群整合方法、装置和系统,提高虚拟化集群整合方案的节能减排效果。
为此,本发明实施例提供如下技术方案:
本发明实施例提供一种虚拟化集群整合方法,该方法应用于虚拟化集群系统中,所述系统包括M台物理机和宿主在所述M台物理机上的N台虚拟机,其中M和N为大于或等于1的整数,所述方法包括:
通过搜索算法计算得到可容纳所述N台虚拟机的最小物理机数m,并获得G种所述最小物理机数m上宿主所述N台虚拟机的虚拟化整合方案,其中m为小于或等于M的正整数,G为大于或等于1的整数;
计算每一种所述虚拟化整合方案的CPU电压消耗:计算第i种虚拟化整合方案的第j台物理机Pij的CPU利用率;将所述CPU利用率乘以物理机Pij的主频最高值,得到物理机Pij上宿主虚拟机所需要的最小CPU主频;根据所述物理机Pij的最小CPU主频,从物理机的CPU主频与电压的映射关系中获得与所述最小CPU主频关联的电压值;将所述第i种虚拟化整合方案中m台物理机的所述电压值相加得到所述第i种虚拟化整合方案的CPU电压消耗,其中i为小于或等于G的正整数,j为小于或等于m的正整数;
根据所述G种虚拟化整合方案计算得到的CPU电压消耗的最小值确定第一虚拟化整合方案,若所述第一虚拟化整合方案为一个,根据所述第一虚拟化整合方案确定虚拟化整合迁移策略。
本发明实施例提供一种计算物理机CPU电压能耗的方法,该方法包括:
计算出所述物理机的CPU利用率;
将所述物理机的CPU利用率乘以该物理机的主频最高值,得到所述物理机的最小CPU主频;
根据所述最小CPU主频,从所述物理机的CPU主频与电压的映射关系中获得与所述最小CPU主频关联的电压值。
本发明实施例提供一种虚拟化集群整合装置,该装置包括:
最小物理机数确定模块,用于通过搜索算法计算得到可容纳所述N台虚拟机的最小物理机数m,并获得G种所述最小物理机数m上宿主所述N台虚拟机的虚拟化整合方案,其中m为小于或等于M的正整数,G为大于或等于1的整数;
CPU能耗计算模块,用于计算每一种所述虚拟化整合方案的CPU电压消耗:计算第i种虚拟化整合方案的第j台物理机Pij的CPU利用率;将所述CPU利用率乘以物理机Pij的主频最高值,得到物理机Pij上宿主虚拟机所需要的最小CPU主频;根据所述物理机Pij的最小CPU主频,从所述物理机的CPU主频与电压的映射关系中获得与所述最小CPU主频关联的电压值;;将所述第i种虚拟化整合方案中m台物理机的所述电压值相加得到所述第i种虚拟化整合方案的CPU电压消耗,其中i为小于或等于G的正整数,j为小于或等于m的正整数;
迁移策略制定模块,用于根据所述G种虚拟化整合方案计算得到的CPU电压消耗的最小值确定第一虚拟化整合方案,若所述第一虚拟化整合方案为一个,根据所述第一虚拟化整合方案确定虚拟化整合迁移策略。
本发明实施例提供一种虚拟化集群系统,其特征在于,包括M台物理机和宿主在所述M台物理机上的N台虚拟机,其中M和N为大于或等于1的整数,所述M台物理机中的任意一台物理机上部署本发明实施例提供的虚拟化集群整合装置。
综上所述,本发明实施例提供的虚拟化集群整合方法、装置及系统,能够在求出最小物理机数目的虚拟机化整合方案的基础上,通过计算每一种虚拟化整合方案的CPU电压消耗,选择出CPU电压消耗最小的虚拟化整合方案,从而能够得到CPU电压能耗更低的虚拟化整合方案,大大提高虚拟化集群整合方案的节能减排效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种虚拟化集群系统的物理部署示意图;
图2为本发明实施例提供的虚拟机迁移的示意图;
图3为本发明实施例提供的虚拟机下电的示意图;
图4为本发明实施例提供的一种虚拟化集群整合方法的流程示意图;
图5为本发明实施例提供的一种计算物理机CPU电压能耗的方法流程示意图;
图6为本发明实施例提供的一种虚拟化集群整合装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,为本发明实施例提供的一种虚拟化集群系统的物理部署示意图,如图1所示,该虚拟化集群系统包括五台物理机(物理机41、42、43、44、45)和宿主在这些物理主机上的多台虚拟机(VM1、VM2、VM3、VM4)。图1所示的是该虚拟化集群目前的部署状况,本发明实施例中提到的虚拟化整合方案是通过考虑各种因素所得到的虚拟化集群迁移或者说变化之后的部署状况,包括有几台物理机以及每台物理机上应该部署哪几台虚拟机,虚拟化整合方案首先是根据一些条件的预测,具体确定选择哪一种虚拟化整合方案之后再制定具体的虚拟化集群迁移策略,将虚拟化集群从原始部署状况改变到目的部署状况。
需要说明的是,图1只是举例说明,并没有限定本发明实施例提供的虚拟化集群系统对物理机和虚拟机的个数仅为此的意思;且每台物理机上部署的虚拟机个数可以相同,也可以不同;虚拟机VM1、VM2、VM3、VM4只是为了表示方便,并无限定各个物理机上的虚拟机配置都相同的意思。事实上,目前的虚拟化集群系统远比图1所示的规模大的多,往往是成百台物理机上部署上千台虚拟机。对于本发明实施例提供的虚拟化集群整合方法而言,虚拟化集群系统的规模越大,本发明实施例提供的虚拟化集群整合方法产生的有益效果越明显。
在图1所示的虚拟化集群系统的物理机44上部署了本发明实施例提供的虚拟化集群整合装置,该装置用于通过搜索算法计算得到可容纳所述N台虚拟机的最小物理机数m,并获得G种所述最小物理机数m上宿主所述N台虚拟机的虚拟化整合方案,其中m为小于或等于M的正整数,G为大于或等于1的整数;计算每一种所述虚拟化整合方案的CPU电压消耗:计算第i种虚拟化整合方案的第j台物理机Pij的CPU利用率;将所述CPU利用率乘以物理机Pij的主频最高值,得到物理机Pij上宿主虚拟机所需要的最小CPU主频;根据所述物理机Pij的最小CPU主频,从物理机的CPU主频与电压的映射关系中获得与所述最小CPU主频关联的电压值;将所述第i种虚拟化整合方案中m台物理机的所述电压值相加得到所述第i种虚拟化整合方案的CPU电压消耗,其中i为小于或等于G的正整数,j为小于或等于m的正整数;根据所述G种虚拟化整合方案计算得到的CPU电压消耗的最小值确定第一虚拟化整合方案,若所述第一虚拟化整合方案为一个,根据所述第一虚拟化整合方案确定虚拟化整合迁移策略。
进一步的,根据所述G种虚拟化整合方案计算得到的CPU电压消耗的最小值确定第一虚拟化整合方案,若所述第一虚拟化整合方案为多个,根据所述第一虚拟化整合方案中待迁移的虚拟机的内存利用率之和最小的虚拟化整合方案确定虚拟化整合迁移策略。
应当理解的是,在其它虚拟化集群系统的实施例中,本发明实施例提供的虚拟化集群整合装置还可以部署在图1中其它任意一台物理机或任意一台物理机上所宿主的虚拟机上。
在一种优选的实现方式下,每台物理机包括硬件层和运行在所述硬件层之上的虚拟机监控单元VMM(Virtual Machine Monitor),所述VMM用于获取本物理机CPU主频和电压的映射关系,并传递给部署有所述虚拟化集群整合装置的物理机44;在另一种实现方式,所有物理机的CPU主频与电压的映射关系可以人工存储在物理机44上,并人工进行更新等。
需要说明的是,本发明实施例提供的虚拟化集群整合装置也可以部署在本发明实施例提供的虚拟化集群整合系统之外的一台独立的物理机或物理机上宿主的虚拟机内部,由这台独立的物理机或虚拟机来执行整个集群虚拟化迁移策略的制定,通常这台部署有本发明实施例虚拟化集群整合装置的物理机或虚拟机与本发明实施例虚拟化集群整合系统具有通信连接。
举例说明,当该虚拟化集群系统的负载低于一个特定的阈值之后,也可以利用前述方法进行虚拟化集群的整合:首先,获取集群内资源数据,包括虚拟机资源利用率、物理机资源利用率,这里的资源包含CPU、内存、存储IO速率、网络收发速率等,资源利用率数据按照固定间隔收集;然后由物理机44上的虚拟化集群整合装置根据各个物理机的CPU电压和主频的映射关系制定虚拟化整合迁移策略,过程在此不再赘述。假设最后确定的虚拟化整合方案中最小物理机数m为4台,分别是物理机41、42、44和45,如图2所示,物理机43上的虚拟机需要迁移到物理机44等其它物理机上,迁移完成之后如图3所示执行物理机43的下电指令。若其它物理机的CPU主频可以调整,也将其它物理机的CPU主频调整到前述计算出的最小CPU主频。
综上所述,本发明实施例提供的虚拟化集群系统,能够在执行虚拟化集群整合时,在求出最小物理机数目的虚拟机化整合方案的基础上,通过计算每一种虚拟化整合方案的CPU电压消耗,选择出CPU电压消耗最小的虚拟化整合方案,从而能够得到CPU电压能耗更低的虚拟化整合方案,大大提高虚拟化集群整合方案的节能减排效果。
进一步的,本发明实施例提供的虚拟化集群系统能够在虚拟化集群热点消除策略的制定过程中选择出CPU电压调整最小的迁移目的物理机,大大提高虚拟化集群整合方案的节能减排效果。
请参阅图4,为本发明实施例提供的虚拟化集群整合方法的流程示意图,该方法可以应用于虚拟化集群系统中,该系统包括M台物理机和宿主在所述M台物理机上的N台虚拟机,其中M和N为大于或等于1的整数,该方法包括:
步骤S101、通过搜索算法计算得到可容纳所述N台虚拟机的最小物理机数m,并获得G种所述最小物理机数m上宿主所述N台虚拟机的虚拟化整合方案,其中m为小于或等于M的正整数,G为大于或等于1的整数;
需要说明的,该搜索算法可以是约束规划算法或遗传算法等任意能够根据条件计算出最小物理机数目的搜索算法。
下面以约束规划算法为例,详细介绍一下最小数目物理机和满足最小数目物理机的虚拟化整合方案的求解过程:
约束规划算法的思想如下:
限制条件:任意一台物理机Pk上的虚拟机资源需求量之和小于或等于所述物理机Pk的资源提供能力之和;(资源可以指cpu、内存和/或其它资源。)
在上述限制条件满足的前提下通过搜索算法获得所有N台虚拟机在物理机上的部署方案;
针对所述每一种部署方案,求解部署有虚拟机的物理机数;
比较所述每一种部署方案的部署有虚拟机的物理机数,选取其中最小的物理机数作为可容纳所有虚拟机的最小物理机数m,并将所述最小物理机数m对应的G种部署方案作为满足所述最小物理机数m的虚拟化整合方案。
首先,为了使本领域普通技术人员了解本发明实施例,先介绍以下几个定义:
1、虚拟化集群中的物理机集合为N={n1,n2,n3.....},其中ni代表该虚拟化集群中的第i台物理机;虚拟化集群中虚拟机的集合V={v1,v2,v3.....},其中vj代表该虚拟化集群中的第j台虚拟机。
2、每台物理机ni对应一个向量Hi,Hi={hi1,......hij,......}表示虚拟机在该物理机ni上是否有部署,其中hij=1代表虚拟机vj部署在物理机ni上,hij=0代表虚拟机vj没有部署在物理机ni上。例如,该虚拟化集群中有5台虚拟机和2台物理机主机,若第2台物理机主机的H2={1,0,1,0,0},代表该物理机上部署这第1台和第3台虚拟机,没有部署第2台、第4台和第5台虚拟机。
3、Rp代表每个虚拟机的CPU资源需求向量,Cp(ni)代表物理机ni的CPU资源能力向量;Rm代表每个虚拟机的内存资源需求向量,Cm(ni)代表物理机ni的CPU内存能力向量。
规划算法的限制条件可以表示为如下不等式:
根据以上限制条件,规划算法目标为最小化变量X,X定义如下:
X=∑|Hi|,其中|Hi|=0表示物理机ni上没有虚拟机部署,|Hi|≠0表示物理机ni上至少有一台虚拟机部署,即至少有一个hij=1。
这个问题与多重背包问题类似,可以通过约束规划的方法找到最小的解X=m,m即为可容纳所有虚拟机的最小的物理机数,同时可以获得满足∑|Hi|=m的向量Hi。所有物理机的向量Hi就代表了一个可行的虚拟化集群整合方案。
需要说明的是,虽然最小值m是唯一的,但是满足∑|Hi|=m的可行解可以是多个,事实上,在虚拟化集群规模比较大的情况下,通过本发明实施例提供的方法求解出的满足∑|Hi|=m的可行的虚拟化集群整合方案往往是多个,所以需要进行本发明实施例提供的CPU能耗计算步骤计算每一种虚拟化集群整合方案的能耗,然后选择其中能耗最小的。
步骤S102、计算每一种所述虚拟化整合方案的CPU电压消耗:计算第i种虚拟化整合方案的第j台物理机Pij的CPU利用率;将所述CPU利用率乘以物理机Pij的主频最高值,得到物理机Pij上宿主虚拟机所需要的最小CPU主频;根据所述物理机Pij的最小CPU主频,从物理机的CPU主频与电压的映射关系中获得与所述最小CPU主频关联的电压值;将所述第i种虚拟化整合方案中m台物理机的所述电压值相加得到所述第i种虚拟化整合方案的CPU电压消耗,其中i为小于或等于G的正整数,j为小于或等于m的正整数;
定义虚拟化集群整合方案p的CPU电压消耗代价为f(p);该虚拟化集群整合方案中每个物理机的电压消耗为D(ni),那么:
f(p)=∑D(ni) i∈[1,m]
每个物理机的电压消耗为D(ni)的计算如下:
如果物理机ni上不存在虚拟机,那么D(ni)=0;
如果物理机ni上存在虚拟机,首先,计算出物理机ni的CPU利用率,在一种实现方式下,物理机ni的CPU利用率为部署在物理机ni上的所有虚拟机的CPU利用率之和;在另一种实现方式下,物理机ni的CPU利用率还可以包括其它一些对消耗CPU资源的软硬件的CPU利用率;然后,将该CPU利用率乘以物理机ni的主频最高值(主频最高值可以通过查找该物理机的主频与电压的映射关系获得),得到的乘积为物理机ni可以调整到的最小主频;接下来,根据所述最小主频查找物理机ni的CPU主频与电压的映射关系,获得所述最小主频关联的电压值,该电压值即为D(ni)。例如:物理机ni的CPU利用率为70%,假设表1是该物理机ni的主频与电压的映射关系,从中可以得出,该物理机ni的主频最高值为1.4GHz,那么该物理机ni可以调整到的最小主频是1.4GHz×70%=0.98GHz,如果表1中有与0.98GHz对应的电压,则那个电压值为D(ni),但是此时表1中没有与0.98GHz对应的电压值,在一种优选的实现方式下可以选择降频到1GHz(调整到再低就不能满足需求了),其对应的电压值为1.308V,即D(ni)=1.308V。
主频(GHz) | 电压(V) |
1.4 | 1.484 |
1.2 | 1.436 |
1.0 | 1.308 |
0.8 | 1.180 |
0.6 | 0.956 |
表1
除了∑|Hi|=m,其他约束条件和步骤S101一致。
现在目标函数变为求解f(p)的最小值,同样该问题也可以通过约束规划的方法找到解,并输出可执行方案。
步骤S103、根据所述G种虚拟化整合方案计算得到的CPU电压消耗的最小值确定第一虚拟化整合方案,若所述第一虚拟化整合方案为一个,根据所述第一虚拟化整合方案确定虚拟化整合迁移策略。
根据步骤S102求出的f(p)的最小值确定第一虚拟化整合方案,该第一虚拟化整合方案的CPU电压消耗等于f(p)的最小值。
若选出的CPU电压消耗等于f(p)的最小值的第一虚拟化整合方案只有一个,那么根据此唯一一个第一虚拟化整合方案制定虚拟化整合迁移策略。
进一步的,本发明实施例所述的方法包括:若所述第一虚拟化整合方案为多个,根据所述第一虚拟化整合方案中待迁移的虚拟机的内存利用率之和最小的虚拟化整合方案确定虚拟化整合迁移策略。举例说明,假设CPU电压消耗等于f(p)的最小值的第一虚拟化整合方案有3个,那么在虚拟化整合策略制定过程中,这3个虚拟化整合方案都可以输出一个虚拟机迁移列表,该虚拟机迁移列表里记录了如果要将虚拟化集群迁移到目的状态所有迁移的虚拟机名称、虚拟机所在源物理机和将要迁往的目标物理机,然后计算这些待迁移的虚拟机的内存利用率之和,得到每种虚拟化整合方案的迁移消耗,选择其中迁移消耗最小的作为最终的虚拟化整合方案。
需要说明的是,在具体实践过程中,如果通过以上步骤得出的满足条件的虚拟化整合方案有多个,可以再根据虚拟化集群整合的需求或其它的方法选择出最终要采取的虚拟化整合方案,本发明实施例并不做限定。
需要说明的是,本领域普通技术人员可以理解本发明实施例提供的虚拟化集群整合方法可以用于任意需要进行虚拟机在物理机上重部署或迁移的情况,本发明实施例只是举例说明,并无限定的意思。
本发明实施例介绍了虚拟化整合方案的CPU电压能耗应用在虚拟化集群整合方案的选择过程中,本发明实施例还提供另一种虚拟化整合方案CPU电压能耗的应用场景:如果虚拟化集群中一台或多台物理机的CPU(或内存)使用率超过特定的阈值,那么这些物理机就成为虚拟化集群中的热点,此时需要迁移这些物理机上的虚拟机,使CPU(或内存)使用率降低到阈值以下,从而消除虚拟化集群中的热点。而虚拟机迁移目的地的选择可以考虑物理机CPU电压能耗的因素,具体方法如图5所示:
步骤S201、计算出所述物理机的CPU利用率;
CPU利用率可以为所有需要迁移的虚拟机的CPU利用率之和再加上所有当前部署在该物理机上的虚拟机的CPU利用率之和;
步骤S202、将所述物理机的CPU利用率乘以该物理机的主频最高值,得到所述物理机的最小CPU主频;
步骤S203、根据所述最小CPU主频,从所述物理机的CPU主频与电压的映射关系中获得与所述最小CPU主频关联的电压值。
然后,可以优先选择计算得到的电压值与当前电压值相等或相近的物理机作为虚拟机迁移的目的地址。例如,当前电压值为1.5v,需要调整到的电压值为1.5v或1.45v,那么该物理机如果作为虚拟机迁移目的地的话,可以不调整电压值,从而提高了虚拟机迁移的效率。假如不存在这样无需调整电压值的物理机,则可以优先选择CPU电压调整最小的物理机(计算得到的电压值和当前电压值相差最小的物理机)作为虚拟机迁移目的地。
进一步的,对于需要迁移多台虚拟机来缓解热点的情况,可以首先将待迁移的虚拟机按照CPU利用率从大到小排序,优先处理CPU利用率最大的虚拟机,其目的地选择策略如上所述。
综上所述,本发明实施例提供的虚拟化集群整合方法,在求出最小物理机数目的虚拟机化整合方案的基础上,通过计算每一种虚拟化整合方案的CPU电压消耗,选择出CPU电压消耗最小的虚拟化整合方案,而能够选择出CPU电压能耗更低的虚拟化整合方案,大大提高虚拟化集群整合方案的节能减排效果。
进一步的,本发明实施例提供的计算物理机CPU电压能耗的方法能够在虚拟化集群热点消除策略的制定过程中选择出CPU电压调整最小的迁移目的物理机,大大提高虚拟化集群整合方案的节能减排效果。
请参阅图6,为本发明实施例提供的一种虚拟化集群整合装置的逻辑模块示意图,如图6所示,该装置包括:
最小物理机数确定模块11:用于通过搜索算法计算得到可容纳所述N台虚拟机的最小物理机数m,并获得G种所述最小物理机数m上宿主所述N台虚拟机的虚拟化整合方案,其中m为小于或等于M的正整数,G为大于或等于1的整数;
CPU能耗计算模块12,用于计算每一种所述虚拟化整合方案的CPU电压消耗:计算第i种虚拟化整合方案的第j台物理机Pij的CPU利用率;将所述CPU利用率乘以物理机Pij的主频最高值,得到物理机Pij上宿主虚拟机所需要的最小CPU主频;根据所述物理机Pij的最小CPU主频,从所述物理机的CPU主频与电压的映射关系中获得与所述最小CPU主频关联的电压值;;将所述第i种虚拟化整合方案中m台物理机的所述电压值相加得到所述第i种虚拟化整合方案的CPU电压消耗,其中i为小于或等于G的正整数,j为小于或等于m的正整数;
迁移策略制定模块13,用于根据所述G种虚拟化整合方案计算得到的CPU电压消耗的最小值确定第一虚拟化整合方案,若所述第一虚拟化整合方案为一个,根据所述第一虚拟化整合方案确定虚拟化整合迁移策略。
进一步的,所述迁移策略制定模块13还用于:若所述第一虚拟化整合方案为多个,根据所述第一虚拟化整合方案中待迁移的虚拟机的内存利用率之和最小的虚拟化整合方案确定虚拟化整合迁移策略。
需要说明的是,图6所示装置中的模块划分只是举例说明,本领域普通该技术人员容易获知其它模块划分方式,只要满足本发明实施例提供的方法,都应在本发明实施例保护范围之内。另外,这些功能模块即可以部署在一台物理机上,也可以部署在不同的物理机上,本发明实施例对此不做限定。
综上所述,本发明实施例提供的虚拟化集群整合方法,在求出最小物理机数目的虚拟机化整合方案的基础上,通过计算每一种虚拟化整合方案的CPU电压消耗,选择出CPU电压消耗最小的虚拟化整合方案,而能够选择出CPU电压能耗更低的虚拟化整合方案,大大提高虚拟化集群整合方案的节能减排效果。
进一步的,本发明实施例提供的计算物理机CPU电压能耗的方法能够在虚拟化集群热点消除策略的制定过程中选择出CPU电压调整最小的迁移目的物理机,大大提高虚拟化集群整合方案的节能减排效果。
本领域普通技术人员可以理解实现前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(如处理器)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,可包括如前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。
以上所述仅是本发明的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种虚拟化集群整合方法,其特征在于,所述方法应用于虚拟化集群系统中,所述系统包括M台物理机和宿主在所述M台物理机上的N台虚拟机,其中M和N为大于或等于1的整数,所述方法包括:
通过搜索算法计算得到可容纳所述N台虚拟机的最小物理机数m,并获得G种所述最小物理机数m上宿主所述N台虚拟机的虚拟化整合方案,其中m为小于或等于M的正整数,G为大于或等于1的整数;
计算每一种所述虚拟化整合方案的CPU电压消耗:计算第i种虚拟化整合方案的第j台物理机Pij的CPU利用率;将所述CPU利用率乘以物理机Pij的主频最高值,得到物理机Pij上宿主虚拟机所需要的最小CPU主频;根据所述物理机Pij的最小CPU主频,从物理机的CPU主频与电压的映射关系中获得与所述最小CPU主频关联的电压值;将所述第i种虚拟化整合方案中m台物理机的所述电压值相加得到所述第i种虚拟化整合方案的CPU电压消耗,其中i为小于或等于G的正整数,j为小于或等于m的正整数;
根据所述G种虚拟化整合方案计算得到的CPU电压消耗的最小值确定第一虚拟化整合方案,若所述第一虚拟化整合方案为一个,根据所述第一虚拟化整合方案确定虚拟化整合迁移策略。
2.根据权利要求1所述的方法,其特征在于,在根据所述G种虚拟化整合方案计算得到的CPU电压消耗的最小值确定第一虚拟化整合方案之后,所述方法还包括:
若所述第一虚拟化整合方案为多个,根据所述第一虚拟化整合方案中待迁移的虚拟机的内存利用率之和最小的虚拟化整合方案确定虚拟化整合迁移策略。
3.根据权利要求1或2所述的方法,其特征在于,所述通过搜索算法计算获得可容纳所有N台虚拟机的最小物理机数m,并获得G种满足所述最小物理机数m的虚拟化整合方案,其中m为小于或等于M的正整数,G为大于或等于1的整数,具体包括:
在满足以上限制条件的前提下求解m的最小值,m满足m=∑|Hi|;
其中,Rp为每个虚拟机的CPU资源需求向量,Cp(ni)代表物理机ni的CPU资源能力向量;Rm代表每个虚拟机的内存资源需求向量,Cm(ni)代表物理机ni的CPU内存能力向量;Hi={hi1,......hij,......}表示虚拟机在该物理机ni上是否有部署,其中hij=1代表虚拟机vj部署在物理机ni上,hij=0代表虚拟机vj没有部署在物理机ni上。
4.根据权利要求1或2或3所述的方法,其特征在于,所述虚拟化整合迁移策略包括:虚拟机迁移指令、物理机下电指令以及物理机CPU调频指令。
5.一种计算物理机CPU电压能耗的方法,其特征在于,所述方法包括:
计算出所述物理机的CPU利用率;
将所述物理机的CPU利用率乘以该物理机的主频最高值,得到所述物理机的最小CPU主频;
根据所述最小CPU主频,从所述物理机的CPU主频与电压的映射关系中获得与所述最小CPU主频关联的电压值。
6.一种虚拟化集群整合装置,其特征在于,所述装置包括:
最小物理机数确定模块,用于通过搜索算法计算得到可容纳所述N台虚拟机的最小物理机数m,并获得G种所述最小物理机数m上宿主所述N台虚拟机的虚拟化整合方案,其中m为小于或等于M的正整数,G为大于或等于1的整数;
CPU能耗计算模块,用于计算每一种所述虚拟化整合方案的CPU电压消耗:计算第i种虚拟化整合方案的第j台物理机Pij的CPU利用率;将所述CPU利用率乘以物理机Pij的主频最高值,得到物理机Pij上宿主虚拟机所需要的最小CPU主频;根据所述物理机Pij的最小CPU主频,从所述物理机的CPU主频与电压的映射关系中获得与所述最小CPU主频关联的电压值;;将所述第i种虚拟化整合方案中m台物理机的所述电压值相加得到所述第i种虚拟化整合方案的CPU电压消耗,其中i为小于或等于G的正整数,j为小于或等于m的正整数;
迁移策略制定模块,用于根据所述G种虚拟化整合方案计算得到的CPU电压消耗的最小值确定第一虚拟化整合方案,若所述第一虚拟化整合方案为一个,根据所述第一虚拟化整合方案确定虚拟化整合迁移策略。
7.根据权利要求6所述的装置,其特征在于,所述迁移策略制定模块还用于:若所述第一虚拟化整合方案为多个,根据所述第一虚拟化整合方案中待迁移的虚拟机的内存利用率之和最小的虚拟化整合方案确定虚拟化整合迁移策略。
8.根据权利要求6或7所述的装置,其特征在于,所述最小物理机数确定模块具体用于:
在满足以上限制条件的前提下求解m的最小值,m满足m=∑|Hi|;
其中,Rp为每个虚拟机的CPU资源需求向量,Cp(ni)代表物理机ni的CPU资源能力向量;Rm代表每个虚拟机的内存资源需求向量,Cm(ni)代表物理机ni的CPU内存能力向量;Hi={hi1,......hij,......}表示虚拟机在该物理机ni上是否有部署,其中hij=1代表虚拟机vj部署在物理机ni上,hij=0代表虚拟机vj没有部署在物理机ni上。
9.一种虚拟化集群系统,其特征在于,包括M台物理机和宿主在所述M台物理机上的N台虚拟机,其中M和N为大于或等于1的整数,所述M台物理机中的任意一台物理机上部署有如权利要求6所述的虚拟化集群整合装置。
10.根据权利要求9所述的系统,其特征在于,所述M台物理机中的任意一台物理机上所宿主的虚拟机上部署有如权利要求6所述虚拟化集群整合装置。
11.根据权利要求9或10所述的系统,其特征在于,所述每台物理机包括硬件层和运行在所述硬件层之上的虚拟机监控单元VMM,所述VMM用于获取本物理机CPU主频和电压的映射关系,并传递给部署有所述虚拟化集群整合装置的物理机。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104510669A CN102591443A (zh) | 2011-12-29 | 2011-12-29 | 一种虚拟化集群整合方法、装置及系统 |
PCT/CN2012/075458 WO2013097396A1 (zh) | 2011-12-29 | 2012-05-14 | 一种虚拟化集群整合方法、装置及系统 |
US13/621,946 US9116181B2 (en) | 2011-12-29 | 2012-09-18 | Method, apparatus, and system for virtual cluster integration |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104510669A CN102591443A (zh) | 2011-12-29 | 2011-12-29 | 一种虚拟化集群整合方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102591443A true CN102591443A (zh) | 2012-07-18 |
Family
ID=46480250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104510669A Pending CN102591443A (zh) | 2011-12-29 | 2011-12-29 | 一种虚拟化集群整合方法、装置及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN102591443A (zh) |
WO (1) | WO2013097396A1 (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218249A (zh) * | 2013-03-27 | 2013-07-24 | 华为技术有限公司 | 一种虚拟化集群控制方法及设备、虚拟化集群系统 |
CN103336574A (zh) * | 2013-07-23 | 2013-10-02 | 北京百度网讯科技有限公司 | 数据中心节能控制方法与装置 |
CN103488539A (zh) * | 2013-09-23 | 2014-01-01 | 北京交通大学 | 一种基于cpu动态调频技术的数据中心节能方法 |
CN103488540A (zh) * | 2013-09-30 | 2014-01-01 | 华南理工大学 | 面向异构云数据中心的能耗优化资源调度方法 |
WO2014059612A1 (zh) * | 2012-10-17 | 2014-04-24 | 华为技术有限公司 | 实现虚拟机迁移的方法和装置 |
CN103780688A (zh) * | 2014-01-16 | 2014-05-07 | 博元森禾信息科技(北京)有限公司 | 迁移方法和装置 |
CN104598318A (zh) * | 2014-12-30 | 2015-05-06 | 北京奇艺世纪科技有限公司 | 节点计算能力的汇报方法和计算节点 |
CN105471655A (zh) * | 2015-12-09 | 2016-04-06 | 中国联合网络通信集团有限公司 | 虚拟化集群中确定物理设备上电或下电的方法及装置 |
CN106855827A (zh) * | 2015-12-08 | 2017-06-16 | 中国移动通信集团公司 | 虚拟化系统的参数处理方法及装置 |
CN108932150A (zh) * | 2017-05-24 | 2018-12-04 | 中兴通讯股份有限公司 | 基于ssd和磁盘混合存储的缓存方法、装置及介质 |
CN111142598A (zh) * | 2019-12-30 | 2020-05-12 | 广州享药户联优选科技有限公司 | 一种智能药箱的内部环境控制方法及装置 |
CN111367677A (zh) * | 2020-03-31 | 2020-07-03 | 中国工商银行股份有限公司 | 集群资源分配方法及系统 |
CN111367646A (zh) * | 2020-03-31 | 2020-07-03 | 中国工商银行股份有限公司 | 容器转移方法及系统 |
US10728099B2 (en) | 2015-05-14 | 2020-07-28 | Huawei Technologies Co., Ltd. | Method for processing virtual machine cluster and computer system |
CN112416530A (zh) * | 2020-12-08 | 2021-02-26 | 西藏宁算科技集团有限公司 | 弹性管理集群物理机节点的方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060253715A1 (en) * | 2005-05-03 | 2006-11-09 | International Business Machines Corporation | Scheduling processor voltages and frequencies based on performance prediction and power constraints |
US20100083010A1 (en) * | 2008-10-01 | 2010-04-01 | International Business Machines Corporation | Power Management For Clusters Of Computers |
CN101699368A (zh) * | 2009-11-02 | 2010-04-28 | 中兴通讯股份有限公司 | Cpu的自适应动态调频或调压方法及装置 |
CN101739113A (zh) * | 2008-11-20 | 2010-06-16 | 国际商业机器公司 | 在虚拟化集群系统中进行能效管理的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110145559A1 (en) * | 2009-12-16 | 2011-06-16 | Thomson Steven S | System and method for controlling central processing unit power with guaranteed steady state deadlines |
CN102096461B (zh) * | 2011-01-13 | 2013-06-19 | 浙江大学 | 基于虚拟机迁移和负载感知整合的云数据中心节能方法 |
-
2011
- 2011-12-29 CN CN2011104510669A patent/CN102591443A/zh active Pending
-
2012
- 2012-05-14 WO PCT/CN2012/075458 patent/WO2013097396A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060253715A1 (en) * | 2005-05-03 | 2006-11-09 | International Business Machines Corporation | Scheduling processor voltages and frequencies based on performance prediction and power constraints |
US20100083010A1 (en) * | 2008-10-01 | 2010-04-01 | International Business Machines Corporation | Power Management For Clusters Of Computers |
CN101739113A (zh) * | 2008-11-20 | 2010-06-16 | 国际商业机器公司 | 在虚拟化集群系统中进行能效管理的方法及装置 |
CN101699368A (zh) * | 2009-11-02 | 2010-04-28 | 中兴通讯股份有限公司 | Cpu的自适应动态调频或调压方法及装置 |
Non-Patent Citations (3)
Title |
---|
E.N.(MOOTAZ) ELNOZAHY等: "Energy-Efficient Server Clusters", 《POWER-AWARE COMPUTER SYSTEMS LECTURE NOTES IN COMPUTER SCIENCE》 * |
FABIEN HERMENIER等: "Entropy:a Consolidation Manager for Clusters", 《PROCEEDINGS OF THE 2009 ACM SIGPLAN/SIGOPS INTERNATIONAL CONFERENCE ON VIRTUAL》 * |
JING XU等: "Multi-Objective Virtual Machine Placement in Virtualized Data Center Environments", 《GREEN COMPUTING AND COMMUNICATIONS》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014059612A1 (zh) * | 2012-10-17 | 2014-04-24 | 华为技术有限公司 | 实现虚拟机迁移的方法和装置 |
CN103218249B (zh) * | 2013-03-27 | 2016-08-10 | 华为技术有限公司 | 一种虚拟化集群控制方法及设备、虚拟化集群系统 |
CN103218249A (zh) * | 2013-03-27 | 2013-07-24 | 华为技术有限公司 | 一种虚拟化集群控制方法及设备、虚拟化集群系统 |
CN103336574A (zh) * | 2013-07-23 | 2013-10-02 | 北京百度网讯科技有限公司 | 数据中心节能控制方法与装置 |
CN103488539A (zh) * | 2013-09-23 | 2014-01-01 | 北京交通大学 | 一种基于cpu动态调频技术的数据中心节能方法 |
CN103488539B (zh) * | 2013-09-23 | 2017-01-18 | 北京交通大学 | 一种基于cpu动态调频技术的数据中心节能方法 |
CN103488540A (zh) * | 2013-09-30 | 2014-01-01 | 华南理工大学 | 面向异构云数据中心的能耗优化资源调度方法 |
CN103780688A (zh) * | 2014-01-16 | 2014-05-07 | 博元森禾信息科技(北京)有限公司 | 迁移方法和装置 |
CN104598318B (zh) * | 2014-12-30 | 2018-12-04 | 北京奇艺世纪科技有限公司 | 节点计算能力的汇报方法和计算节点 |
CN104598318A (zh) * | 2014-12-30 | 2015-05-06 | 北京奇艺世纪科技有限公司 | 节点计算能力的汇报方法和计算节点 |
US10728099B2 (en) | 2015-05-14 | 2020-07-28 | Huawei Technologies Co., Ltd. | Method for processing virtual machine cluster and computer system |
CN106855827A (zh) * | 2015-12-08 | 2017-06-16 | 中国移动通信集团公司 | 虚拟化系统的参数处理方法及装置 |
CN106855827B (zh) * | 2015-12-08 | 2020-03-06 | 中国移动通信集团公司 | 虚拟化系统的参数处理方法及装置 |
CN105471655A (zh) * | 2015-12-09 | 2016-04-06 | 中国联合网络通信集团有限公司 | 虚拟化集群中确定物理设备上电或下电的方法及装置 |
CN105471655B (zh) * | 2015-12-09 | 2018-12-28 | 中国联合网络通信集团有限公司 | 虚拟化集群中确定物理设备上电或下电的方法及装置 |
CN108932150B (zh) * | 2017-05-24 | 2023-09-15 | 中兴通讯股份有限公司 | 基于ssd和磁盘混合存储的缓存方法、装置及介质 |
CN108932150A (zh) * | 2017-05-24 | 2018-12-04 | 中兴通讯股份有限公司 | 基于ssd和磁盘混合存储的缓存方法、装置及介质 |
CN111142598B (zh) * | 2019-12-30 | 2021-06-25 | 广州享药户联优选科技有限公司 | 一种智能药箱的内部环境控制方法及装置 |
CN111142598A (zh) * | 2019-12-30 | 2020-05-12 | 广州享药户联优选科技有限公司 | 一种智能药箱的内部环境控制方法及装置 |
CN111367646A (zh) * | 2020-03-31 | 2020-07-03 | 中国工商银行股份有限公司 | 容器转移方法及系统 |
CN111367677A (zh) * | 2020-03-31 | 2020-07-03 | 中国工商银行股份有限公司 | 集群资源分配方法及系统 |
CN111367646B (zh) * | 2020-03-31 | 2023-08-22 | 中国工商银行股份有限公司 | 容器转移方法及系统 |
CN112416530A (zh) * | 2020-12-08 | 2021-02-26 | 西藏宁算科技集团有限公司 | 弹性管理集群物理机节点的方法、装置及电子设备 |
CN112416530B (zh) * | 2020-12-08 | 2023-12-22 | 西藏宁算科技集团有限公司 | 弹性管理集群物理机节点的方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2013097396A1 (zh) | 2013-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102591443A (zh) | 一种虚拟化集群整合方法、装置及系统 | |
Al-Maamari et al. | Task scheduling using PSO algorithm in cloud computing environments | |
US9116181B2 (en) | Method, apparatus, and system for virtual cluster integration | |
CN102404412B (zh) | 云计算数据中心节能方法及系统 | |
Alresheedi et al. | Improved multiobjective salp swarm optimization for virtual machine placement in cloud computing | |
Xu et al. | Dynamic deployment of virtual machines in cloud computing using multi-objective optimization | |
Patel et al. | Energy efficient strategy for placement of virtual machines selected from underloaded servers in compute Cloud | |
Shi et al. | Energy-aware container consolidation based on PSO in cloud data centers | |
Piraghaj et al. | Virtual machine customization and task mapping architecture for efficient allocation of cloud data center resources | |
Maurya et al. | Energy conscious dynamic provisioning of virtual machines using adaptive migration thresholds in cloud data center | |
CN104184813A (zh) | 虚拟机的负载均衡方法和相关设备及集群系统 | |
CN103677958A (zh) | 一种虚拟化集群的资源调度方法及装置 | |
Alboaneen et al. | Glowworm swarm optimisation algorithm for virtual machine placement in cloud computing | |
Malekloo et al. | Multi-objective ACO virtual machine placement in cloud computing environments | |
Monil et al. | Energy-aware VM consolidation approach using combination of heuristics and migration control | |
Li et al. | An energy-aware scheduling algorithm for big data applications in Spark | |
Farahnakian et al. | Multi-agent based architecture for dynamic VM consolidation in cloud data centers | |
Liumei et al. | Towards energy efficient cloud: an optimized ant colony model for virtual machine placement | |
Elsedimy et al. | Toward enhancing the energy efficiency and minimizing the SLA violations in cloud data centers | |
Seth et al. | Dynamic threshold-based dynamic resource allocation using multiple VM migration for cloud computing systems | |
KR102129389B1 (ko) | 클라우드 컴퓨팅 환경에서의 다목적 가상머신 배치 방법 및 장치 | |
Zhang et al. | An energy-aware host resource management framework for two-tier virtualized cloud data centers | |
Singh | Genetic approach based optimized load balancing in cloud computing: a performance perspective | |
Deepika et al. | Multi-objective prediction-based optimization of power consumption for cloud data centers | |
Teng et al. | An energy-efficient vm placement in cloud datacenter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120718 |