CN102929715B - 基于虚拟机迁移的网络资源调度方法和系统 - Google Patents

Abstract

本发明公开了一种基于虚拟机迁移的网络资源调度方法，包括：检测到计算节点的网络流量超过预设定的网络流量阈值时，评估计算节点上的各虚拟机的预期内存拷贝完成时间，以及，评估给定时间段内计算节点上各虚拟机的平均网络流量；计算各虚拟机的平均网络流量与对应的预期内存拷贝完成时间的比值；根据所述比值确定各虚拟机的迁移优先级，其中虚拟机的所述比值高的迁移优先级高，并根据各虚拟机的迁移优先级确定待迁移的虚拟机；将计算节点上确定的待迁移的虚拟机迁移到目标计算节点。采用本发明，可以降低计算节点上的网络负载，并且使得迁移操作的实际效益最大化。本发明还公开了基于虚拟机迁移的网络资源调度系统。

Description

基于虚拟机迁移的网络资源调度方法和系统

技术领域

本发明涉及计算机网络资源调度技术领域，更具体涉及基于虚拟机迁移的网络资源调度方法和系统，以及用于网络资源调度的计算设备。

背景技术

云计算技术中的“热迁移”技术可以将运行中的虚拟机状态完整保存下来，同时快速部署到其他硬件平台上。在迁移过程之中，虚拟机平滑运行，用户基本上不会察觉到任何差异。

借助于“热迁移”技术，云计算系统能够进行实时负载调度。如某一时间内单个计算节点上网络负载过重，云计算系统可以利用“热迁移”技术将虚拟机迁出该计算节点；而另一时间内，全部计算节点网络均处于轻负载工作状态，则可以将几个计算节点上的虚拟机合并到一个计算节点上，并使空闲计算节点休眠，从而达到节能减耗的作用。

目前人们对虚拟机网络资源已经提出了多种调度策略，但较少有切实可行的迁移目标选择策略。例如，当系统判定一台计算节点的网络负载过重时，需要将其承载虚拟机迁移到其他计算节点。此时面临两个问题：目标虚拟机的选择与迁移目标计算节点的选择。

公开号为CN102117226A的专利申请提供了一种资源调度及资源调度方法，该专利申请的技术方案中，当某一物理主机上一种或几种资源的利用率达到设定利用率时，则将该物理主机上的一个或多个虚拟机迁移到资源未达设定利用率的其它物理主机上，使迁移操作后的物理主机上所有资源利用率一致。

这种资源调度方法只提供了负载均衡一种调度策略。它要求各节点平均分担负载，以保证资源利用率接近一致。然而该策略却很难满足云计算系统的节能减耗需求。然而，当系统处于轻负载工作状态，大部分资源闲置，该策略也要求全部计算节点都处于工作状态，这不利于节约能耗。

发明内容

针对现有技术中存在的问题，本发明提供了解决计算节点或设备上网络负载过重问题的网络资源调度方法、系统以及用于网络资源调度的计算设备。

根据本发明的一方面，提供了一种网络资源调度方法，包括：

检测到计算节点的网络流量超过预设定的网络流量阈值时，评估所述计算节点上的各虚拟机的预期内存拷贝完成时间，以及，评估给定时间段内所述计算节点上各虚拟机的平均网络流量；

计算各虚拟机的平均网络流量与对应的预期内存拷贝完成时间的比值；

根据所述比值确定各虚拟机的迁移优先级，其中虚拟机的所述比值高的迁移优先级高，并根据各虚拟机的迁移优先级确定待迁移的虚拟机；

将所述计算节点上确定的待迁移的虚拟机迁移到目标计算节点。

根据本发明的另一方面，还提供了一种用于网络资源调度的计算设备，所述计算设备上装载有多台虚拟机，所述计算设备包括：

检测模块，用于检测到计算设备的网络流量是否超过预设定的网络流量阈值；

虚拟机迁移选择模块，用于执行以下功能：

在所述检测模块检测为是时，评估所述计算设备上的各虚拟机的预期内存拷贝完成时间，以及，评估在给定时间段内所述计算设备上的各虚拟机的平均网络流量；

计算各虚拟机的平均网络流量与对应的预期内存拷贝完成时间的比值；以及

根据所述比值确定各虚拟机的迁移优先级，其中虚拟机的所述比值高的迁移优先级高，并根据各虚拟机的迁移优先级确定待迁移的虚拟机；

虚拟机迁移执行模块，用于将所确定的待迁移的虚拟机迁移到目标计算设备。

根据本发明的又一方面，还提供了一种网络资源调度系统，包括：

网络中的多台计算节点，其中每台计算节点上装载有至少一台虚拟机；

调度设备，所述调度设备包括：

检测模块，用于检测到源计算节点的网络流量是否超过预设定的网络流量阈值；

虚拟机迁移选择模块，用于执行以下功能：

在所述检测模块检测为是时，评估所述计算节点上的各虚拟机的预期内存拷贝完成时间，以及，评估在给定时间段内所述计算节点上的各虚拟机的平均网络流量；

计算各虚拟机的平均网络流量与对应的预期内存拷贝完成时间的比值；以及

根据所述比值确定各虚拟机的迁移优先级，其中，虚拟机的所述比值高的迁移优先级高，并根据各虚拟机的迁移优先级确定源计算节点的待迁移的虚拟机；

虚拟机迁移执行模块，用于将所确定的源计算节点的待迁移的虚拟机迁移到目标计算节点。

本发明通过检测到某计算节点或设备的网络流量超过预设定的网络流量阈值时，利用计算节点或设备上各虚拟机的平均网络流量以及各虚拟机的预期内存拷贝完成时间选择计算节点设备上最适合迁移的虚拟机，并将选择出的虚拟机迁移到其他计算节点或设备上从而降低计算节点上的网络负载。进一步地，通过对选择出的最适合迁移的虚拟机进行迁移操作，可以使得迁移操作的实际效益最大化，并且使得能够有效利用计算节点或设备的网络资源。

附图说明

图1是根据本发明实施例的网络资源调度方法的流程示意图。

图2是本发明网络资源调度方法的一实施例中估计计算节点中需迁移的虚拟机网络带宽总量目标的过程示意流程图。

图3是本发明网络资源调度方法的一实施例中选择迁移目标计算节点的过程示意流程图。

图4是根据本发明一实施例的用于网络资源调度的计算设备的示意框图。

图5是根据本发明另一实施例的用于网络资源调度的计算设备的示意框图。

具体实施方式

下面结合附图对本发明实施例进行详细说明。

根据本发明实施例提供的一种网络资源调度方法，在检测到计算节点的网络流量超过预设定的网络流量阈值时，统计该计算节点上的各虚拟机的迁移优先级，并根据虚拟机的迁移优先级确定待迁移的虚拟机，然后将所确定的待迁移的虚拟机迁移到网络中的其他计算节点。

在本发明一实施例中，一种网络资源调度方法，包括：

步骤S101，检测到计算节点的网络流量超过预设定的网络流量阈值时，评估所述计算节点上的各虚拟机的预期内存拷贝完成时间。

迁移虚拟机是一项加重计算负载，又相当耗时的操作。在迁移过程中，系统要完成虚拟机内存镜像对拷，通过网络将虚拟机的内存数据自一台计算节点传送至另一台计算节点。

通常，每台虚拟机的内存容量通常是恒定的，内存脏页率相对稳定。例如，在一定时间内虚拟机每个内存页变脏的概率接近相等，它决定着迁移过程中需要反复迭代传输的数据总量。在本发明的可选实施方式中，内存脏页率可以是指内存脏页概率，或者内存脏页产生速率，或者两者结合考虑得到的评价参数。

现有操作系统一般以内存页为单位管理内存。当程序需要使用内存时可向系统申请，并由系统分配一定数量的内存页供其使用。内存页“变脏”即指内存页中数据发生了改变。程序运行过程中，随着资源的不断占用与释放，系统为其分配的内存页会被不断更新。内部数据未发生改变的内存页被称为“干净”的页面；发生数据改变的页面则称为“脏”页面。

为了尽可能实现“无缝迁移”，系统还必须对迁移过程中虚拟机产生的“脏数据”不断更新，以实现迁移双方内存数据的完整匹配。因此，迁移虚拟机所用时间不但取决于虚拟机内存大小、计算节点间的网络带宽，也取决于虚拟机内存的“脏页”产生速率。

设虚拟机的总内存容量M，单位时间内网络迁移速度v(在本申请中指迁移操作时可利用的网络带宽，通常由服务器网络环境和相关网络配置所决定)，内存页变脏率k(0≤k＜1)，在第n时刻，虚拟机的剩余待传内存容量为y(n)。则可得如下差分方程：

y(n+1)＝y(n)-v+k[M-y(n)]式(1)

由于未传内存页变脏并不会引起传输数据总量的增加，因此最右端一项k[M-y(n)]表示单位时间内已传数据页变脏产生的数据增量。整理式(1)得：

y(n+1)-(1-k)y(n)＝kM-v式(2)

从式(2)中可以看出，该方程为一阶非齐次线性差分方程。由开始传输时刻待传数据总量为M，即虚拟机的总内存容量，可得初始边界条件y(0)＝M。解该差分方程可得：

$y\left(n\right)=\frac{v}{k}{(1-k)}^n+M-\frac{v}{k}$ 式(3)

式(3)反应出n时刻剩余内存待传量。由于0≤k＜1，所以y(n)为单调递减函数，当n→+∞时由此可以看出，只有当v＞kM条件下，才可能使得y(m)＝0，即通过“热迁移”完成全部内存数据拷贝。此时有：

$\frac{v}{k}{(1-k)}^m+M-\frac{v}{k}=0$ 式(4)

式(4)中，m为理想状态下虚拟机的预期内存拷贝完成时间。

步骤S102，评估给定时间段内所述计算节点上各虚拟机的平均网络流量。

每个时刻虚拟机对计算节点网络资源利用情况都不尽相同，为了简化计算，本文以给定时间段为T内来评估虚拟机的平均网络流量μ_v(也称为平均网络数据流量)为主要参考依据。其中，通过公式5来计算得到虚拟机的平均网络流量：

${\mathrm{\μ}}_V=\frac{1}{T}\underset{n=0}{\overset{T-1}{\mathrm{\Σ}}}V\left(n\right)=\frac{1}{T}[V\left(0\right)+V\left(1\right)+\·\·\·+V(T-1)]$ 式(5)

步骤103，计算各虚拟机的平均网络流量与对应的预期内存拷贝完成时间的比值η。例如式(6)：

$\mathrm{\η}=\frac{{\mathrm{\μ}}_v}{m}$ 式(6)

虚拟机的平均网络流量μ_v可以表示迁出该虚拟机后可以释放的计算节点网络带宽，该值越高，迁移效果越好；虚拟机的预期内存拷贝完成时间m可以表示迁移虚拟机所需时间，该值越低，表示迁移消耗越小。η表示迁移过程中平均每秒资源回收率，该值越高，虚拟机迁移收益越高。

步骤S104，根据各虚拟机的比值η确定各虚拟机的迁移优先级。其中，该比值高的虚拟机的迁移优先级高。

步骤S105，根据各虚拟机的迁移优先级确定待迁移的虚拟机。

步骤S106，将计算节点上确定的待迁移的虚拟机迁移到目标计算节点。

在一可选实施例中，可通过计算节点的网络流量溢出判定策略，在计算节点网络带宽有超载风险时进行虚拟机迁移操作。例如，设定计算节点的网络流量阈值，检测计算节点的网络流量是否超过预设定的网络流量阈值。其中，计算节点的网络流量是计算节点上的各虚拟机的网络流量总和。

在一可选实施例中，检测出计算节点的网络流量超过预设定的网络流量阈值时，根据网络带宽最大容量计算计算节点上需预留的网络带宽总量，并因而进一步计算得到需迁移出的虚拟机网络带宽总量目标。

例如，假设每台虚拟机网络流量彼此独立，且为近似同分布的随机变量，则当计算节点上同时运行着多台虚拟机时，计算节点总体网络流量服从高斯分布。

以此为依据，应用统计学能够对一给定时间段内的网络系统流量进行分析，并可以在此基础上求得未来时刻计算节点的网络流量均值估计与网络流量标准差估计统计学中，常将正态分布的(μ-3σ，μ+3σ]区间作为置信区间，认为在此区间以外的事件为小概率事件，几乎不可能发生。因此，可以将计算节点的网络带宽最大容量L作为μ+3σ的区间上界，通过估计要迁移的虚拟机网络流量使得迁移后的计算节点的网络流量预期能够满足网络带宽负载。

本发明实施例的网络资源调度方法，通过选择最适合迁移的虚拟机使得可以在计算节点的网络资源超载时，尽可能地减小需要传输的数据总量，从而可以避免进一步地加重网络带宽负载；另一方面，可以为计算节点最优地释放网络带宽资源。

如图2所示，估计要迁移的虚拟机网络带宽总量目标的具体步骤如下：

S211、统计给定时间段内不同时刻的所述计算节点的网络流量，其中，所述计算节点的网络流量为所述计算节点上的各虚拟机的网络流量之和；

S212、计算所述计算节点的网络流量均值估计和网络流量标准差估计

S213、根据所述计算节点的网络带宽最大容量L以及所述网络流量标准差估计计算出需为所述计算节点预留的网络带宽总量α＝L-3σ；

S214、根据所述计算节点的网络流量均值估计和计算节点需预留的网络带宽总量计算得到所述计算节点上需迁移出的虚拟机网络带宽总量目标，即 $F=\widehat{\mathrm{\μ}}-\mathrm{\α}.$

因此，根据前面的步骤103的比值，即参数η可确定的各虚拟机的迁移优先级，迁移调度时可以依此参数由高到低依次选择待迁移的虚拟机，直至迁出虚拟机网络流量总量达到上述实施例中计算得到的虚拟机网络带宽总量目标，即释放出的网络资源满足计算节点负载为止。

在另一可选实施例中，可以采用节约能耗为调度目标，在确保计算节点承载能力的前提下，充分利用计算节点资源。例如，尽可能地将待迁移的虚拟机集中迁移到有限的几台计算节点上，这样可以使得网络中其他计算节点休眠来节约能耗。

因此，在将计算节点上所确定的待迁移的虚拟机迁移到目标计算节点的步骤之前，还包括选择或者合适的迁移目标计算节点以便将所确定的待迁移的虚拟机迁移到目标计算节点。

例如，在一例子中，如图3所示，选择迁移目标计算节点的步骤包括：

S311、获取网络中第n时刻其他各计算节点的网络流量h_i(n)以及本计算节点上需迁移的虚拟机网络带宽总量v(n)。

S312、将第n时刻其他各计算节点的网络流量与所述需迁移的虚拟机网络带宽总量目标叠加，得到迁移后其他各计算节点的预测网络流量p_i(n)＝h_i(n)+v(n)。

S313、基于其他各计算节点的预测网络流量p_i(n)对其他各计算节点的网络流量进行预测分析，得到第n+1时刻其他各计算节点的预测网络流量p_i(n+1)。

在一可选实施例中，采用AR(T)模型基于第n时刻的其他各计算节点的预测网络流量来判断第n+1时刻各计算节点的预测网络流量p_i(n+1)。

AR模型是时序序列分析中最基础且最为实用的时序模型，通过随机差分方程的形式对随机系统进行描述，可以揭示动态数据本身的结构与规律，还可以描述观测数据之间的联系。此外AR模型作为良好的预测模型，可以在数理统计的基础上进一步预测系统未来值，从而为系统控制提供参考依据。AR(n)模型可视作多元线性回归模型。

式(7)

式中，Y_t表示当前时刻系统输出值，Y_t-i表示前i时刻系统输出值，表示前i时刻的输出权重，ε_t为t时刻的系统输入随机变量，服从均值为0，方差为σ²的正态分布，即ε_t～N(0，σ²)。

S314、判断其他各计算节点的网络带宽最大容量在第n+1时刻能否满足其他各计算节点的预测网络流量p_i(n+1)的负载需求。

S315、为满足负载需求的计算节点进行负载能力排序，选择或者依次选择负载能力最高的计算节点作为目标计算节点。

例如，如果有5台计算节点满足负载需求，则先选择负载能力最高的计算节点作为第一目标计算节点，并开始虚拟机迁移操作。当迁移操作后，所迁移的虚拟机网络流量总量未达到虚拟机网络带宽总量目标时，接着选择负载能力次高的计算节点作为第二目标计算节点，并开始相应的虚拟机迁移操作。依次类推，直到迁移达到虚拟机网络带宽总量目标。

在一可选实施例中，以为判决标准。p_i(n+1)表示通过AR(T)模型预测出的n+1时刻的计算节点的预测网络流量，为AR(T)模型中给定时间段T内p_i(n)的标准差估计。AR(T)模型通过高斯白噪声模拟随机性误差，因此当以为判决标准时，根据标准正态分布数据，该计算节点将有99.7％的概率能够满足目标虚拟机迁移之后的网络带宽需求。

通过上述迁移调度方式，可以将大量虚拟机集中在少数几台计算节点上，充分利用系统资源，并尽可能节约能源消耗。

在另一可选实施例中，在执行前述步骤S311-S314后，选择或者依次选择负载能力最低的计算节点作为目标计算节点。通过这种迁移调度方式，可以将虚拟机负载平均分担到每一台计算节点上，从而可以实现负载均衡。

相类似地，本发明还提供了一种用于网络资源调度的计算设备，并且该计算设备上装载有多台虚拟机。如图4所述，计算设备10包括检测模块101，用于检测到计算设备的网络流量是否超过预设定的网络流量阈值。

计算设备10还包括虚拟机迁移选择模块103，用于执行以下功能：在所述检测模块10检测为是时，评估所述计算设备上的各虚拟机的预期内存拷贝完成时间，以及，评估在给定时间段内所述计算设备上的各虚拟机的平均网络流量；计算各虚拟机的平均网络流量与对应的预期内存拷贝完成时间的比值；以及根据所述比值确定各虚拟机的迁移优先级，其中虚拟机的所述比值高的迁移优先级高，并根据各虚拟机的迁移优先级确定待迁移的虚拟机。

计算设备10还包括虚拟机迁移执行模块105，用于将所确定的待迁移的虚拟机迁移到目标计算设备。

在可选实施例中，虚拟机迁移选择模块103评估所述计算设备上的各虚拟机的预期内存拷贝完成时间，包括：对于所述计算设备上的每一个虚拟机，根据虚拟机的内存容量、内存脏页率以及网络迁移速度确定虚拟机的预期内存拷贝完成时间。

在另一可选实施例中，如图5所示，计算设备10除了包括检测模块101、虚拟机迁移选择模块103和虚拟机迁移执行模块105之外，该计算设备10还包括：迁移量统计模块107，用于在检测模块101检测为是时，根据网络带宽最大容量计算所述计算设备上需预留的网络带宽总量，并因而进一步计算得到需迁移出的虚拟机网络带宽总量目标。

进一步地，虚拟机迁移选择模块103根据各虚拟机的迁移优先级确定待迁移的虚拟机，包括：依次选择迁移优先级高的虚拟机为待迁移的虚拟机，直至迁移出的虚拟机的网络流量总量达到所述虚拟机网络带宽总量目标。

在进一步的可选实施例中，迁移量统计模块107计算所述计算设备上要迁移的虚拟机网络带宽总量目标包括：

统计给定时间段内不同时刻的所述计算设备的网络流量，其中，所述计算设备的网络流量为所述计算设备上的各虚拟机的网络流量之和；

计算所述计算设备的网络流量均值估计和网络流量标准差估计；

根据所述计算设备的网络带宽最大容量以及所述网络流量标准差估计计算出需为所述计算设备预留的网络带宽总量；以及

根据所述计算设备的网络流量均值估计和计算设备上需预留的网络带宽总量计算得到所述计算设备上需迁移的虚拟机网络带宽总量目标。

在又一可选实施例中，计算设备10还包括目标计算设备选择模块109，用于执行以下功能：

获取网络中第n时刻其他各计算设备的网络流量h_i(n)以及所述计算设备上待迁移的虚拟机的网络流量v(n)；

将第n时刻其他各计算设备的网络流量与所述待迁移的虚拟机的网络流量叠加，得到迁移后其他各计算设备的预测网络流量p_i(n)＝h_i(n)+v(n)；

基于其他各计算设备的预测网络流量p_i(n)对其他各计算设备的网络流量进行预测分析，得到第n+1时刻其他各计算设备的预测网络流量p_i(n+1)；

判断其他各计算设备的网络带宽最大容量在第n+1时刻能否满足其他各计算设备的预测网络流量p_i(n+1)的负载需求；

为满足负载需求的计算设备进行负载能力排序，选择或者依次选择负载能力最高的计算设备作为目标计算设备；或者，选择或者依次选择负载能力最低的计算设备作为目标计算设备。

相类似地，本发明实施例还提供了一种网络资源调度系统。网络资源调度系统包括：网络中的多台计算节点，其中每台计算节点上装载有至少一台虚拟机。进一步地，该网络资源调度系统还包括调度设备，该调度设备与网络中的多台计算节点连接，并且能够对计算节点进行调度控制。

本发明实施例的调度设备包括检测模块，用于检测到源计算节点的网络流量是否超过预设定的网络流量阈值。该调度设备还包括虚拟机迁移选择模块，用于执行以下功能：在所述检测模块检测为是时，评估所述计算节点上的各虚拟机的预期内存拷贝完成时间，以及，评估在给定时间段内所述计算节点上的各虚拟机的平均网络流量；计算各虚拟机的平均网络流量与对应的预期内存拷贝完成时间的比值；以及根据所述比值确定各虚拟机的迁移优先级，其中，虚拟机的所述比值高的迁移优先级高，并根据各虚拟机的迁移优先级确定源计算节点的待迁移的虚拟机。

该调度设备还包括虚拟机迁移执行模块，用于将所确定的源计算节点的待迁移的虚拟机迁移到目标计算节点。

在进一步的可选实施例中，本发明实施例的调度设备所能实现的功能与前面实施例描述的计算设备10的功能相类似，在此不再赘述。

本发明的网络资源调度方式可以使用在云计算系统网络资源调度中，并且可以对云计算系统进行整体集群化调度，减少迁移频率、降低调度成本，节约能耗。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种网络资源调度方法，包括：

检测到计算节点的网络流量超过预设定的网络流量阈值时，评估所述计算节点上的各虚拟机的预期内存拷贝完成时间，以及，评估给定时间段内所述计算节点上各虚拟机的平均网络流量；

计算各虚拟机的平均网络流量与对应的预期内存拷贝完成时间的比值；

根据所述比值确定各虚拟机的迁移优先级，其中虚拟机的所述比值高的迁移优先级高，并根据各虚拟机的迁移优先级确定待迁移的虚拟机；

将所述计算节点上确定的待迁移的虚拟机迁移到目标计算节点。

2.根据权利要求1所述的网络资源调度方法，其特征在于，检测到计算节点的网络流量超过预设定的网络流量阈值的步骤之后，还包括：根据所述网络带宽最大容量计算所述计算节点上需预留的网络带宽总量，并因而进一步计算得到需迁移出的虚拟机网络带宽总量目标；以及，

根据各虚拟机的迁移优先级确定待迁移的虚拟机，包括：

依次选择迁移优先级高的虚拟机为待迁移的虚拟机，直至迁移出的虚拟机的网络流量总量达到所述虚拟机网络带宽总量目标。

3.根据权利要求1所述的网络资源调度方法，其特征在于，评估所述计算节点上的各虚拟机的预期内存拷贝完成时间，包括：

对于所述计算节点上的每一个虚拟机，根据虚拟机的内存容量、内存脏页率以及网络迁移速度确定虚拟机的预期内存拷贝完成时间。

4.根据权利要求2所述的网络资源调度方法，其特征在于，根据所述网络带宽最大容量计算所述计算节点上需预留的网络带宽总量，并因而进一步计算得到要迁移的虚拟机网络带宽总量目标的步骤，包括：

统计给定时间段内不同时刻的所述计算节点的网络流量，其中，所述计算节点的网络流量为所述计算节点上的各虚拟机的网络流量之和；

计算所述计算节点的网络流量均值估计和网络流量标准差估计；

根据所述计算节点的网络带宽最大容量以及所述网络流量标准差估计计算出所述计算节点需预留的网络带宽总量；以及

根据所述计算节点的网络流量均值估计和所述计算节点需预留的网络带宽总量计算得到所述计算节点上需迁移出的虚拟机网络带宽总量。

5.根据权利要求1或2所述的网络资源调度方法，其特征在于，在将所述计算节点上确定的待迁移的虚拟机迁移到目标计算节点的步骤之前，还包括：

获取网络中第n时刻其他各计算节点的网络流量h_i(n)以及所述计算节点上待迁移的虚拟机的网络流量v(n)；

将第n时刻其他各计算节点的网络流量与所述待迁移的虚拟机的网络流量叠加，得到迁移后其他各计算节点的预测网络流量p_i(n)＝h_i(n)+v(n)；

基于其他各计算节点的预测网络流量p_i(n)对其他各计算节点的网络流量进行预测分析，得到第n+1时刻其他各计算节点的预测网络流量p_i(n+1)；

判断其他各计算节点的网络带宽最大容量在n+1时刻能否满足其他各计算节点的预测网络流量p_i(n+1)的负载需求；

为满足负载需求的计算节点进行负载能力排序；

选择或者依次选择负载能力最高的计算节点作为目标计算节点；或者，选择或者依次选择负载能力最低的计算节点作为目标计算节点。

6.一种用于网络资源调度的计算设备，所述计算设备上装载有多台虚拟机，所述计算设备包括：

检测模块，用于检测到计算设备的网络流量是否超过预设定的网络流量阈值；

虚拟机迁移选择模块，用于执行以下功能：

在所述检测模块检测为是时，评估所述计算设备上的各虚拟机的预期内存拷贝完成时间，以及，评估在给定时间段内所述计算设备上的各虚拟机的平均网络流量；

计算各虚拟机的平均网络流量与对应的预期内存拷贝完成时间的比值；以及

根据所述比值确定各虚拟机的迁移优先级，其中虚拟机的所述比值高的迁移优先级高，并根据各虚拟机的迁移优先级确定待迁移的虚拟机；

虚拟机迁移执行模块，用于将所确定的待迁移的虚拟机迁移到目标计算设备。

7.根据权利要求6所述的计算设备，其特征在于，所述计算设备还包括：

迁移量统计模块，用于在所述检测模块检测为是时，根据所述网络带宽最大容量计算所述计算节点上需预留的网络带宽总量，并进一步计算得到所述计算设备上需迁移出的虚拟机网络带宽总量目标；

所述虚拟机迁移选择模块根据各虚拟机的迁移优先级确定待迁移的虚拟机，包括：依次选择迁移优先级高的虚拟机为待迁移的虚拟机，直至迁移出的虚拟机的网络流量总量达到所述虚拟机网络带宽总量目标。

8.根据权利要求6所述的计算设备，其特征在于，所述虚拟机迁移选择模块评估所述计算设备上的各虚拟机的预期内存拷贝完成时间，包括：

对于所述计算设备上的每一个虚拟机，根据虚拟机的内存容量、内存脏页率以及网络迁移速度确定虚拟机的预期内存拷贝完成时间。

9.根据权利要求7所述的计算设备，其特征在于，所述迁移量统计模块根据所述网络带宽最大容量计算所述计算设备上需预留的网络带宽总量，并进一步计算得到所述计算设备上需迁移出的虚拟机网络带宽总量目标包括：

统计给定时间段内不同时刻的所述计算设备的网络流量，其中，所述计算设备的网络流量为所述计算设备上的各虚拟机的网络流量之和；

计算所述计算设备的网络流量均值估计和网络流量标准差估计；

根据所述计算设备的网络带宽最大容量以及所述网络流量标准差估计计算出所述计算设备需预留的网络带宽总量；以及

根据所述计算设备的网络流量均值估计和所述计算设备需预留的网络带宽总量计算得到所述计算设备上需迁移出的虚拟机网络带宽总量目标。

10.根据权利要求6所述的计算设备，其特征在于，所述计算设备还包括目标计算设备选择模块，用于执行以下功能：

获取网络中第n时刻其他各计算设备的网络流量h_i(n)以及所述计算设备上待迁移的虚拟机的网络流量v(n)；

将第n时刻其他各计算设备的网络流量与所述待迁移的虚拟机的网络流量叠加，得到迁移后其他各计算设备的预测网络流量p_i(n)＝h_i(n)+v(n)；

基于其他各计算设备的预测网络流量p_i(n)对其他各计算设备的网络流量进行预测分析，得到第n+1时刻其他各计算设备的预测网络流量p_i(n+1)；

判断其他各计算设备的网络带宽最大容量在第n+1时刻能否满足其他各计算设备的预测网络流量p_i(n+1)的负载需求；

为满足负载需求的计算设备进行负载能力排序，选择或者依次选择负载能力最高的计算设备作为目标计算设备；或者，选择或者依次选择负载能力最低的计算设备作为目标计算设备。

11.一种网络资源调度系统，包括：

网络中的多台计算节点，其中每台计算节点上装载有至少一台虚拟机；

调度设备，所述调度设备包括：

检测模块，用于检测到源计算节点的网络流量是否超过预设定的网络流量阈值；

虚拟机迁移选择模块，用于执行以下功能：

在所述检测模块检测为是时，评估所述多台计算节点上的各虚拟机的预期内存拷贝完成时间，以及，评估在给定时间段内所述多台计算节点上的各虚拟机的平均网络流量；

计算各虚拟机的平均网络流量与对应的预期内存拷贝完成时间的比值；以及

根据所述比值确定各虚拟机的迁移优先级，其中，虚拟机的所述比值高的迁移优先级高，并根据各虚拟机的迁移优先级确定源计算节点的待迁移的虚拟机；

虚拟机迁移执行模块，用于将所确定的源计算节点的待迁移的虚拟机迁移到目标计算节点。