CN103559077A - 一种优化的虚拟机自动迁移方法和系统 - Google Patents

Abstract

本发明公开了一种优化的虚拟机自动迁移方法及系统，其在各个物理机和虚拟机上安装数据采集软件，并将采集到的数据存入数据库，所述方法包括：步骤1、定时并轮流的从数据库中读取各虚拟机的检测数据；步骤2，判断所述虚拟机的检测数据中是否有超出预定阈值的数据项；步骤3、如果存在有超出预定阈值的数据项，则根据数据项的类型从数据库中读取集群内各个物理机的检测数据，找出最优的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。本发明可及时发现效率低下的虚拟机，并迅速给出最优的迁移路径，预防了因虚拟机运行缓慢甚至死机而给企业带来的损失。

Description

一种优化的虚拟机自动迁移方法和系统

技术领域

本发明涉及云计算领域，特别涉及一种优化的虚拟机自动迁移方法和系统。

背景技术

随着企业规模的不断扩大和业务量的不断提升，加剧了企业的成本开销，所以对于企业数据中心建设来说，虚拟化技术成为企业发展的一个重点。因为虚拟化技术的意义就是高效、方便，正是真实的东西达不到这两点，才催生了虚拟化，而这两点是所有IT产品永远追求的目标，所以虚拟化的脚步不会停止，并且会不断大步向前。

虚拟机迁移技术为服务器虚拟化提供了便捷的方法，迁移虚拟机可以为用户节省管理资金、维护费用和升级费用。迁移后的虚拟机，不仅可以在一个统一的界面中进行管理，而且通过某些虚拟机软件，如VMware提供的高可用性工具，在这些服务器因为各种故障停机时，可以自动切换到网络中另外相同的虚拟服务器中，从而达到不中断业务的目的。总之，迁移的优势在于简化系统维护管理，提高系统负载均衡，增强系统错误容忍度和优化系统电源管理。目前市场上有三种迁移方式：P2V、V2V、V2P。

V2V迁移是目前使用最广的一种迁移方式。它又分为静态迁移：也叫做常规迁移、离线迁移（Offline Migration），就是在虚拟机关机或暂停的情况下从一台物理机迁移到另一台物理机；共享存储的动态迁移：也叫在线迁移（Online Migration），就是在保证虚拟机上服务正常运行的同时，将一个虚拟机系统从一个物理主机移动到另一个物理主机的过程；本地存储的动态迁移：在某些情况下需要进行基于本地存储的虚拟机的动态迁移，这就需要存储块动态迁移技术，简称块迁移。

目前，在虚拟机在线自动迁移的技术层面，存在着根据物理机内存大小来迁移虚拟机，或者根据虚拟机的运行状态和资源使用情况来自动分配虚拟机负载的研究，但是均没有涉及根据虚拟机运行缓慢的不同原因来具体的为之迁移到不同配置的物理机的层面。

发明内容

鉴于现有技术中存在的问题，本发明目的在于提供一种优化的虚拟机自动迁移方法和系统，从而更为科学的实现虚拟机迁移。

根据本发明的一个方面，提供了一种优化的虚拟机自动迁移方法，其在各个物理机和虚拟机上安装数据采集软件，并将采集到的数据存入数据库，所述方法包括：

步骤1、定时并轮流的从数据库中读取各虚拟机的检测数据；

步骤2，判断所述虚拟机的检测数据中是否有超出预定阈值的数据项；

步骤3、如果存在有超出预定阈值的数据项，则根据数据项的类型从数据库中读取集群内各个物理机的检测数据，找出最优的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。

优选的，所述检测数据包括cpu使用率、内存使用率、磁盘IO速率和网络速率中的一种或多种。

优选的，步骤3中，根据步骤2中判断超出阈值的数据项，将该数据项检测数据最优且其它数据项均不低于虚拟机配置的物理机作为迁移目标。

优选的，所述方法还包括：

步骤4、如果所述虚拟机的检测数据中各项数据都没有超出预定阈值，则计算该虚拟机的“能量空间比”指标；

步骤5、判断虚拟机的“能量空间比”指标是否超出预定的阈值；

步骤6、如果“能量空间比”没有超过预定阈值，则说明该虚拟机目前运行状态良好，无需迁移；如果“能量空间比”超过预定阈值，则从数据库中读取集群内各个物理机的检测数据，并计算各物理机的“能量空间比”指标；

步骤7、把集群中“能量空间比”最大的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。

优选的，述“能量空间比”的计算公式为：

$b=\underset{n=1}{\overset{\∞}{\mathrm{\Σ}}}|\mathrm{fn}-\mathrm{an}|\÷\mathrm{an}*\mathrm{kn}$

其中，b代表能量空间比，n代表参数的个数，fn代表第n个参数的阈值，an代表第n个参数的检测值，kn代表第n个参数的权重值。

优选的，所述“能量空间比”的计算公式中，各项指标包括相应的权重。

根据本发明的另一方面，提供了一种优化的虚拟机自动迁移系统，其特征在于包括：

数据采集模块，用于采集各物理机和虚拟机的检测数据；

数据库模块，用于存储由数据采集模块采集的数据；

虚拟机迁移模块，用于定时并轮流的从数据库中读取各虚拟机的检测数据，判断所述虚拟机的检测数据中是否有超出预定阈值的数据项，如果存在有超出预定阈值的数据项，则根据数据项的类型从数据库中读取集群内各个物理机的检测数据，找出最优的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。

优选的，所述检测数据包括cpu使用率、内存使用率、磁盘IO速率和网络速率中的一种或多种。

优选的，所述虚拟机迁移模块根据判断超出阈值的数据项，将该数据项检测数据最优且其它数据项均不低于虚拟机配置的物理机作为迁移目标。

优选的，所述虚拟机迁移模块在判断所述虚拟机的检测数据中各项数据都没有超出预定阈值时，计算该虚拟机的“能量空间比”指标；判断虚拟机的“能量空间比”指标是否超出预定的阈值；如果“能量空间比”没有超过预定阈值，则说明该虚拟机目前运行状态良好，无需迁移；如果“能量空间比”超过预定阈值，则从数据库中读取集群内各个物理机的检测数据，并计算各物理机的“能量空间比”指标；把集群中“能量空间比”最大的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。

优选的，所述“能量空间比”的计算公式为：

$b=\underset{n=1}{\overset{\∞}{\mathrm{\Σ}}}|\mathrm{fn}-\mathrm{an}|\÷\mathrm{an}*\mathrm{kn}$

其中，b代表能量空间比，n代表参数的个数，fn代表第n个参数的阈值，an代表第n个参数的检测值，kn代表第n个参数的权重值。

优选的，所述“能量空间比”的计算公式中，各项指标包括相应的权重。

附图说明

图1例示了本发明实施例一种优化的虚拟机自动迁移方法流程图；

图2例示了本发明实施例一种优化的虚拟机自动迁移系统的结构图。

具体实施方式

为使本发明的上述目的、特征和优点更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

由于针对实际环境中业务量比较大或者是业务实时性要求比较高的企业，虚拟机运行缓慢或者效率低是让人无法容忍的，而影响它的无非就是虚拟机的cpu、内存、磁盘IO和网络，所以可以对虚拟机进行不定时的监测，主要是对虚拟机的性能检测数据进行分析，一旦发现分析结果达不到用户需求时，按照本发明优化的迁移策略进行在线迁移。

本发明的优化策略主要包括以下两个方面：

1.分别给cpu、内存、磁盘IO和网络速率设置阈值，在监测过程中，当发现虚拟机的这四项检测数据中的某一项（如cpu）超过（cpu使用率和内存使用率）或低于（磁盘IO和网络速率）预设阈值时，这就说明这台虚拟机所在的物理机可能由于高负载而造成了cpu的使用率过高从而使虚拟机的运行效率很低，所以启动对集群中各个物理机的性能检测数据分析模块，优先找出cpu使用率最低且其它三项数据均不低于虚拟机配置的物理机来接收虚拟机。

2.当通过分析虚拟机性能检测数据发现其中没有任何一项超过预设阈值时，为了防止由于各项指标都接近于阈值而导致的整体性能低下，本发明提出一种“能量空间比”的指标，为该指标也设置一个阈值，如果指标值低于阈值，说明虚拟机的这四项资源有可能很快被用尽，应该尽快被迁移。下面对“能量空间比”指标的原理及计算方式给予介绍：假设给cpu、内存、磁盘IO和网络速率设定的阈值分别为f1、f2、f3、f4，而虚拟机在当时环境中的检测值分别为a1、a2、a3、a4，则“能量空间比”b的计算公式为

b＝(f1-a1)÷a1+(f2-a2)÷a2+(a3-f3)÷a3+(a4-f4)÷a4

b值的范围为0到∞，如果b为0则说明各项指标正好达到各自阈值。当然根据不同的实际条件，可以为各项指标设定权重，比如各项指标的权重分别为k1、k2、k3、k4，则

b＝(f1-a1)÷a1*k1+(f2-a2)÷a2*k2+(a3-f3)÷a3*k3+(a4-f4)÷a4*k4

可以为b设定一个阈值bf，当b低于bf时，虚拟机就要进行迁移。在这种情况下，如果想选择出最优性能物理机，也要通过上面的公式进行计算，找出“能量空间比”最大的物理机来接收虚拟机。

附图1例示了本发明实施例一种优化的虚拟机自动迁移方法流程图，该方法的前提条件是在各个物理机和虚拟机上安装数据采集软件，将采集到的数据存入数据库。如图1所示，所述方法包括：

步骤1、定时并轮流的从数据库中读取各虚拟机的检测数据；

优选的，所述检测数据包括cpu、内存、磁盘IO和网络速率中的一种或多种。

步骤2，判断所述虚拟机的检测数据中是否有超出预定阈值的数据项；

步骤3、如果存在有超出预定阈值的数据项，则根据数据项的类型从数据库中读取集群内各个物理机的检测数据，找出最优的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。

优选的，步骤3中，根据步骤2中判断超出阈值的数据项，将该数据项检测数据最优且其它数据项均不低于虚拟机配置的物理机作为迁移目标。

上述步骤1-3已经完全可以实现优化的虚拟机自动迁移，然而优选的，本发明还可继续包括如下步骤：

步骤4、如果所述虚拟机的检测数据中各项数据都没有超出预定阈值，则计算该虚拟机的“能量空间比”指标；

其中所述“能量空间比”的计算公式为：

$b=\underset{n=1}{\overset{\∞}{\mathrm{\Σ}}}|\mathrm{fn}-\mathrm{an}|\÷\mathrm{an}*\mathrm{kn}$

其中，b代表能量空间比，n代表参数的个数，fn代表第n个参数的阈值，an代表第n个参数的检测值，kn代表第n个参数的权重值。

步骤5、判断虚拟机的“能量空间比”指标是否超出预定的阈值；

步骤6、如果“能量空间比”没有超过预定阈值，则说明该虚拟机目前运行状态良好，无需迁移；如果“能量空间比”超过预定阈值，则从数据库中读取集群内各个物理机的检测数据，并计算各物理机的“能量空间比”指标；

步骤7、把集群中“能量空间比”最大的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。

此外，本发明还包括相应的系统，附图2例示了本发明实施例一种优化的虚拟机自动迁移系统的结构图，如图2所示，所述系统包括：

数据采集模块，用于采集各物理机和虚拟机的检测数据；

数据库模块，用于存储由数据采集模块采集的数据；

虚拟机迁移模块，用于定时并轮流的从数据库中读取各虚拟机的检测数据，判断所述虚拟机的检测数据中是否有超出预定阈值的数据项，如果存在有超出预定阈值的数据项，则根据数据项的类型从数据库中读取集群内各个物理机的检测数据，找出最优的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。

其中优选的，所述虚拟机迁移模块在判断所述虚拟机的检测数据中各项数据都没有超出预定阈值时，计算该虚拟机的“能量空间比”指标；判断虚拟机的“能量空间比”指标是否超出预定的阈值；如果“能量空间比”没有超过预定阈值，则说明该虚拟机目前运行状态良好，无需迁移；如果“能量空间比”超过预定阈值，则从数据库中读取集群内各个物理机的检测数据，并计算各物理机的“能量空间比”指标；把集群中“能量空间比”最大的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。

由以上技术方案可知，本发明给出了一种优化的虚拟机在线自动迁移的策略。该发明具有以下优势：对于业务量比较大或者是业务实时性要求比较高的企业，该策略通过定时监测的方式及时发现效率低下的虚拟机，并迅速给出最优的迁移路径，预防了因虚拟机运行缓慢甚至死机而给企业带来的损失；另外，该策略通过对虚拟机的各项检测数据进行区分判断的方法，会得到引起虚拟机效率低的具体原因，从而找出最适合接收该虚拟机的物理机，使资源的利用率和该虚拟机的效率都达到最大化；最后，针对那种综合水平比较低的虚拟机，本发明提出了一项“能量空间比”指标，并且通过给不同数据项设置不同权重的方式适应了不同要求下的具体情况，从而全方位的阐明了虚拟机的在线自动迁移策略。

以上是对本发明的优选实施例进行的详细描述，但本领域的普通技术人员应该意识到，在本发明的范围内和精神指导下，各种改进、添加和替换都是可能的，例如使用可实现同种功能目的的算法、使用不同的编程语言（如C、C++、Java等）实现等。这些都在本发明的权利要求所限定的保护范围内。

Claims (12)

1.一种优化的虚拟机自动迁移方法，其在各个物理机和虚拟机上安装数据采集软件，并将采集到的数据存入数据库，所述方法包括：

步骤1、定时并轮流的从数据库中读取各虚拟机的检测数据；

步骤2，判断所述虚拟机的检测数据中是否有超出预定阈值的数据项；

步骤3、如果存在有超出预定阈值的数据项，则根据数据项的类型从数据库中读取集群内各个物理机的检测数据，找出最优的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。

2.如权利要求1所述的方法，其特征在于：

所述检测数据包括cpu使用率、内存使用率、磁盘IO速率和网络速率中的一种或多种。

3.如权利要求1所述的方法，其特征在于：

步骤3中，根据步骤2中判断超出阈值的数据项，将该数据项检测数据最优且其它数据项均不低于虚拟机配置的物理机作为迁移目标。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

步骤4、如果所述虚拟机的检测数据中各项数据都没有超出预定阈值，则计算该虚拟机的“能量空间比”指标；

步骤5、判断虚拟机的“能量空间比”指标是否超出预定的阈值；

步骤6、如果“能量空间比”没有超过预定阈值，则说明该虚拟机目前运行状态良好，无需迁移；如果“能量空间比”超过预定阈值，则从数据库中读取集群内各个物理机的检测数据，并计算各物理机的“能量空间比”指标；

步骤7、把集群中“能量空间比”最大的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。

5.如权利要求4所述的方法，其特征在于，所述“能量空间比”的计算公式为：

$b=\underset{n=1}{\overset{\∞}{\mathrm{\Σ}}}|\mathrm{fn}-\mathrm{an}|\÷\mathrm{an}*\mathrm{kn}$

其中，b代表能量空间比，n代表参数的个数，fn代表第n个参数的阈值，an代表第n个参数的检测值，kn代表第n个参数的权重值。

6.如权利要求5所述的方法，其特征在于：

所述“能量空间比”的计算公式中，各项指标包括相应的权重。

7.一种优化的虚拟机自动迁移系统，其特征在于包括：

数据采集模块，用于采集各物理机和虚拟机的检测数据；

数据库模块，用于存储由数据采集模块采集的数据；

虚拟机迁移模块，用于定时并轮流的从数据库中读取各虚拟机的检测数据，判断所述虚拟机的检测数据中是否有超出预定阈值的数据项，如果存在有超出预定阈值的数据项，则根据数据项的类型从数据库中读取集群内各个物理机的检测数据，找出最优的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。

8.如权利要求7所述的系统，其特征在于：

所述检测数据包括cpu使用率、内存使用率、磁盘IO速率和网络速率中的一种或多种。

9.如权利要求7所述的系统，其特征在于：

所述虚拟机迁移模块根据判断超出阈值的数据项，将该数据项检测数据最优且其它数据项均不低于虚拟机配置的物理机作为迁移目标。

10.如权利要求7所述的系统，其特征在于：

所述虚拟机迁移模块在判断所述虚拟机的检测数据中各项数据都没有超出预定阈值时，计算该虚拟机的“能量空间比”指标；判断虚拟机的“能量空间比”指标是否超出预定的阈值；如果“能量空间比”没有超过预定阈值，则说明该虚拟机目前运行状态良好，无需迁移；如果“能量空间比”超过预定阈值，则从数据库中读取集群内各个物理机的检测数据，并计算各物理机的“能量空间比”指标；把集群中“能量空间比”最大的物理机作为该虚拟机的接收机，然后在线迁移虚拟机。

11.如权利要求8所述的系统，其特征在于，所述“能量空间比”的计算公式为：

$b=\underset{n=1}{\overset{\∞}{\mathrm{\Σ}}}|\mathrm{fn}-\mathrm{an}|\÷\mathrm{an}*\mathrm{kn}$

其中，b代表能量空间比，n代表参数的个数，fn代表第n个参数的阈值，an代表第n个参数的检测值，kn代表第n个参数的权重值。

12.如权利要求11所述的系统，其特征在于：

所述“能量空间比”的计算公式中，各项指标包括相应的权重。

Images